振源识别及基于功率流的隔振系统优化设计研究

对于多激励柔性振源系统,由于激励的分布性和相干性,难以识别出各个激励的作用位置和大小.提出了柔性体等效振源的概念,该等效振源可以替代原激励源进行隔振系统的设计,并对该振源的识别问题进行了研究.对多激励源的隔振系统,以传递到基础功率流最小为目标,进行隔振系统的优化设计.仿真验证了方法的合理性和正确性.     

基于泄流响应的高拱坝振源时域识别

高坝泄流诱发坝体振动的振源识别一直是水利界所关注的课题之一．在小波理论、结构动力学及随机振动理论的基础上,提出了基于小坡正交算子变换的多振源反分析方法,并结合水工结构的特点,探讨了进行振源识别时所需注意的关键技术问题．以拉西瓦拱坝水弹性模型为研究对象,通过少量测点的动位移实测值,反分析各等效激励荷载时程,进而对拉西瓦拱坝的流激振动进行全面评估,为拱坝结构的动态监测和损伤诊断提供了基础．     

基于逆子结构法的振源耦合虚拟传递路径分析方法

针对现有传递路径分析(TPA)方法的局限性,根据基于频响函数的逆子结构法,提出一种振源耦合状态下的虚拟传递路径分析方法,并建立了该方法的具体流程.将这方法用于一个模拟动力总成和车身的有限元模型,通过逆子结构法识别振源耦合状态下的子结构及连接件的动态特性,结合子结构综合法合成系统传递函数,实现路径贡献量分析并找到了对系统响应峰值占主要贡献量的传递路径和影响最大的子结构传递函数,验证了该方法准确可行和工程应用简便的特点.     

采用PARAFAC的欠定盲分离中机械振源数估计方法

针对复杂机械系统振源数未知的欠定盲源分离(UBSS)问题,为提高欠定盲源分离的性能,提出一种基于平行因子分析(PARAFAC)和核一致诊断(CORCONDIA)的欠定盲源数估计算法.该算法利用二阶非平稳源分离的基本思想,将中心化传感器数据分成不重叠的数据块,计算各数据块的单一时延协方差矩阵并叠加成三阶张量,即平行因子模型.利用核一致诊断算法估计PARAFAC模型的最佳组分数,从而得到机械系统的振源数.仿真实验结果表明:该算法可从非平稳欠定混合信号中准确估计振源数目.将所提算法应用于多机振动源实验,结果进一步验证了该方法的有效性.     

波束形成改进算法在风洞内声源识别中的应用

基于凸优化方法求解波束形成输出、声源分布与阵列点传播函数组成的方程组,改进了声源识别解卷积(DAMAS)算法。基于点声源假设,通过单声源仿真验证了改进算法动态范围的优越性;通过多声源仿真,对比改进算法与DAMAS算法空间分辨率的表现,发现改进算法可以更加准确地定位声源位置且声源强度误差更小。风洞试验结果表明,改进算法比DAMAS算法有着更好的空间分辨率和动态范围。     

基于差分进化算法的圆形口径网格分布面阵的波束优化技术

提出一种圆形口径矩形网格平面阵列和圆形口径三角网格平面阵列的波束优化方法.该方法基于差分进化算法优化阵列的幅度加权,以得到满足指标的阵列远场方向图.将阵列的幅度加权矩阵视为水平向和垂直向2个幅度加权矢量的乘积,相应地将优化矢量的长度由M×N数量级降低为M+N数量级;限定幅度加权在水平向和垂直向基于中心对称,大幅降低了优化迭代次数;采用插值算法,基于优化矢量得到适用于圆形口径阵列的幅度加权矩阵.数值仿真实验结果表明,该方法能快速高效地综合出指标满足要求的阵列方向图,副瓣电平可以达到-35 d B,零陷电平可以达到-60 d B.     

