Attention-GRU神经网络辅助的SINS/DVL组合导航算法

针对多普勒测速仪(DVL)短时失效导致定位精度下降的问题,提出了一种注意力机制门控循环单元(Attention-GRU)辅助的捷联惯导(SINS)/DVL组合导航算法。当DVL测速有效时,使用SINS/DVL组合导航信息对Attention-GRU神经网络进行训练。当DVL故障时,使用训练完毕的Attention-GRU神经网络预测DVL速度辅助校正SINS。仿真结果表明:当DVL故障时,Attention-GRU相对纯惯性导航系统和GRU在匀速运动状态的平均速度误差分别减小了71.35%和3.48%,平均位置误差分别减小了34.76%和1.74%;在运动状态变化时平均速度误差分别减小了58.45%和14.67%,平均位置误差分别减小了9.82%和2.27%。

基于压缩感知的低复杂度超分辨角度估计方法

在空域目标角度估计中,分辨率受阵列孔径的限制,依靠增加阵元数量提高分辨率会增加系统成本。为了在受限阵列尺寸中减少阵元数量,基于压缩感知(compressive sensing,CS)理论,提出了一种超分辨角度估计算法。首先建立阵列接收信号模型并构造冗余字典,然后利用目标空间域稀疏先验信息将目标角度估计问题建模为优化问题,最后设计低复杂度算法对优化问题求解。所提算法通过贝叶斯CS理论推导了正则化系数,保证了算法的噪声抑制性能,通过共轭梯度运算及Hadamard乘积提高了算法效率。所提算法可利用较少快拍在信号数目未知的条件下,实现高精度角度估计。仿真结果和实测数据验证了所提算法的有效性。

基于提升小波包变换和集成支持矢量机的早期故障智能诊断

为了解决机电设备早期故障难以正确识别的问题,有效地提高分类的准确率,提出一种基于提升小波包变换和集成支持矢量机的早期故障智能诊断新方法。首先,该方法采用提升策略构造基于冲击故障信号特征的双正交小波,借助提升小波包变换提取信号的敏感频带特征,从而通过对敏感频带中的小波包系数进行包络解调分析检测出故障特征频率。其次,通过距离评估技术从原始信号和小波包系数的统计特征中选取最优特征集。最后,将最优特征输入到集成支持矢量机中,实现对不同故障类型的识别。将该方法应用于滚动轴承的早期故障诊断中,测试结果表明,该方法能够有效地提取故障特征,具有比单一支持矢量机更好的分类性能,故障诊断准确率更高。

基于模糊支持矢量数据描述的早期故障智能监测诊断

为了解决机电设备早期故障难以正确识别及故障发展状态不易准确监测的问题,提出了一种基于模糊支持 矢量数据描述(FSVDD)的早期故障智能监测诊断新方法。该方法只需要一类目标样本作为学习样本就可以建立起 单值分类器,同时在核函数中引入非目标样本的模糊隶属度,从而把非目标样本与目标样本分等级地区分开来。 将这种方法应用在机电设备状态监测和故障诊断中,只需要将正常运行时的数据信号作为目标样本,就可以实现 对设备早期故障的准确识别,同时判断故障的严重程度。在轴承运行状态监测中的测试结果表明,该方法不仅能 快速识别轴承的早期故障,而且可以对故障的严重程度做出准确的判断。

水下装备关节电机多参数辨识研究

随着水下无人系统的快速发展,关节电机作为水下机器人、水下机械臂等水下装备的核心驱动装置发挥着重要的作用。文中针对不同工作环境影响下导致的关节电机参数改变,从而引起的电机控制的精确性和稳定性变差的问题,开展电机多参数在线辨识研究。采用增加稳态工作点方法实现多参数的满秩辨识。同时,为提高辨识方法的精度和鲁棒性,研究了扩展卡尔曼滤波(EKF)和H∞滤波(HIF)算法在电机参数辨识方面的可行性,进而提出了一种基于自适应EKF(AEKF)和自适应HIF(AHIF)的联合估计方法。通过仿真对比发现,在参数辨识时,所提出的AEKF+AHIF联合估计方法相较于AEKF算法稳态标准差最大减少了84.7%,相较于AHIF算法精确度最大提升了91.7%。该联合估计方法可为水下装备关节电机的稳定高效运行提供理论和技术支撑。

