基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。     

一种应用于高含硫气井的智能取垢器系统设计

油气井生产过程中，受地质环境、生产阶段、矿物成分等多种因素综合影响，井筒上易产生垢物堵塞，影响正常生产；而解堵和工艺措施的有效性由能否精准取样井下垢物直接决定。针对高含硫气井井下垢物样本取样需要，设计研制了一套智能井下取垢系统，介绍了智能井下取垢器的体系结构及工作原理；详细论述了电路板减震结构、取垢弹爪、容垢篮装置以及扶正装置等取垢器关键机械结构及部件；阐述了基于DSP的电气定时控制系统的体系结构及控制原理，重点说明了系统PID控制算法关键参数计算过程。室内性能实验以及试验井功能试验结果表明，研制工具的耐温、承压性能以及取垢和容垢装置自动化伸缩同步联动控制功能可靠，入井和出井过程顺利，能为高含硫气井井下垢物精准化取样提供设备支撑。同时，提出的设计方法和思路对其他智能化井下工具的研发具有一定的参考意义。     

基于功率谱熵特征提取的脑电波大脑年龄预测

 大脑会随着年龄的增加而出现功能衰退，通过决策实验获取年轻人和中老年人的脑电信号，可以定量分析大脑随年龄增长而出现的变化。提出了一种基于熵的脑电波刻画方法，并利用机器学习的方法能够比较准确地预测人的大脑年龄。研究表明，脑电波功率谱熵（PSE）具有良好的时域分辨能力和更准确的区分效果，年轻人在做决策时的脑电波功率谱熵的分布是大于中老年人的，即年轻人所产生的脑电波信息量更大。此外，支持向量机（SVM）的分类效果优于随机森林（RF）方法，最高平均精度达88.02%，比随机森林高出2.66%。通过基尼指数对特征重要性排序，还发现决策过程中左眼电区域、大脑的颞和中央区域的决策反应差异很大，分类器更容易在这些特征区域做出更好的分类。     

大入射余角CFAR检测器

雷达在大入射余角高分辨率海杂波背景下检测时,等效后向散射面积增大,大部分海杂波能量投射到少数距离单元,能量分布不均,出现功率突然增大的杂波“异常单元”,导致检测器参考窗口所处的背景环境复杂多变,传统检测器检测概率降低,虚警率及误检率增加。为解决此问题,通过参考滑窗单元的协方差矩阵构造正定矩阵,求解其矩阵范数用以估计杂波功率水平,并采用支持向量机改进传统恒虚警率(constant false alarm rate,CFAR)检测器,得到基于正定矩阵杂波功率估计训练支持向量机的改进CFAR检测器。实验结果表明,新检测器在均匀杂波、多目标环境下检测性能稳定,在杂波边缘的虚警控制能力良好。     

数控机床故障分析与可靠性评价技术的研究

针对传统数控机床可靠性建模时只考虑故障间隔时间而忽略故障性质的现象，提出兼顾机械故障和电气故障的混合威布尔分布模型，进而提高模型准确度.利用最大似然法来确定混合威布尔分布模型参数，用皮尔逊相关系数来确定数控机床各故障时间之间的关系.并通过K-S方法对模型进行检验， 最后确定其符合混合威布尔分布，并运用可靠性评定方法得出数控机床的平均无故障时间.     

液中放电沉积技术研究进展

液中放电沉积是一种新型的表面改性技术，起源于电火花加工技术，可在金属表面制备出具有高硬度、高耐磨性以及高结合力等优良性能的沉积层。此外，该技术不污染环境，有望替代部分常用但具有污染性的表面改性技术。液中放电沉积技术的核心内容为沉积层形成机制、工具电极材料以及介电流体成分。简单介绍了液中放电沉积技术的特点，重点阐述了沉积层的形成机制以及缺陷优化工艺，并从工具电极材料、介电流体成分和实际生产应用三个方面总结了液中放电沉积技术的国内外研究进展，展望了该技术的发展方向。     

在组织中实践基于模型的系统工程

 基于模型的系统工程（MBSE）要解决复杂系统工程的问题，需要通过信息、计算和软件来架设传统系统与各领域工程（嵌入式、安全、结构等）之间的桥梁。综合产品团队使MBSE的有效方式可以有效降低实践风险，同时MBSE工具链和集成开发环境的成熟度也是制约实践效果的重要影响因素。全面数字化趋势引领的第4次工业革命中，MBSE向数据主线/数字工程等演进的趋势日趋显著。面向未来，必须认识到MBSE和产品数据管理/产品生命周期管理集成，以及在数字工程和数字主线大背景下理解和再造MBSE的必要性。     

基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

基于Unity 3D的多机协同化纤长丝生产线工艺仿真

将化纤长丝生产线按功能特点分成生产、检测、包装和仓储4个子系统,基于Unity 3D分别在4台电脑上进行协同仿真和显示。生产子系统使用数据化驱动可以仿真任意生产规模的场景,检测子系统与智能检测模块联合可以仿真基于视觉处理的真实生产线产品质量检测,包装子系统可以对质量合格的丝饼按规格打包,仓储子系统根据订单需求对已打包的丝饼进行存储并完成进出库操作。对各子系统需要通信的数据制定了协议,使用基于TCP/IP(transmission control protocol/internet protocol)的Socket通信完成多台电脑协同仿真。试验表明,多机协同仿真可以更高效地设计和优化化纤长丝生产线。