铝蜂窝复合材料X,Y方向低温有效热导率的测试与研究

本文概述了铝蜂窝复合材料在x、y方向低温有效热导率的测试方法,给出部分测试结果。对试样的低温有效热导率给出了计算模型,并讨论、分析了测试计算结果。     

免疫支持向量机用于航空发动机磨损故障诊断

航空发动机在使用寿命周期内会不断磨损最终出现故障,通过对发动机油液监测铁谱分析数据的挖掘可实现磨损故障的诊断。本文研究免疫算法优化的支持向量机(SVM)在航空发动机磨损故障诊断中的运用。首先,总结了支持向量机和免疫算法的运行流程和关键算法。然后,用改进的免疫算法优化支持向量机惩罚因子、松弛变量及核函数参数。某型航空发动机的油液铁谱分析数据和加入噪声数据验证结果表明,该方法可有效实现航空发动机磨损故障诊断且具有较好的鲁棒性。最后,研究了核函数、多分类决策方法、初始种群大小、亲和力计算公式、支持向量机优化方法和归一化方法对磨损故障诊断准确率的影响,得到了最佳诊断方法。     

状态划分下基于Bi-LSTM-Att的轴承剩余寿命预测

准确预测滚动轴承剩余使用寿命(remaining useful life, RUL),对于保证工程设备安全稳定可靠运行具有极其重要的作用.现有深度学习预测方法往往直接建立振动监测数据与剩余寿命之间的映射关系,通常忽略滚动轴承性能退化的不同状态差异性,且并未考虑深度学习模型所提取各类特征的差异性,给剩余寿命预测结果带来了极大的偏差.鉴于此,提出一种新型滚动轴承退化状态划分方法和RUL预测方法.提取轴承振动信号的特征,利用Mann-Kendall检验法进行趋势判断,确定出退化期的起始点;通过归一化奇异值相关系数走势确定出慢速退化期的终点;构建基于融合注意力机制的双向长短时记忆网络(bidirectional long short-term memory with attention, Bi-LSTM-Att)的滚动轴承RUL预测模型,利用所截取的慢速退化期数据与对应RUL标签训练预测模型实现RUL预测.通过轴承公开数据集验证所提方法对轴承RUL预测的准确性和有效性.     

Ni—Ti记忆合金低温电阻率测试与研究

本文概述了Ni-Ti记忆合金低温电阻率测试方法,对测试结果进行了分析,并讨论了不同热处理工艺过程对Ni-Ti合金电阻率与温度关系及合金的热弹性马氏体相变点M的影响,并给出了测试结果。     

基于模糊信息粒化和优化SVM的航空发动机性能趋势预测

提出采用模糊信息粒化(FIG)和优化的支持向量机(SVM)来预测航空发动机参数的变化趋势和变化空间。利用模糊信息粒化方法对性能参数进行粒化处理。以K CV验证误差最小作为优化目标,采用遗传算法(GA)实现支持向量机惩罚参数和核函数参数的自适应优化选择;训练SVM模型并进行并对模糊粒子非线性预测。利用某航空公司的某型航空发动机性能参数监测数据进行验证,结果表明:该算法可以有效实现航空发动机性能参数变化趋势和变化空间预测。在实例基础上分析了窗口大小对算法预测精度的影响以及算法多步预测的效果,得出算法最佳窗口大小为3个数据且算法3步以内预测误差小于10%。      

低速冲击下金属蜂窝夹芯板抗侵彻性能的试验研究

利用落锤冲击试验系统,研究了金属蜂窝夹芯板在低速冲击载荷作用下的抗侵彻行为。试验获得了平头、半球形和锥形锤头冲击下蜂窝夹芯板的破坏模式和力-位移曲线,分析了锤头形状和芯材厚度对夹芯板最终破坏模式、力-位移曲线和临界破坏能量的影响。试验结果表明:夹芯板在平头、半球形和锥形锤头冲击下上面板分别产生了圆形剪切、圆形拉伸和钻石形的最终失效模式,下面板的最终失效模式分别为圆形剪切、瓣形开裂和瓣形开裂;金属蜂窝夹芯薄板在锥形锤头和半球形锤头冲击下的力-位移曲线会出现单峰模式,金属蜂窝夹芯厚板在锥形锤头和半球形锤头冲击下的力-位移曲线则是双峰模式,而在平头锤头冲击下的金属蜂窝夹芯板的力-位移曲线均为双峰模式;金属蜂窝夹芯薄板抵抗半球形锤头侵彻的能力最好,抵抗平头锤头侵彻的能力最差,而金属蜂窝夹芯厚板抵抗锥形锤头侵彻的能力最好,抵抗平头锤头和半球形锤头侵彻的能力较差。     

非线性结构动响应的Taylor级数解法

Taylor级数方法是结构动力分析中一种新的时间积分方法,它在求解线性问题方面的理论和应用已经比较完善和成熟.将Taylor方法进一步用于非线性结构动响应的求解,对于非线性项可以表示为多元多项式的结构动响应问题,建立了Taylor级数方法的理论,给出了递归求解通式.通过对典型方程的求解,阐述了Taylor级数方法的应用.算例表明,Taylor级数方法解决非线性结构动响应问题是行之有效的.     

基于Box-Cox变换与随机系数回归模型的非线性退化设备剩余寿命预测方法

准确预测退化设备的剩余寿命可以为设备维护管理提供重要信息支撑，进而避免设备运行中发生计划外失效、减少设备运行维护成本。针对工程实际设备广泛存在的非线性退化现象，提出了基于Box-Cox变换与随机系数回归模型的非线性退化设备剩余寿命预测方法。首先，采用Box-Cox变换对非线性退化数据进行线性化处理，在此基础上通过随机系数回归模型构建退化模型，并运用Bayesian理论与蒙特卡洛-期望最大化算法在线更新模型参数；然后，基于随机系数回归模型的特性，推导出剩余寿命的分布函数以及其点估计值；最后，通过数值仿真和锂电池实际退化数据验证所提方法的有效性。