水陆两栖机器人螺旋推进性能研究

传统水陆两栖运动方式多为轮式或履带式与螺旋桨结合的双系统形态。与之相比,单系统的水陆两栖运动方式因系统复杂度低、运动效率高成为近年来的研究热点。螺旋推进作为一种单系统水陆两栖运动方式,在沼泽、滩涂等半流体环境下具有较好的适应性,多年来对其在陆上行驶的研究设计较多,对其在水中行驶的研究较为缺乏。文中对螺旋推进装置的水中性能展开研究,根据螺旋推进的原理,提出螺旋筒的设计方法,采用水动力仿真方法对不同浸没深度下的螺旋筒进行推力计算,发现螺旋筒在0.9倍浸没深度时产生的推力最大。基于自主设计研发的水陆两栖机器人样机开展水中推进测试,结果表明在水中螺旋筒推进状态稳定。进一步的,使用响应面法从螺旋叶片高度、螺距2个方面对螺旋筒开展优化设计工作,优化结果较原设计方案可提升18.2%的推进效率。

一种新的机电设备状态趋势智能混合预测模型

针对机电设备运行状态受多因素影响,变化趋势复杂,难以用单一预测方法进行有效预测的问题,提出一种新的基于改进灰色系统—支持向量机—神经模糊系统的智能混合预测模型。该模型首先利用改进灰色系统弱化数据序列波动性、支持向量机处理小样本和模糊神经系统处理非线性模糊信息的优点,分别进行趋势预测,然后通过改进遗传算法对这三者的预测结果进行自适应加权组合。将该模型应用于信号随机波动性较强、趋势变化复杂的标准算例和某机组振动趋势的预测中,研究结果表明,该模型的预测性能均优于上述三种单一预测方法。

经验模式分解模糊特征提取的支持向量机混合诊断模型

为解决机械故障小样本模式识别问题,有效地提高分类的准确率,提出了一种基于经验模式分解模糊特征提取的支持向量机混合诊断模型.该模型通过对信号进行经验模式分解,提取信号的本征模式分量并转化为模糊特征向量,对机器故障进行诊断,然后将模糊特征向量输入到多分类的支持向量机中,实现了对机器不同故障类型的识别.将该模型应用于汽轮发电机组的 3 种工作状态的识别中,测试结果表明,同原有的未经过任何特征提取以及经过小波包模糊特征提取的 2 种多分类支持向量机方法相比,该模型将分类准确率从原有的53 33%和86 67%提高到100%,有效地改善了分类的准确性.同时,该模型还为汽轮发电机组的故障确诊提供了有力依据.

基于组合支持向量机的水声目标智能识别研究

为解决水声目标小样本模式识别问题,有效地提高复杂海洋环境中的识别精度,提出了一种基于经验模式分解(EMD)、特征距离评估技术(FDET)和组合支持向量机(CSVMs)的水声目标智能识别方法。首先,将滤波、Hilbert包络解调和EMD等信号处理方法对水声目标的辐射噪声信号进行预处理,提取7个包含原始信号和预处理信号的时域和频域统计特征的特征集。然后,通过FDET从原始特征集中选择出7个敏感特征集。最后,将7个敏感特征集输入到7个支持向量机分类器中,利用遗传算法对7个分类器的结果进行合并,构成CSVMs分类器,从而实现对水声目标的智能识别。将该方法应用于舰船等水声目标的识别中,研究结果表明,该方法的识别性能优于单一SVMs分类器:同时,经过FDET得到的敏感特征集能明显地提高识别精度。

一种新的混合智能预测模型及其在故障诊断中的应用

针对机电设备运行状态受多因素影响且变化趋势复杂、难以用单一预测方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量机和自适应线性神经网络的混合智能预测模型.首先,利用经验模式分解方法将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个本征模式分量,然后根据这些分量各自趋势变化的剧烈程度选择合适的核函数,用支持向量机对其进行预测,最后通过自适应线性神经网络对这些预测分量进行自适应加权组合,得到原始序列的预测值.研究结果表明,对于标准算例和某机组振动趋势的预测,不论是单步预测还是多步预测,该模型的预测性能均好于单一的支持向量机预测方法.

