排序方式: 共有28条查询结果,搜索用时 15 毫秒
2.
基于模糊灰色聚类和组合赋权法的飞机健康状态综合评估方法 总被引:4,自引:2,他引:4
针对目前飞机健康状态不易准确评估的难题,以飞机液压系统为具体研究对象,提出一种基于模糊灰色聚类和组合赋权相结合的健康状态综合评估新方法。首先,利用熵权法和层次分析法(AHP)分别计算并确定飞机液压系统各关键部件相关参数的权重,再通过组合赋权法将上述两种权重进行组合,得到具有主客观意义的组合权重。第二,采用灰色聚类法评估飞机液压系统各关键部件的健康状态。针对评估结果,由飞机液压系统各关键部件聚类系数创建飞机液压系统的健康评估模糊评判矩阵。然后依据该矩阵,采用熵权法和AHP分别求出各关键部件权重,并用组合赋权法进行组合。最终,采用模糊综合评判法评估飞机液压系统的健康状态。以某型飞机真实液压系统为例进行了试验验证,结果表明,所提出的基于模糊灰色聚类和组合赋权相结合的健康状态综合评估方法能够有效实现飞机液压系统健康评估的效能,具有很好的工程应用价值。 相似文献
3.
6502电气集中由于其自身技术上的缺陷,在运用过程中,发现许多安全隐患,已造成多起重大安全事故。大连湾车站承担着大连港务局主要的货运任务,其安全尤为重要,因此对大连湾6502电气集中设备进行了技术改造。采用由抗干扰能力较强的∑-△技术实现的ADC芯片和单片机作为系统的核心,它将采集处理现场信息和调度员信息,并对这些信息进行连锁运算和报警,避免发生安全事故。单片机还将信息上传给微机,微机可随时动态回放现场情况。该系统在现场运用两年,取得了较好的效果。 相似文献
4.
本文提出一种重量信号的无线传输和测量方法。重量信号经传感顺转换成电信号,再经V/F变换后调频发射,接收信号解调后单片机处理。单片机的信号处理采用电子计数器测频方法,经过计算送显示单元,实现重量信号的遥测。 相似文献
5.
主要从扭矩法的角度对刀具铣削工件时破损的监测进行了较深入的理论探讨和试验研究。在分析其数学模型的基础上,提出了采用相邻齿周期峰值变化率作为特征信号这一新的信号处理方法,并自行开发研制了刀具破损实时监测系统。 相似文献
6.
基于灰色模糊与层次分析的多属性飞机维修决策方法 总被引:3,自引:0,他引:3
针对目前飞机在维修保障决策过程中难以科学运用专家知识导致决策不当的问题,以飞机液压系统为具体研究对象,创建了基于灰色模糊与层次分析的多属性飞机维修保障决策模型。针对飞机液压系统健康监测时出现的不同故障模式,由专家知识确定不同故障模式对应的故障征兆是否出现以及出现的显著程度,依据历史故障统计数据、故障机理分析结果和故障征兆出现显著程度这3种不同要素对维修保障决策的影响程度不同,采用层次分析法分别确定3种不同要素的灰色模糊权重。在此基础上,由灰色模糊权重、隶属度、点灰度构建灰色模糊关系矩阵,结合不同专家知识权重,得到灰色模糊综合属性值,再由灰色模糊综合属性值确定飞机液压系统的最优维修决策。研究结果表明,采用所创建的保障决策模型对飞机液压系统进行维修保障决策,所得结果与实际状况相符,证明了所创建保障决策模型的有效性,其具有很好的应用价值与前景。 相似文献
7.
基于组合预测模型的飞行器健康预测 总被引:4,自引:3,他引:1
针对飞行器健康状况难以准确预测的问题,结合GM(1,1)模型和MGM(1,n)模型的各自优点,提出了基于组合预测模型对飞行器健康信息进行预测的新方法.首先对由声发射传感器募集到的飞行器关键部件原始声发射信号进行五级sym4小波分解,分别提取其第五层小波分解系数的绝对值平均值、标准差和奇异值三种特征向量;然后分别用GM(1,1)模型和MGM(1,n)模型对绝对值平均值进行预测,利用BP神经网络将这两种模型的预测结果作为输入、原始数据作为输出进行组合预测.实验表明,这种组合预测方法可以很好地实现对飞行器关键部件故障信息的准确预测,其预测准确度明显高于单一预测模型,从而证实了该方法的有效性. 相似文献
8.
基于单片机的STD2020型智能测重多机通讯系统 总被引:1,自引:0,他引:1
STD2020型智能测重多机通讯系统采用了集CPU与A/D转换于一体Philips公司的80C552单片机为核心器件,配以外围辅助电路,构成了单片机应用系统,实现了对重量信息的实时采集、处理、显示及通讯、报警等多种功能。在论述了该系统的技术要求、系统结构、工作原理、硬件的组成及软件的设计的基础上,还报告了研制成功后的试验情况以及形成产品后,在辽河油田多家采油厂推广应用的情况。 相似文献
9.
10.
崔建国张善好于明月蒋丽英江秀红林泽力 《南京航空航天大学学报》2017,49(4):468-473
飞机结构的损伤严重影响着飞机的飞行安全,为了解决飞机复合材料结构损伤难以有效识别问题,本文提出一种基于广义回归神经网络(General regression neural network,GRNN)与极限学习机(Extreme learning machine,ELM)组合的飞机复合材料结构损伤识别新方法。首先对飞机复合材料层合板进行冲击,而后对其进行疲劳拉伸试验,通过优化布局在复合材料层合板上的光纤光栅传感器募集应变信息,并对其进行预处理。采用变分模态分解(Variational mode decomposition,VMD)对募集的应变信息进行自适应分解,得到多个基本模式分量(Intrinsic mode function,IMF)。计算各阶IMF分量的奇异熵,通过核独立主元分析(Kernel independent component analysis,KICA)方法对奇异熵进行特征融合,构建融合特征向量。采用融合特征向量建立基于GRNN-ELM的复合材料结构损伤识别模型,通过试验对损伤识别模型的有效性进行了验证,并分别与所构建的ELM和GRNN损伤识别模型的识别结果进行比较。结果表明,该方法能有效对飞机复合材料结构损伤进行识别,具有很好的工程应用价值。 相似文献