飞行员异常事件处理能力的脑电评估方法

为客观准确评估飞行员在飞行过程中对发生的异常事件的处理能力,在A320NEO/CEO全任务飞行模拟器中设定异常事件,并利用脑电设备进行实验信号采集。脑电信号（Electroencephalography,EEG）经独立成分分析（Independent Component Analysis,ICA ）等预处理后,通过近似熵法与小波包分析法提取相应特征以构建特征集,再选择适用于脑电领域的机器学习算法构建模型,并引入F1值、ROC-AUC曲线等模型评价指标对构建的模型进行评价。分析结果显示随机森林算法所构建的模型的分类效果最好,其准确度为88.5%,F1值为84.2%,AUC值为0.95。研究表明该模型预测精度良好,可用于辅助飞行员训练与评估。     

基于深度学习的柴油机气门健康状态评估

柴油发动机在运行过程中,其气门间隙会随其性能状态退化发生改变,为了解决传统的健康状态评估方法健康指标确定困难、权重人为经验依赖性大的问题,提出一种基于深度学习的柴油机气门健康状态评估方法.首先通过小波包分解算法对柴油机缸盖振动信号进行分解,对分解得到的节点信号分别提取常见的14个时域特征和小波包分解信号能量比向量,构建...     

叶绿素含量BP反演模型的光谱信息输入因子构建研究

植被叶绿素含量的高光谱反演是当今研究的热点,传统后向传播(BP)神经网络是其常用的一种反演模型。高光谱数据虽然具有精细光谱分辨率,但也造成了大量的信息冗余与噪声;而小波包变换(WPT)可以有效地抑制高光谱数据噪声和压缩信号,同时主成分分析(PCA)能够很好地降低模型输入因子的维数并可简化网络结构。以盆栽玉米为研究对象,在玉米叶片光谱数据对数变换并一阶微分处理的基础上,针对叶绿素含量的BP反演模型,提出了基于相关系数(CC)、WPT和WPTPCA的输入因子构建方法,并形成了叶绿素含量的CC-BP、PCA-BP及WPT-PCA-BP三种反演模型。通过比较玉米叶片叶绿素含量的实测值与三种BP模型反演结果,表明基于WPT-PCA构建BP模型的输入因子数量虽仅有6个却并不影响其反演精度,也能包含原始光谱的92%信息,且优于基于PCA和传统CC所构建输入因子的BP模型反演能力。     

避免假重传使TCP更健壮的RR-CETEN算法

许多研究表明,在高并行度和不同链接速率的无线网和卫星网中都存在包的重排序．由于重排序将导致对网络拥塞过高的估计,它大大降低了网络的TCP性能．CETEN（Cumulative Explicit Transport Error Notification）虽然解决了出错丢包对网络拥塞估计偏差的问题,但由于没有考虑无线网络下包的重排序情况,同时也使LEAST（Loss Estimations AlgorithmS for TCP）算法的丢包估计值不准确,导致出错丢包率产生偏差．为此,通过在接收方增加显式的假重传通告方案,使发送方不仅能区分丢失（出错和拥塞）的包,还能处理重排序包,提高了LEAST算法的精确度,使TCP更加健壮．试验仿真结果表明这种方法的有效性．     

基于提升小波包最优基变换的缸盖振动信号降噪研究

给出了一种基于提升小波包最优基变换的发动机缸盖振动信号降噪方法,给出了提升小波包变换公武,介绍基于最佳基分解的闭值降噪方法,并介绍了阚值的具体选择方法.将信号通过提升小波快速分解,对小波包系数进行阈值量化,用阈值量化后的系数对原信号重构,达到降噪的日的.通过计算仿真和实验,验证了方法的有效性.     

轴流式压气机机匣壁面静压脉动特征研究

运用小波包分析和概率密度函数分析的方法,对某型发动机节流过程中,压气机第一级静子机匣壁面静压信号的脉动特征及概率密度函数特性进行了研究。研究发现,随着发动机工作点沿共同工作线趋近喘振边界,压气机第一级静子机匣壁面静压信号中几个特定频带内信号分量的脉动幅度增强、概率密度函数分布展宽,可以作为试验发动机节流过程中气动失稳的信号特征。     

提升小波包变换及在振动故障诊断中的应用

对内燃机进行快速准确故障诊断,可以提高内燃机维修的时效性,减少停机时间。提出一种基于提升小波包变换的故障诊断方法。给出了内燃机故障诊断模型,对内燃机进行等角度采样,在线获取振动信号,实现信号获取与工作转速同步。给出了提升小波包变换公式,并给出了移频算法,选择合适的小波进行提升小波包变换,提取状态特征向量,分析了不同状态特征向量的差异。采用支持向量机作为分类器实现故障诊断。通过实例分析比较,验证了该故障诊断方法的有效性。     

基于承诺方案的去中心化可信众包平台设计与实现

为去除传统众包对第三方中心机构的依赖,同时保障众包任务的公平分配和结果的可信提交,提出了一种基于区块链智能合约的可信众包平台设计方案。首先提出了一种基于承诺的两阶段提交机制,并将其运用至接包者的数据提交过程中,以解决区块链上的数据透明度问题,使接包者之间无法相互窃取数据;其次设计了一种无偏随机选择算法,从分散的接包者池中选择相对独立的接包者,杜绝了接包者之间可能的串谋;最后通过模拟选人实验和以太坊上原型系统的实现,验证了选人算法的随机性和整体方案的可行性。     

一种改进的语音去噪方法(英文)

为了提高语音信号去噪效果,首先改进了小波包算法,提出了一种基于改进小波包的语音去噪方法.该方法将语音信号进行改进小波包分解,为每个终端结点提供一个阈值进行去噪处理.仿真实验表明,该方法比传统硬、软阈值方法更有效也更优越,能够比较准确地去除语音噪声.     

基于CEEMDAN-WPT联合去噪的灾后求救信号能量分布特征研究

在隧道、矿山等复杂环境的地下工程灾后救援中,求救敲击信号微弱且经常淹没在噪声环境中,如何有效拾取求救敲击信号是灾后救援的关键问题。该文以现场敲击数据为基础,选取钢架、钢管、铁锤等不同类型的敲击信号进行对比研究。首先采用自适应噪声完备集合经验模态分解的改进算法(CEEMDAN)对信号进行分解,运用功率谱密度、相关系数和方差贡献率分析方法选择包含有效信息的IMF分量,再利用小波包阈值去噪(WPT)对信号进行分层滤波,最终得到信号的工作特征信息;其次利用小波包分析模块分别求得每个节点重构信号的小波包频带能量,研究不同类型敲击信号在频带内的能量分布特性,并比较其频带能量的分布差异。结果表明,钢架、钢管、铁锤等敲击信号的能量分布大致相同,多集中于0～250 Hz;通过能量频带细化分析发现,在能量波峰处,钢架敲击地面占比最少,铁锤敲击地面占比最多,该文方法可为灾后求救信号的有效识别提供基础,且为救援设备的传感器参数选择提供依据。