基于斜投影算子的引信抗主瓣干扰方法

目的 利用信号极化域信息滤除干扰信号,解决回波阵列期望信号和主瓣干扰信号的入射角一致导致空域滤波抗干扰失效的问题。方法 由于主瓣干扰信号的极化状态通常是未知的,为此提出基于斜投影的抗主瓣干扰方法。该方法利用极化域–空域联合谱多信号分类算法,估计主瓣干扰信号的极化状态。然后,利用期望信号和主瓣干扰信号极化状态的差异,通过构造斜投影算子,处理阵列接收数据,从而滤除主瓣干扰信号。结果 当主瓣干扰导向矢量失配,或者期望信号与主瓣干扰信号的极化状态满足一定程度的差异时,基于斜投影的抗主瓣干扰方法均取得良好效果。结论 基于斜投影的抗主瓣干扰方法具有稳定性好、鲁棒性强等优点,可应用于雷达、无线电引信等系统对主瓣干扰的抑制,提升雷达、无线电引信等系统适应复杂电磁环境的能力。     

基于短时傅里叶变换的干扰信号识别方法

目的提高无线电引信识别欺骗式干扰的能力。方法根据炮弹弹体自旋的特点,使得采用连续波线极化天线的无线电引信所收到的干扰信号呈现出有别于地面回波的周期性幅度调制特征,通过对此特征进行短时傅里叶变换后进行识别,可以作为无线电引信是否受到欺骗式干扰的判断依据。结果通过仿真和试验对方法的可行性进行了验证,表明该识别方法可以很好地提高连续波无线电引信的识别欺骗式干扰的能力。结论基于短时傅里叶变换检测旋转调制的对地旋转弹无线电引信欺骗干扰识别的方法可以对干扰信号特征进行识别,算法处理时间短,能够作为引信是否受到干扰的一种判断依据。     

基于GAN的小样本腐蚀失厚率数据增强方法

目的 对小样本腐蚀失厚率数据进行数据增强,实现数据扩充,以提升后续分析模型的预测精度,减轻过拟合程度,并提升模型的泛化能力。方法 利用生成对抗网络(Generative Adversarial Networks,GAN)扩充腐蚀失厚率数据,使数据分布更加全面。对生成数据进行降维可视化分析,探究生成数据与原始数据样本的分布规律,分析数据增强合理性,并从多个算法模型、多个评价指标角度对分析预测能力、泛化能力进行评估。结果 生成数据填补了原始数据在样本空间分布的薄弱环节,加入生成数据后,各机器学习算法模型得出的MSE均值为未加入生成数据的61.72%~91.74%,皮尔逊均值为99.01%~113.64%,预测准确度提升,结果关联性更强,模型泛化能力增强。结论 GAN能有效对小样本腐蚀失厚率数据进行增强,数据扩充对分析预测提供正向支持,生成数据不宜多于原始数据,防止扰乱训练样本分布,同时存在生成数据多样性受限的问题。     

引信步进应力加速试验贮存寿命预测研究

目的 针对某机电引信加速寿命试验数据,采用传统统计分析方法存在计算量大、寿命预测精度难以保证的问题,开展与智能算法相结合的引信贮存寿命预测研究。方法 针对步进应力加速寿命试验数据,采用贝叶斯理论的环境因子法,对各级应力下的贮存时间进行折合计算。利用进化策略对粒子群算法进行改进,进而对所建立的BP神经网络预测模型的全局参数进行调整和优化,突破传统方法的局限。将折合后的试验时间、样本量、应力水平作为网络输入,失效数作为输出,来预测引信贮存寿命。结果 利用训练好的 BP神经网络预测引信在正常应力水平下的失效数,计算其贮存可靠度。在迭代402次后,模型找到最优解,且预测误差在1%以内。结论 步进应力加速寿命试验与智能算法相结合的方法计算过程简单,预测精度较高,可有效提高引信贮存寿命的预测精度。     

