简介：针对齿轮故障时振动信号复杂、特征提取困难的问题,提出采用局部特征尺度分解(LocalCharacteristicscaleDecomposition,LCD)与双谱分析相结合的故障特征提取方法。首先,利用LCD分解法对振动信号进行分解,并结合贝叶斯信息准则(BayesianInformationCriterion,BIC)和峭度时间序列互相关系数2个指标对内禀尺度分量(IntrinsicScaleComponent,ISC)进行筛选;其次,利用双谱分析法对所选取的ISC分量进行融合,提取双谱熵作为特征量;最后,运用该方法实现齿轮振动信号故障特征的提取,并通过齿轮预置故障试验验证了该方法的有效性。

简介：针对发动机性能评估及预测过程中特征参数多,且对其进行评价及优选的标准不统一的问题,从相关性、单调性、离散性等方面考虑,提出了系列特征参数的综合评价指标,采用基于熵权理想点的综合评价方法,从信息量的角度实现了多指标的客观定权,并通过实例分析验证了该方法的有效性,最终实现了基于该方法优选结果的发动机寿命预测。

简介：为进一步提高弹道导弹目标多传感器综合识别正确率,提出了一种基于二维主成分分析（Two-DimensionalPrincipalComponentAnalysis,2DPCA）的多传感器特征级综合识别方法。该方法将多个传感器的特征集经标准化后组合成二维特征矩阵,引入图像压缩技术中的2DPCA方法进行特征提取,然后将其用于弹道导弹目标特征级融合识别。以3部雷达部署下弹头目标的雷达散射截面积（RadarCrossSection,RCS）特征融合为例进行仿真验证,结果表明：相比于传统的主成分分析（PrincipalComponentAnalysis,PCA）,2DPCA的识别率更高,计算复杂度更低,为弹道导弹目标识别提供了一种新的思路。