Online condition diagnosis for a two-stage gearbox machinery of an aerospace utilization system using an ensemble multi-fault features indexing approach

China manned space station is designed to operate for over ten years. Long-term and sustainable research on space science and technology will be conducted during its operation. The application payloads must meet the ‘‘long life and high reliability" mission requirement. Gearbox machinery is one of the essential devices in an aerospace utilization system, failure of which may lead to downtime loss even during some disastrous catastrophes. A fault diagnosis of gearbox has attracted attentions for its significance in preventing catastrophic accidents and guaranteeing sufficient maintenance. A novel fault diagnosis method based on the Ensemble Multi-Fault Features Indexing(EMFFI) approach is proposed for the condition monitoring of gearboxes. Different from traditional methods of signal analysis in the one-dimensional space, this study employs a supervised learning method to determine the faults of a gearbox in a two-dimensional space using the classification model established by training the features extracted automatically from diagnostic vibration signals captured. The proposed method mainly includes the following steps. First, the vibration signals are transformed into a bi-spectrum contour map utilizing bi-spectrum technology,which provides a basis for the following image-based feature extraction. Then, Speeded-Up Robustness Feature(SURF) is applied to automatically extract the image feature points of the bi-spectrum contour map using a multi-fault features indexing theory, and the feature dimension is reduced by Linear Discriminant Analysis(LDA). Finally, Random Forest(RF) is introduced to identify the fault types of the gearbox. The test results verify that the proposed method based on the multi-fault features indexing approach achieves the target of high diagnostic accuracy and can serve as a highly effective technique to discover faults in a gearbox machinery such as a two-stage one.     

基于多特征融合的航天器锂电池健康评估技术

传统的航天器蓄电池可靠性试验按照最大放电深度进行定额充放电，所构建的失效模型用于支撑航天器总体可靠性设计，不能用于在轨锂离子蓄电池健康评估任务；航天器在蓄电池遥测的采样率、精度、样本量方面无法与民用领域相比，基于高采样、大样本的民用蓄电池健康估计方法也不适用于在轨锂离子蓄电池健康评估。针对该问题，从在轨航天器蓄电池数据特性出发，挖掘在轨状态下所能提取的退化特征，并采用多特征综合评价方法，设计了一种基于多特征融合的在轨锂离子蓄电池健康评估方法，实现了在轨蓄电池放电内阻、同放电深度下的终端电压、恒压充电时间3项退化特征融合的健康量化评估，应用于某型号卫星的在轨监测与健康评估，具有良好的工程实用性，可作为国内航天器健康评估技术的参考。     

光纤光栅传感器对非均匀应变场的响应特性

提出利用测量位置处光栅传感器的光谱特征反推该处对应的应变分布状态的方法。采用改进的传递矩阵方法，模拟了不同应变分布函数对应的光谱响应，分析了其基本特征参数同应变分布之间的变化规律。通过有限元仿真计算试验件在弯曲载荷下光栅粘贴处的应变分布，重构了传感器的光谱，并将其和应变分布函数的理论计算光谱图进行比较，验证了应变分布形式与反射光谱特征的关联性。构建带有不同半径圆孔的铝合金板孔口弯曲加载试验系统，测试试验件弯曲挠度和孔径大小与反射谱特性的关系。理论及试验结果表明，实测与仿真计算的谱图变化具有相同规律，光谱特征参数可作为预测铝合金孔径的有效指标，并为其他类型结构的应变场变化规律的监测提供参考依据。     

混合细分曲面尖锐和半尖锐特征生成

在实际细分曲面造型中，模型初始控制网格经常需要同时用含有三角形和四边形的混合网格来表示。本文主要研究基于三角形和四边形的混合细分曲面的尖锐、半尖锐特征的生成方法。提出一种基于局部修改混合细分规则，把混合细分曲面的尖锐、半尖锐特征生成方式统一起来的自适应细分方法。为了使得多条折痕在相交点是C^1连续，在靠近折痕交点附近运用四点插值细分方法。根据特征处的尖锐程度通过自适应混合细分来实现半尖锐特征效果。实例表明，本算法生成的混合细分曲面尖锐、半尖锐特征效果非常好。     

关于有理Bézier曲面片的几何连续拼接问题

本文深入研究了有理Bézier曲面片的几何连续拼接问题,给出了GC~1拼接条件的显式表示和判断两曲面片GC~1拼接状况的判定条件。用此条件可编写一简单程序,通过输入两曲面片的控制顶点及权因子,便可以“YES”或“NO”的输出回答两曲面片的拼接是否为GC~1连续。在非GC~1拼接时,可对称地修改两曲面片使其GC~1拼接。最后,本文给出了几种CAD/CAM工程中实用的充分条件。     

A FORMAL REPRESENTATION FOR FEATURE-BASED DESIGN

从三个方面研究了基于特征设计的形式化描述方法：基于特征设计的基本定义、设计过程模型及设计算法。文中给出了特征分类、特征操作、特征模型验证和特征映射策略及其形式化描述方式，建立了兼顾并行工程和顺序工程设计方式的基于特征设计过程形式化描述模型，提出了基于特征的设计算法，为解决基于特征设计系统开发和运行缺乏统一方法学这一课题作了有益的尝试。     

一种基于word文档的数字水印方法

针对目前大量的word电子文档在网络传输中的版权问题,本文提出了用汉明码的纠错编码方法,并采用IDEA加密算法的密码技术,改变word文档字体大小的数字水印算法,实现对文档的版权保护;该算法采用字符的特征编码的思想实现了word文档的水印嵌入和检测,并对水印信息采用了纠错编码的技术,提高了水印信息的抗干扰能力。实验结果表明:该算法具有较好的隐藏效果,抗攻击能力以及较强的鲁棒性。     

基于分块图像的二值商标图像检索

提出了一种基于分块图像特征的商标图像检索方法。该方法首先确定商标图像的形状主方向来消除图像旋转带来的影响,然后通过提取目标区域的方式消除图像平移的影响,再将图像的目标区域按照4叉树的分解方式划分为多个小的子图像块,对子图像块提取特征并对图像进行相似性度量。实验证明,利用该方法提取的特征兼顾了商标图像在局部和整体上的一致性,并且具有良好的旋转、平移、尺度的不变性,得到的检索结果能够很好地满足人类的视觉感受。     

抗旋转和尺度变化的导航系统图像匹配算法

在惯性导航系统中,定量分析了景象匹配过程中惯性导航系统漂移和无线电气压高度表测量误差对实测图的旋转和尺度所造成的影响,引入了对数极坐标变换.基于图像边缘特征提取,提出了一种结合中心点的4-邻域点共同参与计算的抗旋转和小尺度变化的图像匹配算法,并给出了相应的算法流程.仿真分析表明,在导航系统误差漂移所引起的图像旋转和气压高度表所引起的尺度变化范围内,该算法能满足匹配准确性的要求,并能有效给出系统的定位误差修正信息.     

加权自适应模式识别系统的数学描述

基于n元原理,采用加权训练思想,为克服经典自适应模式识别系统——WISARD的简单训练策略之不足而提出的加权自适应模式识别系统,具有自动消除伪特征、突出训练模式的固有特征、改进系统的分类性能筹优点。本文首次用数学手段描述了加权自适应模式识别系统,把系统的训练与分类过程抽象为对模式进行矩阵变换的过程。系统的分类行为由训练模式所建立的逻辑函数矩阵来表征。文中还对系统的性质作了初步探讨,指出只要合理地选取加权训练阀值,加权系统的分类性能不会弱于非加权系统。最后还给出了加权训练阀值的上界和下界。