钻井过程人员异常行为视频智能识别系统

针对钻井现场视频监控人工值守工作量大、异常行为识别不及时、海量视频数据缺乏实时报警等问题,结合钻井作业操作规程建立井控坐岗监测、起下钻、甩钻具等钻井作业场景典型异常行为判别规则,在基于卷积神经网络的目标检测方法基础上,引入SIFT方法和基于强化学习的困难样本筛选策略,提高了算法识别的准确率与鲁棒性。测试结果表明,在像素分辨率1 920×1 080的情况下,该方法整体识别准确率达到85%以上,平均识别速度为135 ms/帧。在此基础上,开发了钻井过程人员异常行为智能识别系统,试点应用结果表明,该系统能够对接入的视频流进行实时检测,及时、准确识别出坐岗人员擅自离岗、起下钻及甩钻具过程人员危险站位等异常行为,有效提升钻井现场安全管理水平。     

基于AVMD与DPC-FCM的旋转机械无监督故障诊断方法

目的 针对旋转机械故障诊断过程中存在故障信号特征提取困难、故障诊断过程有标签数据较少、故障诊断准确率低等问题,提出自适应变分模态分解算法(Adaptive Variational Mode Decomposition, AVMD)与密度峰值算法优化的模糊C均值算法(Clustering by Fast Search and Find of Density Peaks Optimizing Fuzzy C-Means,DPC-FCM)结合的无监督诊断方法。方法 首先,将多尺度排列熵与峭度相结合的综合系数作为适应度函数,对VMD算法的惩罚因子alpha和模态个数K进行参数寻优,提取分解后本征模态函数(Intrinsic Mode Function,IMF)的平均样本熵与平均模糊熵,并输入至聚类算法中。其次,提出利用密度峰值聚类算法确定FCM的初始聚类中心,降低聚类结果的随机性。结果 将提出的无监督故障诊断模型应用到滚动轴承试验信号中,实现了准确的故障诊断。结论 AVMD在故障提取方面具有优越性,同时DPC算法可以有效提高FCM算法无监督聚类的准确性,二者结合可以有效实现旋转机械故障的智能分类。     

基于密度–距离空间的红外引信抗噪声方法研究

目的 通过简易的图像处理和目标检测方法，提高红外引信在复杂环境下的抗干扰能力。方法 分析红外引信在复杂背景中的噪声类别，采用“密度–距离”空间方法与像素生长方法进行预处理和目标检测，赋予像素2种属性，并进行量化分析，确定灰度平坦区域中的红外候选目标，并通过像素生长方法筛选候选目标中的真实目标。结果 计算在不同信噪比环境下算法的抗噪声干扰能力，当红外图像的SNR值在44.1~45.4时，算法检测效果理想。结论 红外引信探测过程中的复杂背景和随机噪声都会降低图像质量，考虑到红外目标所占像素数少，极易受噪声影响，需要运用自适应简易算法提高检测准确性。该算法有良好的实时性和抗干扰能力，为红外引信在目标检测中的环境适应性提供了理论依据。     

侵彻引信用磁电传感器的输出特性仿真分析

目的 解决侵彻引信用磁电传感器在不同侵彻环境下输出特性难以预知的问题,掌握不同结构参数对传感器输出的影响。方法 基于一种新型磁电传感器的结构原理,提出一种联合仿真研究方法,研究过程分为2部分,一部分是利用ADAMS软件进行磁电传感器惯性系统的力学特性仿真,另一部分是利用COMSOL软件进行传感器机电转换元件的磁电特性仿真,仿真模型的输入是战斗部在穿靶过程中的过载信息。通过磁电传感器在多次冲击加载试验中获取的实测数据,对仿真模型的仿真结果进行验证。改变仿真模型的相关参数,模拟并分析传感器结构对仿真输出特性的影响。结果 仿真穿靶时间的平均绝对误差约为138 μs,穿靶时刻仿真电压值的平均相对误差约为5.9%。在给定力学环境的前提下,侵彻引信用磁电传感器中的线圈与磁铁的相对高度会影响输出信号的正负、幅值以及波峰出现的时间,线圈匝数、线圈与磁铁之间的间隔仅对信号的幅值产生影响。结论 仿真误差在可控范围内,验证了联合仿真模型的正确性与该研究方法的可行性。该仿真模型可以为侵彻引信用磁电传感器的设计提供指导,并为后续进一步验证侵彻引信起爆控制系统的性能工作提供了新的思路。     

