秦庆强
- 作品数：8 被引量：44H指数：3
- 供职机构：第二炮兵工程学院更多>>
- 发文基金：中国人民解放军总装备部预研基金中国博士后科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术天文地球更多>>
- 一种基于马氏距离的模拟电路软故障检测算法被引量：3
- 2009年
- 提出了一种基于小波分解和马氏距离判定准则的模拟电路软故障检测算法;在pspice环境,完成了一个低通滤波电路在常态和各软故障模式下的Monte-Carlo仿真,分别采样常态及各故障状态下输出节点电压并进行小波分解,利用近似系数分别求出无故障态和各故障模式下的马氏距离,并以此作为故障判定依据。仿真及计算结果显示,这种故障检测算法对模拟电路的软故障具有良好的识别能力,且具有算法简单、计算量小的优点。
- 秦庆强张晓安李艾华史慧
- 关键词：模拟电路小波分解PSPICE
- 基于RBF网络的模拟电路故障诊断算法被引量：8
- 2010年
- 针对BP神经网络在模拟电路故障诊断上存在的收敛速度慢、易陷入局部最小等不足,提出了一种基于多层小波分解和RBF神经网络的模拟电路故障诊断算法。为提高诊断效率,用多层小波分解能有效提取电路故障特征;用RBF网络优良的泛化能力和快速的非线性逼近能力可以较好的解决模拟电路中存在的容差和非线性问题。故障诊断仿真实验表明,在保证较高故障诊断正确率的情况下,RBF网络的训练次数得到了极大地缩小,有效克服了基于BP网络算法存在的上述不足,极大地提高了模拟电路故障诊断的时间效率。
- 秦庆强张晓安李艾华史慧
- 关键词：模拟电路故障诊断径向基函数神经网络
- 无线传感器网络的自适应分簇组网算法研究被引量：3
- 2010年
- 针对经典算法LEACH和HEED的不足,提出了一种能自适应分簇组网的优化算法。构建了节点信息权重模型,并借鉴邻节点信息交换的思想,在成簇过程中与探测范围内的节点交换权重信息,自适应完成分布式网络的簇首选举,并根据最小距离原则成簇。理论分析和仿真实验表明,该算法比LEACH和HEED算法选取的簇首及形成的簇结构更加合理,同时更有效地降低与均衡了网络的能耗,提高了传感器网络的生命周期。
- 王声才李艾华秦庆强王涛
- 关键词：无线传感器网络分簇算法簇首
- Delphi下利用VC封装线程实现高精度实时控制
- 2004年
- 在VC + +环境下 ,利用多线程技术在DLL中封装了对底层进行操作的函数 ;在Delphi中调用此DLL开发高精度的实时控制程序 ;同时结合硬件给出应用实例。
- 秦庆强张世英李双军
- 关键词：多线程DLL实时控制
- 基于自适应Kalman滤波的加速度计动态数据处理被引量：3
- 2009年
- 针对实际使用条件下的加速度计的动态测试,讨论了一种加速度计的动态数据处理方法。动态测试中,由于实际情况的时变性和随机性,噪声统计特性可能是未知的且时变的,先验的数据也因此失去意义;另外,动态测试中野值也会对测试精度产生严重的不利影响;运用抗野值自适应Kalman滤波算法对动态数据进行了处理,结果表明该方法能够有效的剔出测试过程中粗大误差、过程干扰以及环境噪声的影响。
- 秦庆强张晓安李艾华
- 关键词：数据处理加速度计
- 马氏距离在模拟电路硬故障检测中的应用研究被引量：21
- 2009年
- 针对模拟电路硬故障检测问题,提出了一种基于马氏距离的快速检测算法,并利用pspice电路仿真软件对一个二阶滤波电路进行了电路建模及故障检测仿真。在pspice环境下,进行含容差待测电路无故障和各故障模式下的蒙特卡洛仿真,选取输出电压作为采样点,利用输出电压的小波分解系数求出无故障态和各故障模式下的时-频马氏距离,并以此作为电路故障判据。matlab下的计算结果显示,这种故障检测算法对模拟电路硬故障具有良好的检测能力,故障诊断正确率可达92%以上,且具有算法简单、计算量小的优点。
- 秦庆强张晓安李艾华杨钊
- 关键词：模拟电路PSPICE
- 基于小波分解和RBF网络的三极管电路故障诊断被引量：3
- 2009年
- 在分析现有三极管放大电路故障诊断算法不足的基础上,提出了一种基于模型的小波-RBF网络故障诊断算法。在PSPICE环境下建立三极管常见的故障模型,利用多层小波分解优异的时频特性提取故障特征参数,利用RBF强大的非线性分类能力和快速的收敛特性进行了典型共基极放大电路中三极管的软、硬故障诊断仿真。计算及仿真结果显示,这种故障诊断算法具有诊断速度快、诊断正确率高的特点。
- 秦庆强张晓安李艾华史慧
- 关键词：三极管软故障小波分解RBF网络PSPICE
- 基于最近邻支撑向量特征线融合算法的核爆地震识别被引量：6
- 2009年
- 为增强核爆地震模式分类器的泛化能力以提高对核爆炸事件的准确识别能力,论文提出了一种选择支撑向量样本集来表征训练样本集的最近邻支撑向量特征线分类算法,用以训练时扩展核爆地震的训练样本库,提高分类器的泛化能力,该算法用于核爆炸和地震的识别结果发现,和最近邻特征线分类器相比,提出的算法降低了计算复杂度,但识别能力却有些许降低.对新算法的分析发现,纯粹的支撑向量集不能完全代表原始样本空间集,支撑向量比例在其中有重要作用,为发挥支撑向量比例的作用以提高核爆分类器的识别能力,提出了最近邻支撑向量特征线融合算法.最后以核爆地震数据库对上述算法进行了检验和分析,理论分析和识别结果证实,在相同的训练样本选择条件下,最近邻支撑向量特征线融合算法对于核爆炸的识别来说具有较好的泛化能力,正确识别率达到90.3%,且优于支持向量机算法和最近邻特征线算法.
- 李夕海刘刚刘代志秦庆强
- 关键词：支撑向量核爆炸天然地震
