共查询到19条相似文献,搜索用时 78 毫秒
1.
针对目前发动机频发故障——N1振动过大进行发动机动平衡方法研究,以改进目前动平衡方法中多次试重启车的不足,采用了影响系数法的核心思想,通过对转子建模进行全息谱分析,利用遗传算法进行配重的优化搜索.该方法减少了动平衡过程中的启车次数,对降低发动机动平衡的成本费用有非常好的应用前景. 相似文献
2.
疲劳累积损伤是一个非稳态过程中以遗传算法优化后的三层BP神经网络来真实描述疲劳损伤的复杂关系,并检验了BP网络模型的准确性。考虑到材料疲劳损伤临界值和载荷的分散性,建立了疲劳失效动态准则,运用蒙特卡罗随机抽样法来仿真材料疲劳寿命的可靠性。对调质45号钢在随机载荷和两级载荷作用下,进行疲劳寿命可靠性仿真,与实验结果和理论分析比较吻合。 相似文献
3.
4.
5.
转子动力特性及动平衡研究综述 总被引:3,自引:1,他引:3
对转子动力特性及动平衡研究进行了综述.主要内容包括:转子动力特性研究,转子产生不平衡的原因及不平衡所引起的振动特点,柔性转子的平衡条件、平衡特点、评价标准、平衡目的和要求,柔性转子高速动平衡的一般方法,转子新型动平衡方法,转子自动平衡技术. 相似文献
6.
针对双金属冷结合技术中结合部位结构参数与结合力的复杂关系,建立装配过盈量、孔壁凹槽深度和凹槽宽度3种影响因素与双金属结合力之间的BP神经网络。通过正交试验选定数据进行神经网络的训练和测试,得到具有较高预测精度的神经网络模型。以建立的神经网络作为适应度函数,基于Pareto遗传算法进行针对结合力与变形量的多目标优化,得出结合部位的最优结构参数。 相似文献
7.
建立一个结构优化的系统模型是设计控制系统的基础,但对于实际系统尤其是非线性系统一般没有统一表达形式,其模型结构难以构造,对其结构优化难以实施,给非线性系统建模带来很大困难.为此,基于神经网络理论,分析了非线性系统的神经网络模型并对其神经网络模型结构进行仿真研究.基于OBS (Optimal Brain Surgeon)优化策略,对初始神经网络模型结构进行优化操作,进而获得结构优化的神经网络模型并对非线性系统的建模进行仿真.仿真结果表明,优化的神经网络模型对非线性系统的建模效果是良好的,其模型的泛化能力亦得到增强. 相似文献
8.
9.
10.
11.
12.
基于神经网络的电子线路故障诊断 总被引:1,自引:0,他引:1
分析了故障字典法在实际应用中存在的不足,提出将单位BP算法应用到电子线路的故障诊断中。对基于该方法的航空装备电子线路故障诊断进行了计算机仿真,并分析了网络参数的变化对训练结果的影响。仿真结果表明了该方法的合理性和有效性。 相似文献
13.
14.
利用神经网络进行故障诊断是近些年来所兴起的一种重要的智能诊断方法。我们就是根据航空维修的特点及神经网络的优点, 提出了应用BP网络对飞行器的故障进行学习、训练和诊断的想法。同时, 为了克服单独应用BP算法时存在的缺陷, 我们利用遗传算法(GA)对其进行了改进。我们利用面向对象的计算机编程技术, 开发了一个软件程序, 初步试验, 取得良好效果。最后讨论了在航空维修方面智能诊断的未来发展趋势。 相似文献
15.
文章分析了导弹武器系统的保障可靠性,选取了影响保障人员可靠性的 5个因素作为输入,建立了导弹保障可靠性的神经网络模型;运用 BP算法训练数据,得出各影响因素的重要度排序;并针对提高导弹保障人员可靠 性提出了一系列解决措施。 相似文献
16.
针对直升机旋翼/机体耦合动力学建模中,小角度线性简化带来的计算精度下降以及适用范围缩小等问题,在计算桨叶速度及加速度时,基于矩阵运算,保留了运动的非线性。对不同机体运动幅值和频率情况下的小角度线性简化对桨叶速度的影响进行了仿真分析,结果发现,随着机体运动幅值的增加,线性简化影响越来越大,滚转幅值 15°时,简化带来的误差超过 5%;俯仰幅值 15°时,简化带来的误差超过 6%,且随着机体运动频率的减小,误差越来越大。对不同桨距的情况进行仿真,结果表明,所建模型可以很好地模拟直升机的动态响应,采用该模型可进行直升机旋翼/机体耦合动态响应仿真分析。 相似文献
17.
基于Model 2020的直升机旋翼锥体及动平衡技术研究 总被引:1,自引:0,他引:1
长期以来,对于直升机减振方面的研究一直是热点和难点.直升机的振源主要有旋翼系统、发动机和传动系统等,旋翼是影响直升机振动的主要因素之一. 相似文献
18.
在阐述了小波变换和BP神经网络概念的基础上,根据小波神经网络故障诊断的基本思想,提出了一种基于“能量-故障”的小波预处理神经网络航空发动机诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了神经网络的训练速度,能迅速地进行故障的诊断。 相似文献
19.
提出了一种基于小波包变换的残差能量方法,对导弹动态测试数据进行分析处理,提取导弹的故障特征,并在此基础上利用神经网络有效地实现了故障的诊断和定位。 相似文献