三维成矿预测与预测评价——以东昆仑成矿带红旗沟—深水潭金矿为例

红旗沟—深水潭金矿是东昆仑成矿带中典型的构造蚀变岩型金矿,矿体严格受控于破碎蚀变带。通过对东昆仑地区成矿地质背景的梳理以及金矿成矿过程的分析,在构建三维地质模型的基础上提取成矿有利因子,建立找矿预测模型,并计算找矿信息量。在此基础上,从最优分级分析、精度分析和结果分析三方面进行信息量分级评价、预测区分级评价、数据精度评价、找矿预测模型的有效性评价以及找矿靶区的定位精度评价、预测资源量估算和找矿概率评价等研究。研究共圈定4处找矿靶区,并估算全区金资源量约165 t。结果表明红旗沟—深水潭金矿的找矿潜力较大,后期应该重视已知矿体的深部及边部区域的重点勘查。

水下无人集群仿生人工侧线探测技术研究进展

水下探测是实施海洋任务的先决条件和技术保障,也是近年来水下无人集群研究方向的技术难点和科研热点。然而,现有的声学和光学探测系统由于易受水下环境干扰因素影响,使其难以为水下无人集群提供精确的近场感知信息,也成为制约水下无人集群发展的技术瓶颈,因此探索水下新型探测技术十分必要。文中阐述了水下无人集群探测的特点与难点,从仿生人工侧线(ALL)阵列和信号处理两方面,综述和分析了水下无人集群仿生人工侧线探测技术的国内外研究进展,指出当前研究中存在的关键问题,包括人工侧线的感知原理、布局、微工艺,以及人工智能算法的应用,讨论了解决这些关键问题的途径。

一种新的水声目标智能检测模型

为了解决远程微弱的水声目标信号难以准确检测的问题,提出了一种新的基于经验模式分解(EMD)、特征距离评估技术和模糊支持向量数据描述(FSVDD)的水声目标智能检测模型。首先,该模型利用滤波、Hilbert包络解调和EMD等方法提取原始水声信号的时域和频域统计特征,构成综合特征集。其次,通过特征距离评估技术从综合特征集中选取敏感特征集。最后,将敏感特征输入到FSVDD检测器中,实现水声目标的智能检测。将该模型应用于仿真的水下航行器辐射噪声数据的目标检测中,研究结果表明,同常规的支持向量数据描述检测器相比,该模型具有更好的检测性能,目标检测准确率高。

一种新的水声目标EMD能量熵检测方法

为了解决复杂环境中水声目标难以有效检测的问题,提出了一种新的基于经验模式分解(EMD)能量熵的水声目标检测方法。该方法通过对水声信号进行经验模式分解,提取信号的本征模式分量并转化为能量特征向量,从而观测子频带能量特征的变化;然后由能量特征向量计算出经验模式能量熵,实现了对水声目标的检测。将该方法应用在仿真和实测的水声目标辐射噪声数据的目标检测中,测试结果表明,与小波变换方法相比,该方法不仅能有效地得到水声信号子频带的能量特征,而且还极大地优化了水声目标检测的区间。

中国《食品安全法》的监管权限漏洞研究

监管是监管者和被监管者共同服从规则治理的行为,监管权限规范是控制监管权力的法律之笼。从规范与事实两个认定基准出发,根据监管权限规范的不圆满性及被动执法的现状,足以认定我国食品安全监管权限规范存在严重漏洞。监管权限漏洞具有五种类型属性、四种具体类型形式。其中,监管时限漏洞为其核心漏洞。填补监管权限漏洞要遵循从立法到司法的方法路径,体现规则的正义,根本出路在于建立完善的监管权限规范体系。随着大部制的建立,监管者处在新监管体制与旧监管规范的矛盾和冲突之中。修改我国《食品安全法》,填补监管权限漏洞,已刻不容缓。

