基于KPCA和类峰值特征的模拟电路诊断方法

针对传统的核主成分分析方法(KPCA)无法解决在故障样本交叠严重时多分类性能较差的问题,提出一种基于改进KPCA的特征提取和类峰值特征辅助识别分类相结合的模拟电路故障诊断方法.在预处理阶段,提出了一种图像混合欧氏距离用于建立核函数,进行核主成分分析特征提取,克服了传统KPCA的局限性;并且设计了一种用类峰值特征识别的方...     

低频电磁脉冲对复杂电大目标耦合效应

针对复杂电大目标电磁脉冲耦合效应缺乏定量研究的问题,基于时域有限差分方法(FDTD)建立了一套电磁脉冲耦合效应建模与评估分析流程,开展了低频电磁脉冲激励下的仿真试验,获取和分析了特性数据,进而提出了一种表面加载透明导电材料的低频电磁脉冲激励防护方法。试验结果表明:基于功率密度的易损性分析具有良好的工程适用性,而且防护方法对低频电磁脉冲激励具有较好的屏蔽效能。     

二维改进分形海面模型及海谱分析

针对分形海面模型的功率谱在空间波数小于基波波数时不能满足正幂率的问题,提出了一种统计模型和归一化带限Weierstrass分形模型相结合的二维海面模型,确定了方向海谱的闭式解,得到了表面功率谱和方向分布函数,并且和有关文献的数据进行了对比,对分形维数、频率幅度尺度因子、风速和风向等参量对海面轮廓的影响做了进一步分析。从仿真结果可知:表面功率谱和PM谱、JONSWAP谱、文圣常谱和南海的实测数据都拟合的很好,方向分布规律和Mitsuyasu方向函数相似,海面形状具有大尺度涌浪和小尺度张力波的特性,并且统计模型和分形模型的性质在改进模型中依然适用,验证了模型的有效性。     

红外电视跟踪器的数据处理系统设计

针对红外电视跟踪器对导弹等高速运动目标跟踪实时性的要求和数据流量大、处理速度高的特点,设计了基于DSP+FPGA架构的电视跟踪器数据处理系统.该系统采用高速数字信号处理器TMS32ODM642作为核心处理器完成目标的识别与跟踪,计算脱靶量信息;FPGA作为协处理器完成图像的采集和预处理.该系统能够完成对海面舰船目标和空...     

模拟电路模块级软故障特征的提取与故障诊断

介绍了一种模拟电路故障诊断中功能模块级的单模块软故障模型的建立理论和特征提取的方法,运用该方法提取的单模块故障特征不仅可以有效区分单模块电路中的各类故障,而且单模块电路的故障特征还可以在多模块电路的单故障和多故障的情况下应用。仿真结果表明,通过采样电路输出并进行相应的信号处理来提取故障模型,可以准确地定位多模块故障电路的故障部位。     

支持向量机回归在电子器件易损性评估中的应用

针对现有的以概率统计理论为基础的方法和模糊神经网络法必须建立在大量统计数据基础之上,以及模糊信息扩散估计法可能对器件失效阈值估计过高的问题,提出将模糊信息处理技术用于对原始实验数据的处理,得到训练样本,在此基础上利用支持向量机回归预测一定功率的高功率微波辐照条件下电子器件的损伤概率。仿真结果表明：该方法与模糊神经网络法都较好地给出了预测结果,但该方法具有更高的精度（均方根误差为7.40610-5）,并且克服了在样本数据减半的小样本情况下模糊神经网络法可能出现野值的缺陷。     

复杂电大开口腔体的高功率微波防护分析

提出考虑传输衰减的高功率微波（HPM）激励模型,基于镀膜透明介质结构设计流程,给出了电磁透射率、反射率计算方法和厚度远低于网格尺寸的薄膜等效处理时域有限差分（FDTD）算法,设计了一种透明导电镀膜的介质屏蔽结构,建立复杂结构与电磁参数的真实三维飞机-飞行员模型,开展了电磁防护分析。仿真结果表明：采用电场幅度最值衰减和防护极限评估防护效果具有良好的工程适用性,且该屏蔽结构在一定载频范围内辐射防护效能好,防护极限高。     

雷达部件重要度评估

以某机载雷达为例,给出了确定雷达电磁损伤中部件重要度的评价指标,融合雷达的结构信息以及专家的判断,将定性指标与定量指标相结合,通过10/10～18/2标度将专家的定性判断量化,再利用层次分析法得到雷达部件的功能重要性,然后与通过对雷达结构的分析获得的雷达部件的结构重要性进行加权平均最终确定了某机载雷达各部件的重要度.结果表明该方法可以综合考虑定性指标和定量指标,减少了人为主观因素的不利影响,所得结果具有较强的客观性和合理性,为开展雷达的战伤抢修奠定了一定的基础.     

支持向量机回归在电子器件易损性评估中的应用

针对现有的以概率统计理论为基础的方法和模糊神经网络法必须建立在大量统计数据基础之上,以及模糊信息扩散估计法可能对器件失效阈值估计过高的问题,提出将模糊信息处理技术用于对原始实验数据的处理,得到训练样本,在此基础上利用支持向量机回归预测一定功率的高功率微波辐照条件下电子器件的损伤概率。仿真结果表明:该方法与模糊神经网络法都较好地给出了预测结果,但该方法具有更高的精度（均方根误差为7.40610-5）,并且克服了在样本数据减半的小样本情况下模糊神经网络法可能出现野值的缺陷。     

基于混沌退火的参数扰动递归神经网络极值 搜索算法及其应用研究

 针对一类输出函数具有多个极值点的极值搜索对象,当采用传统极值搜索算法时,系统的输出值将无法准确和平滑地收敛至全局极值点的问题,提出了一种利用基于混沌退火的参数扰动递归神经网络构建极值搜索算法的新方法.利用混沌的遍历性以及参数扰动策略,该极值搜索算法可使系统输出值在混沌退火和参数扰动的粗搜索中运动至它的全局极值点附近;然后利用递归神经网络的精搜索使之能够平滑和准确地收敛至全局极值点.同时,详细分析了此方法的收敛性条件、解的最优性条件以及全局极值搜索的能力,仿真结果验证了这种分阶段的搜索方法有助于提高极值搜索算法的全局极值搜索能力.