A new bearing fault diagnosis method based on modified convolutional neural networks

Fault diagnosis is vital in manufacturing system. However, the first step of the traditional fault diagnosis method is to process the signal, extract the features and then put the features into a selected classifier for classification. The process of feature extraction depends on the experimenters’ experience, and the classification rate of the shallow diagnostic model does not achieve satisfactory results. In view of these problems, this paper proposes a method of converting raw signals into two-dimensional images. This method can extract the features of the converted two-dimensional images and eliminate the impact of expert’s experience on the feature extraction process. And it follows by proposing an intelligent diagnosis algorithm based on Convolution Neural Network (CNN), which can automatically accomplish the process of the feature extraction and fault diagnosis. The effect of this method is verified by bearing data. The influence of different sample sizes and different load conditions on the diagnostic capability of this method is analyzed. The results show that the proposed method is effective and can meet the timeliness requirements of fault diagnosis.     

基于脑电功率谱密度的作业人员脑力负荷评估方法

脑力负荷状态的准确识别对减少因作业人员无效脑力负荷导致的人因事故具有重要意义。针对人-机系统中作业人员脑力负荷客观评估问题开展了基于MATB-Ⅱ平台的3种不同脑力负荷水平下的航空情境实验，记录16名被试的NASA任务负荷指数（NASA-TLX）量表数据和脑电（EEG）信号，提出了一种基于脑电功率谱密度（PSD）和支持向量机（SVM）的个体脑力负荷评估方法。结果表明：随着实验设计脑力负荷水平增加，被试的主观脑力负荷得分显著提高（p<0.001），这表明该实验任务设计较好地诱发了低负荷、中负荷和高负荷情境。在此基础上，通过网格搜索法确定个体脑力负荷评估模型的统一优化参数，惩罚系数取3 000，核函数参数取0.000 1，模型测试正确率达到0.966 5±0.029 8，宏平均的受试者工作特征曲线下的面积（Macro-AUC）达到0.991 0±0.011 4。本文为作业人员脑力负荷状态的客观和准确评估提供了一种新的办法，为后期作业人员脑力负荷状态的实时判别提供模型基础。     

失效概率矩独立全局灵敏度分析的高效算法

失效概率矩独立全局灵敏度分析对指导可靠性优化至关重要，本文从乘法降维及Edgeworth级数展开的角度提出一种失效概率矩独立全局灵敏度指标分析的高效算法。所提算法通过Edgeworth级数展开将失效概率矩独立全局灵敏度指标的求解转化为输出无条件及条件前四阶整数矩的求解。对于输出的无条件及条件四阶矩的计算，基于乘法降维的思想，本文推导了重复利用计算输出的无条件矩的输入输出样本来计算条件矩以及外层关于输入变量一维积分的计算公式，使得仅需重复利用输出无条件前四阶矩求解产生的积分网格内的数据即可同时求得输出的前四阶条件矩以及外层关于输入变量的一维积分。所提算法大大提高了失效概率矩独立全局灵敏度的分析效率。航空发动机涡轮盘以及汽车前轴的分析结果验证了所提算法的高效性及准确性。     

三维叶轮机叶片黏性反问题设计改进方法

提出了一种改进的适用于三维黏性流场的叶轮机叶片反问题设计方法。该方法假设叶片的中弧线具有虚拟移动速度,其位移量由目标载荷与实际载荷的差值计算,并利用黏性底层厚度进行限制。采用三次B样条曲线插值方法对叶片中弧线进行光顺,新叶型通过更新后的中弧线和给定的叶片厚度得到。算例验算结果表明:该方法能够根据设计意图对叶型进行修改,鲁棒性强,收敛速度快,叶片的可变自由度高,不依赖于特定的网格和求解器,具备一定的通用性。      

分布式容错配电系统设计与仿真

阐述了分布式容错配电系统的功能需求及构型设计,完成了分布式容错配电仿真验证系统的研制,并进行了试验验证。结果表明:系统运行可靠,控制逻辑正确,系统设计满足功能要求。     