基于深度卷积神经网络的场地污染非线性反演方法

提出了将Sobel边缘检测算子与深度卷积神经网络（CNN）算法结合的方法（E-ConvNet），用于污染场地的ERT反演过程.通过Sobel算子提取污染区域视电阻率数据的边缘特征作为CNN的先验信息，提高E-ConvNet的计算效率及识别精度.在5种理论模型（单异常体、双异常体及含双异常体的层状结构）和现场实例上测试了E-ConvNet算法的性能，并与最小二乘算法（LS）比较.测试结果表明：E-ConvNet能够准确识别污染处的面积、位置及阻值，其识别精度和计算效率均优于LS.E-ConvNet的单异常识别准确率为81.8%~84.9%，而LS则仅为9.6%~36.2%；多异常识别准确率为68.6%~84.4%，LS仅为2.8%~27.6%；E-ConvNet用时约为112~190ms，LS耗时为6000~7000ms.因此，在污染场地调查工作中，E-ConvNet能够准确高效地反演出污染区域的位置及范围，为开展后续评估/修复工作提供技术支持.     

面向石化厂区安全风险防控的异常场景图像识别技术研究

针对石化厂区安全风险防控的需求,提出了一种基于卷积神经网络的单分类图像识别算法。为了构建识别模型,首先创建了一个带标签的厂区火灾、烟雾图像数据集用于模型的训练。其次,通过特征提取及分类器模块,实现了对视频监控异常场景的识别。此外,设计了一种全新的损失函数,以增强异常场景识别能力。该算法采用端到端的网络架构,解决了传统目标检测方法的结构臃肿、计算复杂等问题,减少了模型的复杂程度,弥补了现有视频监控资源利用场景的不足,进一步提高了厂区风险识别能力。实验结果表明,所提出的单分类视频监控图像识别算法在准确率等方面优于现有算法。     

无线电引信电磁辐射能量耦合路径研究

目的为了确定外界电磁能量究竟如何进入到引信电路内部,针对无线电引信的电磁能量耦合路径进行系统研究。方法通过对多种引信进行不同形式的连续波、强电磁脉冲电磁辐照效应试验,对比引信天线、孔缝、弹体、电源模块等部位的能量耦合可能性。分析连续波、强电磁脉冲电磁环境对无线电引信作用的耦合规律。结果确定了电磁信号类型和引信接地结构是影响电磁能量耦合通道的关键因素,揭示了前门耦合是连续波电磁辐射环境的最主要方式。结论弹体或引信前端与电路共地的金属部件是强电磁脉冲辐射环境的主要能量路径,从而为无线电引信抗电磁性能加固的实施提供了有益参考。     

引信步进应力加速寿命试验无失效数据情况贮存寿命评估

目的针对某引信加速寿命试验出现无失效数据情况无评估方法问题,开展贮存寿命评估研究。方法根据某引信特点和样品条件,选取采用步进应力加速寿命试验。因本次样品量过少,不能进行摸底试验来确定合理的应力和步长,加速寿命试验只能采用其预估值,因而试验结果出现了无失效情况。为此提出先对无失效数据按贝叶斯统计方法将零失效比率(失效数/样本数)数据转换为非降序失效比率的失效数据,再按有失效数据的处理方法评估贮存寿命。结果以此方法编制计算程序,对某引信无失效试验数据进行处理,评估其贮存寿命为20.1a。结论采用贝叶斯统计规律处理无失效数据的方法有效可行,解决了引信步进应力加速寿命试验无失效数据情况下的贮存寿命评估难题。     