基于GIS的多元信息成矿预测研究在湖南锰矿预测中的应用

应用GIS技术并结合地质、地球物理、地球化学、遥感等资料进行综合信息成矿预测是目前找矿的一个重要趋势。以湖南省锰矿资源成矿预测研究为例,在总结区域成矿规律的基础上,以地质异常致矿理论为指导,利用GIS平台提取地质、地球物理、地球化学等多元地质找矿信息,采用证据权模型进行多元找矿信息的综合,对湖南省的有利成矿区进行锰矿预测。

水中高速小目标被动检测模型及其应用

针对水中高速小目标难以准确检测的问题,结合3D超波束形成(3D-HBF)方法具有灵活控制窄波束和低旁瓣的特性,以及模糊支持向量数据描述(FSVDD)检测器具有优良的目标检测性能这两者的优势,构建了水中高速小目标被动检测模型和具体实施方法。在该方法中,高速小目标的辐射噪声信号经过3D-HBF后,将获得的波束响应输出向量输入到FSVDD检测器中,从而实现目标的自动检测和测向。将该方法应用于水下高速小目标检测的实航试验中,结果表明,同基于常规波束形成的检测器相比,其具有更好的检测性能、目标检测准确率和较高的方位估计精度。

大部制后食品安全监管时间权限规范的实效及应对——以浙江省杭州市食品小作坊安全监管为对象

食品小作坊安全监管,是透视大部制后我国食品安全监管时间权限规范实效状况的一个重要窗口。调查数据显示,我国食品安全监管仍然处于被动执法状态。作为被动执法的另一极,运动执法在目前也很盛行。被动执法和运动执法一左一右,使食品安全监管时间权限规范形同虚设,不能有效控制和约束日常的监管行为,从而破坏了法秩序的安定状态。单就法律而言,被动执法和运动执法屡禁不绝的根源是,食品安全监管时间权限规范本身缺乏计划的圆满性,这意味着监管时间权限规范存在法律漏洞。在形成法治思维的前提下,借鉴德国的风险等级与时间权限相对应的立法经验,抓紧填补食品安全监管时间权限规范的漏洞,同时,积极发挥地方立法的优势,及时出台有关时间权限规范方面的实施意见和办法,是我国食品安全监管走出被动执法和运动执法恶性循环的根本举措。

水下主动声引信回波集成检测方法

针对水下主动声引信在复杂的自然干扰下难以准确检测的问题,结合目标回波信号与混响等干扰的各种宏观和微观信息,一方面利用改进的经验模式分解方法对引信系统接收的原始信号进行处理,得到不同模态的本征模式分量,以实现目标回波与混响的分离;另一方面利用本征模式分量得到瞬时频率方差检测统计量和能量检测统计量,将瞬时频率方差检测统计量和能量检测统计量进行组合,构建集成检测器,实现对水下主动声引信的优化检测。试验结果表明,与基于常规能量检测和瞬时频率方差检测方法相比,该方法具有更好的检测性能。

一种新的水声目标辐射噪声特征提取模型

针对复杂环境中水声目标辐射噪声特征难以准确提取的问题,提出了一种新的基于第二代小波变换(SG-WT)、改进的经验模式分解(EMD)和Hilbert包络解调分析(HESA)的水声目标辐射噪声特征提取模型。首先,该模型利用SGWT滤除水声目标的非平稳辐射噪声信号中的噪声成分;其次,通过改进的EMD方法对滤波后的信号进行分解,提取信号的本征模式分量;最后,对这些本征模式分量进行HESA处理,从而实现辐射噪声特征的提取。将该模型应用在仿真和实测的水声目标辐射噪声数据的特征提取中,测试结果表明,同常规的小波滤波和HESA相比,该模型能够有效地提取出辐射噪声特征。