基于改进准则法的复合壳阻尼结构拓扑减振动力学优化

针对复合壳阻尼结构的拓扑减振优化问题，以约束阻尼层的有限单元为设计变量，采用体积比、模态频率和振型为优化约束条件，构建以多模态权重系数的结构模态损耗因子数值关系为优化目标函数的拓扑减振优化模型。为了拓展优化目标灵敏度具有不局限于某一变密度法插值模型的形式，推导了数值表达式的一般函数式。动力学优化中优化目标灵敏度正、负数集共存，使得非凸性的目标函数设计变量出现负值或优化函数寻优于局部极值点。为此，推导出复合壳阻尼结构的全域灵敏度改进优化准则法迭代格，以确保每次迭代域均为全域设计变量集。结合有限单元法编程实现了复合壳阻尼结构改进准则法，并对复合壳结构进行拓扑减振优化分析。结果表明：在敷设体积减为全覆盖的50%时，复合壳结构的模态损耗因子增减偏差为10%，具有提升减振的轻量化设计目的；各阶目标函数和拓扑构型所需的迭代次数少，中间密度区域较小，多阶优于单阶模态优化函数，易于获得全域寻优的有效减振。     

弹片热机械疲劳试验方法研究及设计

针对弹片的热机械疲劳（TMF）试验要求，采用机械设计技术、机电技术、冷却技术、计算机技术和数据采集技术，提出了压力载荷和热载荷的加载方法，建立了2种载荷5个试验件的并联试验控制系统，并设计了弹片热机械疲劳试验器。试验结果表明:该系统能够同时模拟服役环境下弹片的压力载荷和热载荷。利用该试验系统进行了弹片的热机械疲劳试验，试验结果再现了弹片在服役状态下的失效模式。试验系统具有良好的重复度、较高的加载频率和加载精度。压力载荷最大相对误差为2.4%，绝对误差小于0.5N。温度载荷最大相对误差为3.55%，最大绝对误差为3.89℃。      

弯扭复合大负载下电动舵机设计及性能试验研究

针对弯扭复合大负载工况下电动舵机快速性与稳定性匹配的问题,在分析有限空间质量约束下舵机设计要求的基础上,采用基于核心部件与系统仿真及试验验证相结合的手段,提出了一种高刚度高功率密度的抗弯扭复合大负载电动舵机设计方法。详细阐述了高功率密度伺服电机和高刚度传动机构的设计过程,并研制了工程样机。试验结果表明:该电动舵机伺服刚度与功率密度得到显著提升,在复合大负载工况下能够实现高动态高可靠稳定运行。     

基于核主成分分析的空域复杂度无监督评估

空域复杂度评估作为衡量空域运行态势、管制员工作压力的关键手段，是运行调控的基础。由于影响因素众多，不同因素间耦合关联复杂，且标定样本很难获取，空域复杂度的准确评估被公认为航空领域的一个挑战性问题。提出了一种空域复杂度的无监督评估方法。首先通过核主成分分析挖掘原始样本各维度的非线性耦合关系，准确提取能够最大化复杂度评估信息量的主成分，进一步设计了可按需定制的主成分聚类方法，实现了无监督条件下空域复杂度的准确评估，为空域划分、流量管理提供了有效的技术支撑。     

基于TEC的空间站末端回路温控系统建模及其热力学性能分析

针对空间站中间回路温度波动过大,高温时导致科学载荷工作温度超出允许范围的问题,设计了一种基于热电制冷器(TEC)的末端单向流体回路温控系统。该系统包含一个TEC温控模块,当中间回路温度过高,末端回路冷却功率不足时,该模块可提供额外的制冷量,降低流入冷板的工质温度,形成针对科学载荷的相对低温区域,恢复回路的冷却能力。分别建立了温控系统数学模型与数值仿真模型,并完成了热负载扰动、中间回路温度扰动、末端回路流量扰动和并联支路热扰动等4种扰动对系统热力学特性影响的仿真分析,验证了TEC模块的温控性能。结果表明:在科学载荷发热功率增加30%、中间回路的温度升高5K、末端回路流量减小至0.0015kg/s等多种工况下,所设计的温控系统能够将载荷温度控制在1K以内,实现科学载荷精确温控。