一种新的四元阵列融合声源识别方法

针对声源识别中观测模型线性化误差,信号特征参数提取依赖于经验分析阈值判断而造成信息丢失的问题,本文从信号观测模型、预处理、特征提取与分类识别、半实物仿真试验等方面,提出了一种新的四元阵列融合声源识别方法。首先在系统坐标系下建立了四元阵列有色噪声环境下的观测模型;其次基于EMD理论,给出了四元阵列EMD融合算法,有效抑制了高频信号的干扰;再次基于MFCC-DTW方法,设计了阵列信号特征提取与分类识别算法;最后通过半实物仿真试验,并与相关研究基础对比,分别验证了本文提出的EMD融合算法及阵列信号特征提取与分类识别算法的有效性。     

家用果汁机声振分析

采用分部运转法、动平衡实验、功率谱分析和相干分析四种方法,比较准确的识别了家用果汁机的振源和噪声源,搞清了声振关系,为对家用果汁机减振降噪研究提供了可靠的依据     

基于小波重构与时空二维特征的光纤振动识别

针对光纤预警系统提出基于小波重构降噪和时空二维域特征的光纤振动识别.分析光纤振源信号的特征,使用小波重构降噪处理算法对时域信号进行特征提取,并以灰度图展示其明显的特征,进而提出灰度图腐蚀识别算法.通过时空二维域特征分析处理识别方法,能够较好地分类识别入侵振源信号.     

彩色可视传感阵列基元匹配快速定量算法

在彩色可视传感阵列传统处理方法中,存在着数据量大,人工分析困难、种类浓度识别难以同一次实现等问题,针对这些问题,考虑到同类气体饱和响应阵列点位置一致性的特点,提出一种彩色可视阵列基元匹配快速定量识别算法。该算法首先采用设置经验阈值消除冗余量,进行去噪和特征提取,减少人工分析量;然后进行基于二值化基元图模板匹配的定量分析种类识别,减少计算量,增加气体识别效率和精度;最后,综合模糊逻辑和神经网络2种人工智能方法的优点,建立彩色传感阵列气体浓度识别的自适应模糊推理系统。算法优势在于将不同气体的种类和浓度检测分开进行,解决了种类、浓度同时识别时可能出现特征数据交叉感染导致错误识别的问题。基元模板匹配分析结果显示,氨气、氯气和二氧化硫3种气体分类识别结果准确率达100%,利用模糊神经网络方法对氨气浓度识别率准确度较高,误差在5%以内。     

扬声器在波动实验中的几点妙用

针对中学物理波动实验中传统的振源难以满足实验要求,声波干涉实验现象不明显的情况,本文提出用扬声器配合信号发生器等电子设备在波动实验中巧妙应用,使机械波动实验更简便,效果更明显。     

C6240F车床振源分析

本文以测振仪测出Ｃ６２４０Ｆ车床受迫振动振幅大小，再经过频率分析仪进行频率分析，得出频谱曲线，曲线上各峰值对应的频率有些是振源的频率，以此找出振源．试验中，通过改变主传动链传动环节的不同组合情况分析各振源的影响，得出对机床影响最大的受迫振源，以便改进结构设计和装配质量．     

基于双测量面阵列的波束成形方法研究

文章将双测量面阵列引入到波束成形(Beamforming)方法中,建立一种基于双测量面阵列的Beam-forming方法;该方法首先采用2个测量面获取声压,通过平面波近似和声压叠加原理,推导出一种简单有效的去除干扰声源影响的方法;随后以去除干扰后的声压代替测量声压作为输入,采用多重信号分类算法进行Beamforming重建,实现对目标声源的识别.数值仿真和实验研究表明,该方法可以有效地去除干扰声源的影响,准确地定位出目标声源位置.     

