应用神经网络诊断航空发动机气路故障的前景

介绍了近几年来国内外应用神经网络对航空发动机气路故障进行诊断的基本方法和研究进展。对单一故障进行定性的诊断已经取得了试验验证，结果表明神经网络具有较高的诊断准确率。对反映发动机气路部件健康状况的气流量、效率等参数的多故障、定量的诊断则取得了一些仿真研究成果。相对于基于发动机气动热力学数学模型的方法而言，神经网络方法具有更大的工程应用潜力。     

液体发动机故障检测与诊断中的基础研究问题

液体火箭发动机故障检测与诊断是当前航天推进系统研究中迫切需要解决的关键技术。根据我国当前这项技术发展的实际情况，必须提高研究水平和加快研究进程，做好基础性的研究工作，介绍了我国在建立泵压式液体火箭发动机故障模式、标准数据库和改进人工神经网络算法与时序分析算法等方面所做的工作。提出了深入开展故障仿真研究和开发实用故障检测与诊断系统的建议。     

液体火箭发动机高速涡轮泵的振动故障检测

讨论了涡轮泵故障的几个主要原因，据此提取涡轮泵振动数据的特征，用BP神经网络的方法进行故障检测。BP神经网络的训练样本集由一个具有无监督聚类功能的神经网络从原始的特征向量集获取。     

上游转子对下游静子叶片气动力的影响

为研究轴流压气机下游静子叶片非定常气动力的大小和频率的变化规律，采用在静子叶片表面埋设微型动态压力传感器的方法，在低速单级轴流压气机实验器上进行了静子叶片表面压力的测量。测量了不同轴向间距、不同转速下从近堵塞到近失速的宽广流量范围，并对所测得的静子叶片非定常气动力进行了离散傅立叶变换，以分析其频谱特性。实验结果表明：在转子尾迹的影响下，静子叶片表面的波动频率是转子的尾迹频率及其倍频。转子尾迹频率的高频分量对静子叶片吸力面前缘的影响比对其他位置的影响大。叶片表面的非定常压力和气动力随压气机流量、转速和轴向间距的变化而变化。     

用于彩色图像分割的有效特征分析(英文)

提出了一种基于分析特征分割贡献的彩色图像分割方法。该方法不受某一特定彩色空间的限制 ,有效特征的确定取决于所设计的特征编码器对被测彩色图像中各种彩色特征的分析结果。该技术不同于以往的分割技术 ,自组织特征映射被用来构造特征编码器 ,使得编码器能自组织地分析不同彩色图像的有效特征。当合适的彩色特征和初始参数给定后 ,模糊聚类技术被用于最后的分割处理。该方法已经应用于不同类型的彩色图像分割处理 ,实验结果说明了该技术明显优于传统的聚类技术。研究表明 ,特征编码为彩色图像分割的自动化和最优化提供了保证。     

直接不交化方法在故障树定量分析中的应用

在布尔集合运算方法和不交化方法基础上，提出了单调关联故障树系统定量分析优化方法，通过故障树定量分析优化方法，可以方便地得到系统的可靠度、不可靠度、最小割集、最小路集、关键重要度等指标。     

非平稳信号的双重中值容错平滑算法

平滑是消除或削弱测量数据随机误差时常用的数据处理手段。文章建立了一组新的非平稳数据序列容错平滑算法，其采用两阶段两次滑动中值与滑动均值平滑组合，实现了数据简化与平滑的统一。理论分析和仿真计算结果证实，算法可有效避免斑点型异常数据的不利影响，有效削弱随机误差的影响，改进数据处理精度和数据处理结果可靠性。     

基于粗糙集理论的卫星故障诊断方法

卫星结构和控制的复杂性、独特性和诱发故障的多源性导致其故障诊断的困难．卫星的一种故障模式与许多症状变量有关,目前的故障诊断推理因未充分考虑症状变量的冗余变量而比较复杂．提出了基于粗糙集理论的故障症状约简新方法,用卫星故障实例研究了新方法的应用,结果表明该约简方法对消除卫星故障症状信息冗余、简化和优化故障诊断推理非常有效。     

一个基于故障树模型的诊断系统

提出一种基于故障树模型的诊断方法，并基于该方法实现了一个验证性的诊断系统。基于故障树的层次诊断模型，提出了确定性推理方法和可能性推理方法及面向故障树的基于框架和广义规则的混合知识表示方法。最后在ＣＯＭ－ＰＡＱ４８６微机上，Ｗｉｎｄｏｗｓ环境下，用ｂｏｒｌａｎｄＣ＋＋实现了该诊断系统，并通过对一个电路系统实验台的诊断验证了方法的有效性。     

高性能产品(零件)制造技术特征现状的研究分析

系统分析各类高性能制造以注重零件的几何尺寸精度所带来的问题,即在具备超精密、高精度加工能力后,由"合格的高精度零件"装配出的产品至今依然还是合格率低、参数稳定性差的本质内因.首次从零件制造微观角度提出了产品生产合格率低、参数稳定性差是由零件表面微观特征与产品技术特征非匹配性导致的,提出了全新的产品制造理念,从注重零件的几何尺寸精度向关注零件制造微观工艺特征与产品技术特征的匹配性和符合性转变.形成和建立起我国自主创新的高性能产品制造思想和产品制造工艺技术体系,才能从根本上解决产品生产制造合格率低、参数稳定性差等问题,才能形成有继承性、可持续、稳定的产品制造技术体系,而这一切是工业4.0制造模式无法解决的.