简介:针对当前军品质量监督工作中缺乏有效管理和技术方法的问题,分析了军品质量问题致因模式,构建了追溯分析框架与模型,提出了基于认知可靠性和失误分析方法(CognitiveRetiabityandErrorAnatysisMethod,CREAM)的根原因追溯方法,并运用二元语义法对根原因进行了评估,为有针对性地制定纠正措施和防范策略提供指导,提高了军品质量监督工作的主动性和预见性。
简介:为了稳定跟踪高动态下的弱信号,分析了传统载波锁相环(PhaseLockLoop,PLL)的结构,进一步提出了采用捷联惯导系统(StrapdownInertialNavigationSystem,SINS)辅助全球导航卫星系统(GlobalNavigationSatelliteSystem,GNSS)的PLL环路结构。通过分析SINS辅助前后的误差并比较不同误差的影响,按照误差最小原则设计了最优带宽的计算方法,并优化了最小带宽门限的选择方法,最后通过仿真验证了方法的有效性。
简介:针对行星齿轮传动故障诊断中的信号故障特征微弱、特征提取困难等问题,提出了基于自适应聚合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)和样本熵(SampleEntropy,SE)的行星齿轮箱故障特征提取方法。首先,针对EEMD结果存在较大的盲目性和主观性等问题,提出自适应EEMD方法;然后,使用此方法将行星齿轮箱振动信号分解为若干个固有模态函数(IntrinsicModeFunctions,IMF)分量,通过相关性分析选取含有齿轮状态特征信息的IMF分量并对信号进行重构,计算重构信号样本熵值,以此判断行星齿轮箱的运行状态;最后,对行星齿轮箱故障模拟试验台采集的2种状态振动信号的自适应EEMD样本熵进行求解,并与直接样本熵、EEMD样本熵等特征提取方法对比,验证了自适应EEMD样本熵具有更好的分类能力。
简介:为提高无人车行驶过程中前方车辆检测的准确性和实时性,提出了基于激光雷达(LIghtDetectionAndRanging,LIDAR)深度信息和视觉方向梯度直方图(HistogramsofOrientedGradients,HOG)特征的车辆识别和跟踪方法。目标首次进入视野时,聚类处理激光雷达深度信息并确定假设目标的候选区域,采用车辆尾部的HOG特征对假设目标进行验证。在HOG特征验证前,基于最小二乘支持向量机(LeastSquaresSupportVectorMachine,LS-SVM)算法对样本集HOG特征进行训练学习,生成车辆分类器模型。对于验证后的目标车辆,采用激光雷达获取的深度信息对目标车辆进行持续跟踪。构建了2种车辆模型,结合最小二乘直线拟合方法提取出车辆特征,生成目标模型。同时,提出了基于多特征马氏距离的目标关联代价方程,实现了多目标的关联;完成了基于卡尔曼滤波的车辆状态滤波和位置估计,更新了跟踪器模型。通过有效的管理策略,实现了目标跟踪的3个状态:1)初始化模型的生成;2)跟踪过程中跟踪器的更新与预测;3)目标驶离视野时跟踪器的删除。最后,通过试验验证了跟踪算法的有效性。