基于散斑跟踪技术的左心室扭转力矩计算

扭转力矩是定量评价左心室收缩功能的重要指标但却不易测量.提出一种基于块匹配散斑跟踪技术的左心室扭转力矩计算方法.对左心室短轴超声图像序列的心肌任意感兴趣区域进行动态跟踪,跟踪过程中通过计算跟踪前后的块的相关系数来选择正确的参考帧,改进了传统参考帧的选择方法,提高了跟踪的正确性,同时为角度计算排除了异常数据.实验结果表明该方法实现了对左心室扭转力矩的无创性测量,具有良好的临床应用前景.     

基于小波包与Elman神经网络的整流电路故障诊断

引入了一种针对电励磁双凸极发电机的整流电路故障的小波和Elman神经网络相结合的诊断方法.根据整流电压波形的畸变规律,将2个以内的二极管故障分为7类共计22种故障元.选用Daubechies小波作为小波基,对实测的整流电压进行小波包分析,利用小波系数,在各个频带上进行小波信号重构.提取全频带能量特征值,并以此构造故障模式向量作为神经网络的输入,实现了故障的分类和定位.以一台840W、12/8极的电励磁双凸极发电机为实验样机,通过采集大量故障信号并进行信号处理,以故障特征值的容差范围作为误差判别标准,力求诊断误差最小化.实验结果表明,该方法对被分析信号的频率波动和幅值变化均具有良好的鲁棒性,是一种有效的故障诊断方法,具有较高的故障诊断正确率.     

海杂波的非广延分布模型

传统上常使用统计模型为海杂波建模,发现虽然统计模型可以很好地拟合实际海杂波的幅度分布,但是由于它不能很好反映出海杂波的物理特性,因此获得的分布参数不能用来检测弱小目标.针对上述缺点,采用Tsallis分布模型对海杂波数据进行建模,发现Tsallis分布不仅能够很好地拟合实际海杂波数据,而且获得的分布参教可以有效检测海杂波背景下的弱小目标.最后通过对Tsallis分布中的非广延参数q进行分析,发现海杂波具有介于随机模型与混沌模型之间的幂率敏感性.     

模拟电路软故障诊断测试节点优选的仿真研究

基于斜率故障模型和线性相关系数故障模型,提出了一种模拟电路软故障诊断字典法中的测试节点优选算法.针对模拟电路中的单故障和双故障,分别利用节点电压增量计算出的斜率和线性相关系数作为统一故障特征,建立故障字典;给出了在字典建立过程中,利用PSPICE仿真工具对电路进行故障仿真,采用特征函数描述故障统一特征的差别,根据故障隔离度优选测试节点的算法和步骤;并用仿真实例验证了该测试节点优选方法的有效性.     

Capacity analysis of high-rank line-of-sight MIMO channels

Matrix perturbation theory is utilized to investigate high-rank line of sight multiple input multiple output channels in a microwave relay system. The upper and lower bounds of channel capacity are derived based on space time block codes technique and singular values decomposition. A useful constraint for designing LOS MIMO channels is developed by the use of the condition number of the MIMO channel matrix. The theoretical analysis of channel capacity is confirmed by the simulation. The results show that the proposed method is able to give a physical explanation of the high-rank LOS MIMO channel matrix characteristics.     

基于信息熵的纵列式无人直升机故障树诊断

研究纵列式无人直升机故障诊断问题.首先根据其操纵控制系统的结构特征,建立操纵控制故障树及故障传播矩阵.其次运用信息熵决策推理方法,分析样本测量与信息不足引起的不确定决策,进行故障树不确定性推理,并确定故障节点重要度及隶属关系.最后根据二元假设检验,进行故障判定.并针对直升机尾传动轴不对中故障,引起振动与作动器效能降低,进行仿真与实验,验证该故障诊断方法的可行性与有效性.     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

考虑用户行为和排错延迟的多版本软件可靠性增长模型

软件在测试阶段和使用阶段操作环境的差别导致软件测试可靠性和运行可靠性不完全相同.软件在发布后的使用和维护阶段,软件可靠性的增长不仅体现在软件固有故障的排除,而且用户对软件的熟悉程度也会影响软件的可靠性.本文研究了软件固有故障检测过程、固有故障纠正过程和外在失效过程的特征,建立了考虑用户行为和排错延迟下的多版本软件可靠性增长模型.通过一组来自于开源软件用户缺陷跟踪系统中的真实数据进行数值分析,试验结果表明提出的模型具有较好的效果.     

基于置信规则库的并发故障诊断方法

针对具有不确定性的并发故障诊断问题,提出基于属性权重和权衡分析的置信规则库(belief rule base, BRB)诊断方法。以属性权重大小来表示属性与特定故障模式之间的相关性,设计能够反映故障模型约束的基于差分进化的优化算法,通过相邻故障模式置信度与预设阈值的权衡分析完成对并发故障诊断。该方法仅需构造单个置信规则库来有效处理各种不确定性信息,与已有研究方法相比极大地降低了建模复杂度。诊断结果不仅能得到故障的并发情况,还可分辨故障的主次关系,并且建模和推理过程开放,可解释性强。最后以船用柴油机的并发故障诊断作为实例,验证了所提方法能够有效的诊断出并发故障并且模型具有较好的稳定性。     

基于隐马尔可夫模型的文本信息抽取

文本信息抽取是处理海量文本的重要手段,将隐马尔可夫模型应用到信息抽取领域是一个比较新的研究课题。提出了一种基于隐马尔可夫模型的文本信息抽取算法。该算法利用文本排版格式、分隔符等信息,对文本进行分块,在分块的基础上结合隐马尔可夫模型进行文本信息抽取。仿真结果表明,新的算法在精确度和召回率方面有明显的提高。