叶片专用测具检定方法改进

通过对叶片专用测具检定方法的改进，提高了检定工作效率，验证了测具设计及制造的准确性，保证了叶片加工质量。与传统的叶片测具检定方法相比，提出改进叶片测具检定技术的新思路、新方法。     

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型（HMM）和最小二乘支持向量机（LS—SVM）相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。     

基于自适应RVM的电子系统缓变故障预测方法

针对电子系统缓变故障的预测问题,提出一种自适应相关向量机(RVM, Relevance Vector Machine)方法.首先,对反映电子系统性能的参数序列进行相空间重构,建立RVM的输入输出对应关系;然后,将嵌入维数和核函数参数作为人工鱼位置,取留一交叉验证(LOOCV, Leave-One-Out Cross-Validation)误差的相反数作为目标函数,利用人工鱼群算法(AFSA, Artificial Fish Swarm Algorithm)实现方法参数的自适应优化选择;最后,通过雷达发射机高压电源与多注速调管的故障预测实验验证了方法的性能.实验结果表明:该方法在预测精度和预测可靠性方面优于现有方法.     

亲身经历UFO

本人曾经在各种报刊和杂志上看到过有关飞碟的报道，但从没有想到会亲眼目睹它的风采。 　　1999年 12月 1日是我永远难忘的一天。那天下午 17时左右，我经过厂区的一个露天车间时，无意中抬头一看，猛然发现在正东方，视线与地面呈 60夹角的天空中快速飞过一个碟状飞行物。该飞行物外观像一个铁饼，中间隆起两个很完美的半圆，通身发出橘红色的光芒 (也可能是反射落日的余 晖 )。它速度极快地由南向北飞过，飞行高度要比普通民航客机低。我感觉它仿佛是在跳跃着飞行，这也许是它极快的速度给我造成的错觉。我心中一阵惊喜，急忙往办公…     

基于状态条件概率的设备剩余寿命预测

针对机载设备剩余使用寿命预测中存在的不确定性因素,建立了基于状态条件概率分布的机载设备剩余寿命模型.首先,引入状态条件概率矢量对隐马尔科夫模型（HMM,Hidden Markov Model）进行不确定性改进,并推导了其计算形式.其次,给出了近似确定状态退化转移时间的方法,由此得到了以状态条件概率矢量为协变量的条件可靠度函数及剩余寿命模型.最后,以飞机发动机温控放大器为应用对象进行仿真计算.仿真结果表明该模型预测精度高,能够较大程度地降低不确定性因素的影响.      

专用零件测具检测方法的改进与管理

通过对专用零件测具检测方法的改进，提高了检测工作效率，验证了测具设计及制造的准确性，保证了专用零件加工质量。与传统的专用零件测具检测方法相比，提出改进专用零件测具检测技术的新思路、新方法。     

相关向量机及其在故障诊断与预测中的应用

相关向量机(RVM)是一种基于稀疏Bayesian学习理论的新型机器学习方法,具有概率式输出、稀疏性强、参数设置简单、核函数选择灵活等优点,克服了人工神经网络(ANN)和支持向量机(SVM)等典型机器学习方法的诸多固有缺陷。文章从模型选择与优化、模型计算效率和模型鲁棒性改进3个方面综述了RVM的理论研究进展;总结了RVM在故障诊断与预测中的应用研究现状;分析指出了当前研究中存在的问题,并讨论了基于RVM的故障诊断与预测技术的研究方向。