基于DSP的JPM-1型质子磁力仪研制

为提高传统质子磁力仪综合性能, 同时为研制Overhauser磁力仪提供参考依据, 设计了基于数字信号处理器（DSP: Digital Signal Processor）TMS320F2812研制的JPM-1型质子磁力仪。该磁力仪以DSP为核心实现质子旋进信号的采集和处理, 采用基于DSP的软件过零数频算法计算旋进信号频率。分析了探头初始信号强度, 并通过建立仪器噪声模型分析了仪器噪声。野外测试结果表明, 该磁力仪探头信号初始幅度约为0.4 μV, 初始信噪比为32 ∶1, 灵敏度为0.27 nT。     

在线传感器突变信号的检测与区分

为了准确区分传感器突变信号产生的原因,提出了基于数学模型的小波频带分析法. 针对工业流程中的测控系统,分析了输出突变信号的频率组成与突变原因的关系. 用小波频带分析技术,将高低频信号分离,并进行能量统计,根据高低频信号能量比例的变化,判断出突变信号产生的原因. 经典型控制系统的计算机仿真和恒压供水系统实验结果表明,该方法能够有效地诊断出传感器是否发生故障.     

基于四阶累积量的近场源三维参数联合估计

针对近场窄带信源仰角、方向角和距离三维参数的估计问题,提出了一种新的近场源三维参数的联合估计方法。该方法利用特征值及相应特征向量和四阶累积量估计信号参数,不需要进行谱峰搜索,只需一维参数匹配,计算量适中,并且适用于加性高斯噪声环境。仿真实验证明,当信噪比为0时,该方法仍能够正确估计信源的参数。     

应用AD7741实现多路电化学生物传感器信号的隔离A/D采样设计

应用AD7741设计了一款电化学生物传感器的前置电路,给出了多路前置用AD7741进行信号隔离的A/D采样方案,提供了对多路信号进行分时隔离A/D采样的程序控制流程和对A/D采样数据的校正处理方法。     

振动技术在金属材料铸造成形中的应用与发展

介绍了振动技术在铝、铜、铁等金属材料铸造成形中的应用研究现状,就振动类型和振动对铸造成形的机理作了阐述,分析了施加振动对金属铸造成形时金属内部组织改善、强度性能提高的原因,指出现有振动技术中存在的不足,介绍了多维振动铸造机的设计思路和研制进展情况。振动铸造实践证实,在金属材料的铸造成形工艺中施加多维振动能明显改善铸件的性能,提高铸造效率,多维振动铸造机的研制为今后多维振动技术的研究和应用提供参考。     

一类转移概率部分未知的Markov跳跃系统的输入输出量化反馈控制

对一类离散时间马尔可夫跳跃系统(Markov jump systems,MJSs)的稳定性问题进行研究,考虑MJSs转移概率矩阵中的元素部分未知,且系统的控制输入通道和测量输出通道都存在信号量化的情况,其中控制器输入通道和系统输入通道的信号分别被两个不同的对数量化器量化。利用切换李雅普诺夫函数的方法,通过构造系统模态依赖且双通道量化误差依赖的李雅普诺夫函数,完成对闭环系统的稳定性分析和控制器设计。得到一组模态依赖的控制器,能够在系统的转移概率部分未知和存在双通道量化误差的条件下,保证闭环MJSs的随机稳定性。最后通过仿真实验验证了理论的有效性。     

油缸液压特性对喷浆台车机械臂结构的影响

首先利用压力传感器测试在实际施工过程中的臂架系统的液压特性曲线,以此作为机械臂有限元仿真分析的激励。同时利用应变花进行应力测试,用以验证仿真结果的准确性。改变油压特性曲线的峰值,仿真得到不同的结果。分析仿真结果,冲击状态下应力及振动比静止状态下大很多;减小液压特性曲线的峰值,相应的应力及振动减小。可以得出结论:在施工过程中,液压特性是影响机械臂受力和振动的重要因素。     

基于LQG控制的整车8-DOF系统振动分析

建立了整车8-DOF系统动力学模型,考虑了主动悬架控制,并增设了主动座椅控制,设计了车辆主动悬架系统的LQG控制器。基于Matlab仿真平台建立了整车8-DOF系统动力学仿真模型,对所得最优控制策略下的动态响应进行了仿真验证。仿真结果表明:为了改善人椅系统质心及车身质心的跳振性能需要在一定程度上弱化各轮轮胎动位移性能。从控制效能上来看,该最优控制器能够满足各行驶状态下对悬架性能的要求,改善了车辆的行驶平顺性。     

FGM圆板考虑面内振动的动态响应

为研究考虑面内振动时FGM圆板的动态响应,首先基于经典板理论,同时考虑横向振动和面内振动,并利用Hamilton原理推导出轴对称情况下功能梯度材料圆薄板线性自由振动的控制方程。采用打靶法对无量纲控制方程进行数值求解,并将方程退化为一般均质板,求解其固有频率,得到了与相关文献非常接近的结果。对具体问题的数值结果进行对比分析,结果表明,面内振动会影响FGM圆板振动频率大小,忽略面内振动的影响会过高估计FGM板的频率。     

基于循环谱截面智能分析的混合信号调制识别方法

针对已有混合信号识别方法存在智能化程度低、适应性差等问题，提出了一种基于循环谱截面和深度学习相结合的智能识别方法。理论推导分析了常见混合通信信号的循环谱零谱频率截面特征；利用提出的非线性分段映射和指向性伪聚类新方法对上述截面图进行预处理特征增强，提高了截面特征的适应性和一致性；并将预处理后的特征图与经典残差网络相结合，利用深度学习网络对特征图中调制信息的深层次细节挖掘分析能力，实现了混合信号的有效识别。仿真结果表明，该方法对噪声不敏感，当信噪比不低于-2 dB时，平均识别率大于90%；且该方法对信号参数及信号间能量比变化有较好的适应能力。