基于D-S证据理论的磨粒识别

基于D-S证据理论的信息融合方法应用于磨损颗粒的自动识别,编制了相应的计算机识别程序。在对磨粒图象的形态特征参数进行筛选和统计分析的基础上,确定了各参数的统计容许限和决策基元概率。通过对一组标准磨粒的模拟识别试验,显示该方法具有算法简单、运行可靠、识别正确率高以及识别速度快的优点。      

基于改进支持向量机的油液在线监测系统

搭建油液在线监测实验平台进行磨粒分类识别实验,运用支持向量机和最近邻法相结合的方法对飞机发动机油液中的磨粒进行分类识别;其中基于支持向量机的磨粒分类器的输入为磨粒的主轴长度、纹理相关性、圆度等特征参数,输出为磨粒的分类结果;实验结果表明,基于支持向量机的磨粒分类器的分类准确率高达94％,并且由于最近邻法的使用,分类器的处理速度也提高了30％。     

润滑油金属磨粒的分类参数研究

 针对润滑系统中普遍存在的 8类金属磨粒,通过引入数字图像描述方法和处理技术,分别对磨粒的尺寸、形态、表面纹理以及颜色等参数进行了详细的研究,获取了各类磨粒识别的最佳参数,并提出了磨粒的分层识别策略,最后运用模糊 C-均值聚类方法实现了 8类磨粒的有效聚类。算例表明了本文方法的有效性。     

航空发动机油液监测中磨粒参数识别和优化研究

针对航空发动机油液监测中存在的磨粒特征参数过多的问题,采用主成分分析法进行了参数优化,经实践证明,用该方法可较全面地综合评价参数的分类状况,从而降低了磨粒识别的难度。     

基于D-S证据理论和不同子神经网络集成的磨粒识别

针对磨粒识别问题,建立了基于D-S证据理论的集成神经网络磨粒融合诊断方法.首先对特征参数进行优化分组,然后对每一组建立对应的分类子神经网络,分别采用径向基函数(RBF)神经网络和反向传播(BP)神经网络进行识别,得到初步的诊断结果,经过归一化后作为2组基本概率分配函数,最后运用D-S证据理论进行融合得到最终识别结果.算例分析表明,基于D-S证据法和集成神经网络的磨粒融合识别方法比单个诊断方法具有更高的准确性.     

基于磨粒磨损机理的机械磨损状态监测

针对机械设备磨损状态监测准确率较低的问题,基于不同磨损机理下磨粒具有不同的形状和纹理特征,提出了一种基于磨粒特征识别的机械磨损状态监测的数学模型。通过形状特征识别球状磨粒和切削磨粒,结合形状、纹理特征识别疲劳磨粒和严重滑动磨粒,基于提取的特征参数建立机械磨损状态监测的特征向量,通过量子粒子群优化(QPSO)的径向基函数神经网络模型,实现对机械磨损状态的监测和判别。实验结果表明:QPSO-RBF神经网络数学模型结构简单,比传统PSO-RBF神经网络模型的识别准确率高5%,可用于常见机械磨损状态的检测。      

一种航空发动机滚动轴承磨损故障监测技术

针对航空发动机滚动轴承磨损状态监测对长轴尺寸大于10μm的故障敏感磨粒检测的需要,研制了多功能油液磨粒智能检测与诊断系统,克服了传统光谱分析对大磨粒不敏感的缺点,以及传统铁谱分析检测步骤烦琐的不足,可直接对流动的油液中大于10μm的运动磨粒进行检测.提出了油液运动磨粒的7个数字特征参数及其识别策略,实现了磨粒的自动识别,识别率基本上达到99%以上.利用实际的航空发动机油样进行了试验验证,并与传统光谱分析进行了对比,试验结果表明该系统较光谱分析具有更强的检测力和更优的时效性.      

模糊聚类方法在PIO探测中的应用

用于驾驶员诱发振荡(PIO)探测的特征参数可以有效地反映出PIO时飞机在频域和时域的特征,利用模糊逻辑方法对特征参数进行辨识可以有效地识别出是否发生了PIO.模糊逻辑方法中的隶属函数直接反映了特征参数的特点,其设计决定了是否能有效地对PIO进行识别.为了设计有效的隶属函数,根据特征数据的特点采用球壳型模糊聚类算法对数据...     

