宁德核电站1号机组堆芯吊篮梁型振动特性研究

核电站反应堆堆芯吊篮的振动在一定范围内是允许的;但其异常振动可能会导致故障甚至事故的发生。掌握核电站堆芯吊篮振动特性能够对核电站的安全运行提供保障。运用中子噪声分析技术,对宁德核电站1号机组多个燃料循环周期内的堆外中子噪声信号的自功率谱、互功率谱和相干、相位进行了分析,得到了吊篮梁型振动频率和中子噪声信号峰功率均方根值变化趋势。对核电站堆芯吊篮梁型振动特性的研究成果,为堆芯吊篮早期故障诊断奠定了基础。     

基于I-ELM的飞机复合材料结构损伤识别研究

针对飞机复合材料结构损伤难以有效识别问题,本文提出一种基于增量型极限学习机(Incremental Extreme Learning Machine,I-ELM)的飞机复合材料结构损伤识别新方法。首先对某型机用复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用互补总体平均经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)方法对募集的应变信息进行自适应分解,得到多个本征模态分量(Intrinsic Mode Function,IMF),计算各阶IMF分量的样本熵,通过核熵成分分析(Kernel Entropy Component Analysis,KECA)方法对样本熵进行特征融合,构建融合特征向量,采用融合特征向量建立基于I-ELM损伤识别模型,通过实验对损伤识别模型的有效性进行了验证,并与所构建的BP的损伤识别模型的识别结果进行了比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的应用前景。     

辅助室内定位的关键人体姿态识别

基于步行者航位推算的室内定位方法中位移的计算一定程度上依赖于人体姿态的正确识别。原地踏步和走路是其中主要的关键姿态,两者的加速度信号相似,传统方法很难进行高精度的区分,导致航位推算的步长计算错误。基于惯性传感器进行室内场景中八种人体姿态识别研究,根据运动强度的不同采用分层分类法。首先将原地踏步和走路归为一类,通过时域特征结合支持向量机(SVM)进行姿态分类;然后利用加速度的时域和小波特征以及磁场特征,结合Ada Boost方法进行二分类。关键姿态的识别准确率超过96%,对包含复杂运动姿态的步行者室内定位起到更佳的辅助作用。     

分解尾气路面材料制备及紫外光辐照度对其催化性能影响的研究

针对尾气分解型路面存在的问题,研发了适用于光催化分解汽车尾气性能的测试系统,提出了光催化分解汽车尾气性能的评价指标及其计算公式。利用SBS改性剂、基质沥青、乳化剂、稳定剂、纳米二氧化钛、六偏磷酸钠、盐酸等制备出了具有光催化分解汽车尾气性能的乳化沥青;并分析了紫外线辐照度对光催化分解汽车尾气性能的影响。研究结果表明:有效分解效率等能够有效的评价路面光催化性能,尾气分解型路面对CO、NO、HC的分解性能受紫外光辐照度影响显著,随着紫外线辐照度的增大而增大。     

计及柔性安全裕度的多电飞机负载转供策略

采用多电飞机电气系统的节点电压柔性表示可变的运行点安全裕度,提出考虑飞机运行工况和变频启动发电机故障位置的离线最优负载转供策略。首先,基于同一工况下负载相关关系构建多维联合分布函数,结合蒙特卡洛法生成表征负载不确定波动的大量场景,并利用Ward系统聚类进行场景削减。然后,以增大系统电压柔性和降低网络损耗为目标,建立了负载转供柔性优化模型。同时,为提高计算收敛性和速度,对NSGA-Ⅱ算法进行改进,最终结合TOPSIS分析得到Pareto最优折中解。应用实际Boeing 787电气系统进行分析,结果表明,改进NSGA-Ⅱ算法具有更快的收敛速度和更佳的优化结果,且本模型得出的转供策略对比传统方式在提升运行安全性与经济性方面有一定效果。     