基于反向传播神经网络的遗传算法在酒类气体识别中的应用

把基于反向传播神经网络的遗传算法用于酒类气体识别实验中的传感器阵列的筛选,通过评价传感器组合对反向传播神经网络识别酒类气体结果的影响,建立一种挑选传感器阵列的方法,该算法选出的变量与用统计方法得到的结果一致     

基于四阶累积量的非相干分布式信源测向算法

针对非相干分布式信源的不相关散射分量会造成信号空间的扩展从而使阵列最大可估计信源数下降的问题,利用四阶累积量的阵列扩展特性,本文提出了一种基于四阶累积量的非相干分布式信源测向算法。该算法首先利用泰勒级数展开对接收信号的四阶累积量矩阵进行化简;之后根据化简后的矩阵重新划分噪声空间,并利用其和新的阵列流形构造谱峰搜索函数;最后给出算法的自由度及复杂度分析。仿真结果表明,该算法可以有效地提升阵列的最大可识别信源数,同时在低阵元数低信噪比情况下估计误差较小。     

基于FFT技术微波集成电路及阵列天线快速电磁仿真

该文开展了混合位积分方程(MPIE)的空域矩量法(MoM)对单片微波集成电路(MMIC)及阵列天线的全波分析,并采用了共轭梯度快速傅里叶变换(CGFFT)算法减少矩量法的内存需求与计算复杂度.并针对此方法必须采用等间距离散的限制,采用了基于快速傅里叶变换(FFT)技术的修正算法,包括稀疏矩阵规则网格方法(SMCG)、自适应积分方法(AIM)和预校准快速傅里叶变换方法(Precorrected-FFT).此类方法既保留了三角基函数精确建模的能力又具备CGFFT算法高效计算的优点,实现了对复杂结构、电大尺寸的微波集成电路及阵列天线的快速电磁仿真.     

基于Multi-Agent信号峰频逆源技术研究

在储罐中为了识别到达传感器波的主要模式,开展了将Multi-Agent理论与声发射检测技术结合,并基于岩石中声波传播频散和衰减经验,推演出适用于储罐底板的声源峰频计算公式。通过多传感器线性阵列和圆形阵列声发射实验测试,频率推演能获得准确的源峰值频率值。通过反推声源峰值频率可以推断声源的特性,从而提高评价结果的准确性。与声源峰值频率真值相比,多阵列计算获得结果的误差要低于单阵列逆源结果,反映了Multi-Agent技术用于声源逆源的优势。线性阵列与圆形阵列实验计算得出的声源峰值频率误差均在5%以内,说明该算法准确性很高,可以用于反推声源的峰值频率,对于储罐声发射检测与评价具有一定的应用价值。     

关于振荡电路起振源的讨论

通过将振荡电路的振荡输出划分为固定频率和可变频率两种情形，对电路振荡的起振源作了分析，指出了某些教科书关于电路起振源不全面的叙述，并作了适当的修正     

服装试衣系统中三维模特姿态服饰识别算法

提出了基于三维视图的模特姿态服饰识别算法技术。首先基于一元高次多项式最小函数二乘拟合方法，由单视图通过变形生成三维视图的模特姿态服饰图像，然后基于该单视图和生成的三维视图进行模特姿态服饰图像识别。最后根据整个训练数据样本库，通过基于三维视图和融合决策的识别算法进行服饰识别，实验结果表明本算法比仅仅基于单视图作为训练样本库的模特姿态服饰识别算法的正确率有了很大提高。     

一种基于压缩感知的高精度目标跟踪算法

为解决传统单目标跟踪方法精度低、稳定性差的问题,通过压缩感知的方法研究了扩展卡尔曼滤波,提出了一种基于压缩感知的扩展卡尔曼滤波算法。该算法基于压缩感知理论、采用阵列进行视场范围内的位置跟踪,即多传感器单目标跟踪。结果表明：在信噪比较低时该方法对目标跟踪的精度较高,并且对角度的估计使用的快拍数更少,降低了计算复杂度;并且所提算法在精确度和稳定性方面对目标的跟踪效果都要比传统算法好。