基于改进蚁群算法和Mann-Kendall法的涡桨发动机性能预测

针对涡桨发动机复杂、非线性的工作环境，利用层次分析（AHP）法提取发动机工作状态特征参数，考虑各特征参数对工作状态识别的影响，以特征参数加权的改进蚁群算法为基础，进行发动机同一工作状态识别、聚类，并采用Mann-Kendall法开展发动机性能预测分析。利用多台涡桨发动机性能参数飞参数据进行验证，结果表明：该方法能准确识别发动机起飞、额定工作状态，巡航以下工作状态识别准确率达84%以上；此外，发动机性能预测效率提升了近50%，而预测错误率小于10%，可以满足航空兵部队维修保障工作的实际需要。     

航空发动机性能参数约简方法研究

对航空发动机进行性能参数约简以提取关键参数,是提高故障识别准确率和可靠度的必要条件,为此提出两种性能参数约简算法.基于灰色聚类算法的参数约简,首先计算参数间的灰色关联度,然后选取聚类中心进行聚类以提取特征参数.基于模糊粗糙集的参数约简,首先利用模糊聚类算法对连续数据进行离散化处理,然后用粗糙集理论进行参数约简.用某型航空发动机实际监测数据进行验证,结果表明:两种方法约简结果一致,以此约简结果进行故障诊断可提高诊断率,缩减运算时间.     

基于AHP-灰色聚类的飞机客舱内环境工业设计评价

飞机客舱内环境工业设计评价指标的因素较多,且存在不确定性和相对性,仅采用一种评价方法较难达到直观量化的要求。结合AHP（层次分析法）和灰色聚类方法,通过对飞机客舱内环境工业设计因素进行分析,建立层次化评价指标体系,量化出各层指标的权重,采用灰色聚类方法进行聚类,得出优劣值,从而分析设计方案的优劣情况。结果表明,方法在飞机客舱工业设计方案评价中具有适用性。     

基于模糊综合评价与灰色关联分析法的多工艺方案评价

为了使企业能够选择最佳的工艺方案指导实际生产,提出了基于模糊综合评价与灰色关联分析法的多工艺方案评价方法.该方法将模糊综合评价与灰色关联分析法融合在一起建立多工艺方案评价方法.在工艺方案优选结构图中通过对影响工艺方案质量的多种影响因素进行层次化分析,建立各影响因素的层次化模型;在数据标准化阶段,采用隶属度进行数据标准化操作;在计算权重时,在权重误差平方和最小的条件下采用主客观权重相结合的权重计算方法来代替传统灰色关联分析中的均值权重方法;最后通过关联系数和组合权重确定工艺方案的排序.以某航空发动机叶片零件来建立实例,结果表明:该方法具有良好的实用效果,满足多工艺方案优选的实际要求.      

基于灰色关联分析的复杂产品性能评估

灰色关联分析法建立在定性分析与定量研究相结合的基础上，是灰色系统理论中用于系统分析的一种基本方法。运用该方法建立了复杂产品性能的评估模型，论述了利用该摸型进行评估的基本步骤，通过给出一个灰色评估案例，验证了模型的正确性和实用性，为复杂产品性能的评估提供了新思路。该模型具普遍意义，能推广应用于其它复杂系统的性能评估。     

系统动态安全评价与预测的灰色方法

本文提出定量安全评价与预测的动态安全指标，灰色逻辑代数，然后使用ＧＭ（１，１）给出了系统动态安全评价与预测的新方法。     

基于灰色神经网络组合模型的航空发动机磨损趋势预测

航空发动机的磨损机理十分复杂,且受到诸多不确定因素影响,单一预测模型难以对其变化趋势进行有效预测。针对该问题提出了一种BP网络与改进灰色模型相融合的组合预测模型,并引入混沌理论的C—C方法确定BP网络的嵌入参数和时间延时。仿真结果显示,该组合模型相比单一的神经网络模型和灰色模型精度更高,更客观地反映出发动机滑油中金属含量的变化趋势,可为科学制定发动机维修决策提供重要依据。     

灰色聚类法在航空装备维修保障能力评估中的应用

通过对航空装备维修保障系统的分析,用灰色聚类法给出了航空装备维修保障能力评估指标体系综合评估模型,并进行了实例分析.     

基于灰色模糊与层次分析的多属性飞机维修决策方法

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。