瞬时频率计算方法的比较研究和改进

希尔伯特-黄变换是目前最广泛使用的提取信号瞬时频率时频分析方法,但在求取瞬时频率过程存在端点效应问题.针对这个问题,本文从解析信号的瞬时频率定义着手,介绍了Bedrosian等式和Nuttall定理的限制条件,分析了希尔伯特变换端点效应的产生原因,研究了基于经验调幅调频分解求取瞬时频率的方法及原理.在此基础上比较了希尔伯特变换、Teager能量算子和直接正交法在求取瞬时频率的优缺点.通过实例验证可以得出以下结论:(1)希尔伯特变换解调信号端点效应明显;(2)Teager能量算子法易受信号形式和噪声影响,误差较大;(3)直接正交法易受信号极值点影响,在极值点处会产生瞬时频率突变.针对直接正交法存在的问题,提出了一种改进算法,仿真结果表明:改进算法的效果较为理想,误差较小,能够解决直接正交法求取瞬时频率在极值点处发生突变的问题.     

基于免疫遗传和顺序支持向量分类机的DTG健康状态评估

针对无监督情况下动调陀螺仪健康状态评估问题,提出一种两阶段健康状态评估模型. 首先,在利用HHT数据预处理的基础上,为克服FCM算法初值敏感及遗传算法过早收敛等问题,提出一种加权免疫遗传模糊C均值聚类模型;其次,针对聚类结果数据的顺序性,建立基于顺序支持向量分类机的健康状态评估模型. 实例结果表明提出的聚类模型具有较高的收敛精度和收敛速度,评估模型具有较高的准确率和效率.      

基于元学习的航空电子设备特征选择算法推荐方法

为了对航空电子设备的测试数据进行有效约简, 去除冗余信息和不相关特征, 基于机器学习领域现有的特征选择算法, 提出了一种元学习框架下的航空电子设备特征选择算法推荐方法。所提方法旨在根据不同航空电子设备测试数据所蕴含的信息, 推荐合适的特征选择算法。首先, 分析了数据集特征的描述方法。然后, 介绍了采用综合度量指数的算法性能评价方法。最后, 给出了特征选择算法推荐方法的框架。使用42个航空电子设备的测试数据和13个过滤型特征选择算法建立了元数据库, 采用留一法进行交叉验证, 推荐命中率达到了90%以上, 推荐性能比例达到97%以上。     

基于证据特征的区间证据合成方法研究

基于区间值的证据合成理论可以有效地描述和处理不确定性问题,针对目前区间证据合成方法存在融合失效的问题,分析了其产生的原因并提出新的区间证据组合方法。对证据源本身的特征进行提取,依此对证据进行修改,并提出两种优化方法用于区间信度结构下的证据合成。数值实验结果表明,提出的方法收敛性、鲁棒性较好,在面对冲突区间证据融合时得到了合理的结果。     

基于样本重采样的电路非平衡数据预处理方法

针对机载设备电子电路故障状态测试数据少、整体测试数据不均衡的问题,提出了一种基于样本重采样的数据预处理方法。首先，采用超限学习机对原始数据集进行训练以挑选出分类准确的样本。然后，对其中的少数类和多数类分别采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)进行过采样和局部密度欠采样处理;并将错误分类的多数类样本作为干扰因素进行删除。通过以上两种手段可以均衡数据集,并控制数据规模防止过拟合,提高对故障样本的检测率。实测数据处理结果表明,相比于其他重采样算法,所提算法整体效果优良且稳定,对电子电路故障诊断具有一定的应用价值。     

基于动态软聚类的航空电子部件LMKELM诊断模型

为提高小样本条件下航空电子设备模块级故障诊断精度, 基于动态软聚类的自适应特点与局部多核学习(local multiple kernel learning, LMKL)的局部特征表达能力, 提出一种新的局部多核超限学习机(local multiple kernel extreme learning machine, LMKELM)诊断模型。通过引入局部密度的概念进行自适应确定聚类数目, 并结合模糊C均值聚类对样本进行划分, 在充分体现类内多样性的同时, 约减了计算复杂度, 实现对样本的动态软聚类。通过构造选通函数解决局部权重二次非凸问题, 融合近似得到的局部权重与隶属度信息, 实现对测试样本的故障诊断。将该模型应用于某型机旋转变压器激励发生电路, 实验结果表明, 相比于4种前沿的多核学习方法, 该算法在漏警率、虚警率方面表现优异, 选用的M₁与M₂选通函数分别将诊断精度平均值提升2.78%和4.37%。     

基于险度函数的无人机备件库存量风险损失度量

针对无人机备件库存量风险可能产生的潜在损失,在分析比较各种风险度量方法的基础上,利用险度函数构建了一种新的用于定量分析无人机备件库存量风险损失的函数模型,确立了模型满足险度函数的条件(线性风险度量公理系统),探讨了行为人在定常风险偏好特性和可变风险偏好特性时任意一型备件潜在损失的计算方法。最后,对3个仓库的无人机某型备件库存量风险进行了仿真实验。算例验证了函数模型合理有效,为各种仓储方案风险评估提供了量化参考。     

部分可观测信息条件下系统最佳检修策略分析

针对部分可观测信息条件下的退化系统,提出利用部分可观测马尔可夫决策过程模型解决系统视情维修问题。采用隐马尔可夫模型对系统进行状态评估,得到系统的转移概率和观测概率矩阵;利用比例故障率模型对系统进行可靠性分析,得到系统的故障率和可靠度函数,不仅考虑系统的工作时间,也考虑系统的退化状态。最后,以系统长期运行的最小平均费用率为目标,得到最佳的检测周期和最优的更换策略。实例研究表明,该方法可为保障人员提供科学的维修决策依据。     

可拓理论与SOM网络相结合的多故障诊断方法

 针对采用SOM 网络进行多故障诊断时,要求多故障模式相似且不包含标准故障输出的限制,提出将SOM 网络与可拓理论相结合的多故障诊断方法.首先采用SOM 网络对训练样本进行聚类,得到故障模式及其聚类中心.然后针对每种故障模式的每个特征构造在聚类中心处取得最大值的关联函数,并以各特征的关联函数值为基础,设计多故障评价指标实现多故障诊断.最后采用汽轮发电机组振动信号的频谱数据对算法进行验证,结果表明该方法能够正确识别待诊断样本的单故障和多故障模式,具有可行性.     

基于遗传算法的故障样本优化选取方法

为降低测试性验证试验费用,提出基于遗传算法的故障样本优化选取方法。方法通过故障-测试关联分析和故障-故障等价分析,确定初始故障样本集中各元素对应的等价集,并对初始故障样本集进行扩展,在此基础上,建立了故障样本选取优化求解模型。在不降低样本注入数量和测试特性的条件下,以试验费用最小为优化目标,给出了基于改进遗传算法的样本优化选取方法。算例应用结果表明,该方法设计的故障样本选取方法能有效降低测试性验证试验费用。