基于稀疏自适应S变换的储层流体流度计算

反射地震数据中的低频信息包含了丰富的与流体流度相关的信息,据此可以从中提取相关储层的流体流度属性,从而可以利用地震数据的低频信息识别流体。因此,为了提高分辨率以及工作效率,将稀疏自适应S变换引入储层流体流度的计算,该方法开发了基于稀疏性的窗参数优化,以用于自适应地调控对不同频率分量的窗函数,应用该方法计算时频谱信息并求取流度可得到较高的分辨率和能量聚集性,此外也省去了参数调节的步骤。相较于常规的时频分析方法,该方法在具有较高分辨率的同时,克服了测不准原理对信号可分辨的限制。因其对不同的频率分量都自适应地获取最优窗参数,通过仿真信号,合成楔形记录试算,稀疏自适应S变换有更高的分辨率和能量聚集性。实际地震数据的试验表明,稀疏自适应S变换可有效地求取流体流度,并较常规时频方法所求流度有更高的分辨率。     

基于涡流传感器的非接触式金属板厚度测量系统

利用涡流无损检测方法对金属板材进行厚度测量时,由于电涡流传感器探头线圈的阻抗表达式过于复杂,金属板材的电导率、磁导率和厚度等因素对探头阻抗的影响难以通过探头线圈的阻抗变化进行观察。针对这一问题,介绍了一种基于涡流传感器的非接触式金属板厚测量系统。该系统利用PSD技术实现涡流阻抗信号的正交分解,采用STM32单片机对数据进行处理,最后进行人机操作、液晶显示和数据存储。整个系统具有较高的检测精度和灵敏度,能够在强噪声背景的干扰下实现阻抗信号的二维信息检测。     

基于协方差矩阵重构和导向矢量优化的波束形成算法

针对传统波束形成算法在导向矢量失配和协方差矩阵误差情况下输出信干噪比下降严重的问题,提出了一种基于协方差矩阵重构和导向矢量优化的稳健自适应波束形成算法。该算法通过估计信号和干扰的功率及方向,重构干扰加噪声协方差矩阵,同时结合投影和空域积分思想,对假定的导向矢量进行优化计算,使其接近真实的导向矢量。进而通过相关运算求得复数加权值实现波束形成。所提算法可以有效抑制干扰,提高输出信干噪比。在多种失配存在的情况下,所提算法也具有较好的性能。研究共进行了6个仿真实验,所提算法性能均优于所对比算法。所提算法在快拍数固定且存在导向矢量失配的情况下,相比于最差情况性能最优算法有约5 dB的输出信干噪比提升。在信噪比固定且存在导向矢量失配的情况下,相比于对比算法均有4 dB以上的性能提升。实验结果验证了所提算法的有效性。     

基于卷积神经网络的海面目标全极化高分辨距离像识别技术

针对雷达目标全极化高分辨距离像(high resolution range profile, HRRP)提取可分性特征时, 利用全部距离单元作为度量尺度无法保留各距离单元具体特征的问题, 在综合利用4个极化通道的舰船目标HRRP信息时选择单个距离单元作为度量尺度。在此基础上, 提出基于Pauli分解, H、α、A、α₁分解和结构相似性参数的特征提取方法对目标极化散射矩阵进行特征提取, 并将提取得到的特征与基于卷积神经网络(convolutional neural network, CNN)的舰船目标HRRP识别方法结合, 利用改进残差结构CNN从极化特征中进一步提取深层可分性特征进行目标识别。实验结果表明, 所提方法能够保留目标全极化HRRP更多特征, 提高目标识别的准确率。     

基于多分辨率动态模态分解的电磁信号时频-能量分析

针对电磁信号时-频-空间-能量分析不兼容的问题, 提出一种基于分解时空域电磁辐射信号的数据驱动方法来分析复杂电磁环境。首先, 使用多分辨率动态模态分解方法将复杂电磁信号以不同的分辨率分离为不同时空尺度的模态分量。然后,利用时频分布对各模态瞬时频率和能量特征进行采集。这种动态的分解分析方式能快速侦测电路和电子系统的多方面电磁环境状态, 具有不需要先验数据训练, 不受时频分辨率限制, 可以实时分析和降低数据维数等优点,且提取的动态模式及其频谱分别在空间域和时域具有明确的物理意义。仿真实验显示, 重组信号和原信号的平均误差在-18 dB以下, 证明了所提方法的可行性和优势。