电晕放电辐射信号的特征提取和模式识别方法研究

目的研究电晕放电辐射信号的特征提取和模式识别方法。方法在分析信号特征提取方法的基础上,对实测的电晕放电辐射信号特征提取,利用概率神经网络开展电晕放电辐射信号目标识别,检验特征提取的有效性。结果以奇异值作为输入特征量的PNN在整体上效果更优,稳定性好,对两类不同放电辐射信号的正确识别率均可达到80%以上,并且当输入特征量个数达到10个时,对实测样本的正确识别率均达到了最高值。电晕放电的正确识别率为96.7%,火花放电的正确识别率为93.3%。结论该方法能基本满足实际放电信号的识别应用。     

基于实船结构监测数据的异常检测及处理方法

目的 获得高质量实船结构监测数据,减少数据因外界干扰造成的异常现象,现开发一套面向真实海况的实船结构监测数据的异常处理方法。方法 将统计学中的Z-score异常检测方法与数据处理中常用的平均值计算法相结合,实现对船舶结构应力数据的异常处理。基于正常信号创建含有异常现象的验证数据,对新的异常处理方法进行精度验证。结果 相比Hampel滤波法、Smooth平滑函数等传统的信号处理方法,Z-score异常检测及平均值计算方法的异常处理精度最高,且以此为基础计算的结构信号统计值准确度较好。结论 Z-score异常检测及平均值计算方法可实现真实海况下的实船结构监测数据的异常处理,并在结构应力数据的价值挖掘上可提供有力支撑。     

加速度信号积分求解位移方法研究

目的 研究动力学环境试验分析中时域积分算法和频域积分算法两种加速度信号积分求解位移方法.方法 动力学环境试验中,利用不同算法对被试品测点处所采集到的加速度信号进行二次积分处理,计算求解位移.采集过程中,再利用激光传感器测量位移,以激光所测位移为基准,对比分析不同算法求解结果的准确性,并分析其结果的误差来源、其优缺点及适用范围.结果 在动力学环境试验的不同工况下,两种不同积分法得到的位移数据与激光测定数据基本重合,积分得到的位移最大误差均小于5％,符合实际应用需求.时域积分算法在两次积分中受到噪声以及直流分量误差的影响较大;频域积分算法的计算结果相对更加准确,但是受到低频误差影响较大,具有低频敏感性.结论 在动力学环境试验中,时域积分算法适用于噪声和直流分量可忽略的情况,频域积分算法适应于低频误差较小的情况.对加速度信号数据进行必要且有效的预处理后,时域积分算法和频域积分算法的位移积分结果都具有较高的准确性,能够满足一般工程实际中的测试需求.     

BP神经网络与Sugeno模糊积分融合 的转子系统故障诊断

目的针对BP神经网络对转子故障诊断方法存在的局限性,提出一种融合Sugeno模糊积分和BP神经网络的转子故障轴心轨迹识别诊断方法。方法首先利用轴心轨迹图像的不变矩为特征向量,提取常见旋转机械转子故障特征,随后利用多个BP神经网络对故障类型进行识别,最终采用Sugeno模糊积分对BP神经网络识别结果进行决策,从而构建转子故障诊断模型,并应用于转子系统故障的诊断。结果通过机械故障仿真模拟实验平台采集了6种常见转子系统故障信号,利用matlab2012a软件编程建模仿真处理,试验表明,该模型有效地提高了转子系统多类别故障的识别正确率。同时,该方法对同一故障类型识别所需样本少,大大节省了数据获取和处理的时间。结论该方法提出并用于转子系统故障诊断中,诊断准确性高,可靠性强,利用样本数据量少,节约时间,对小样本数据的故障诊断有着良好的效果。