设备动态管理及预警维护模型的研究

随着先进设备的大量引进，设备的复杂性不断增加，这就给运行和维护带来了更多的困难。在分析了设备管理的目标和国内设备管理现状的基础上，本文提出了一种新的动态设备管理和预警维护模型并讨论了如何利用这种模型逐步优化设备管理。     

载人航天故障统计分析及其安全性要求体系研究

载人航天故障统计分析及其安全性要求体系研究沈作军一、前言安全性是载人航天活动中一个关键而敏感的问题。国外载人航天活动的经验表明，为保证航天员安全，首先要研究制定和完善安全性要求，而安全性要求一经明确，便成为系统安全性设计的目标和进行安全性验证的依据。...     

氢涡轮泵转子不稳定因素分析

通过实例说明，液氢低温下钢和铝材料收缩量不同所引起的转子松动可能是氢涡轮泵次同步进动的主要原因。     

波音48段ITEM681精加工故障的原因分析和改进措施

波音48段装配线上出现ITEM681精加工后平台接头精加工面端头产生台阶并造成孔短边距的故障，通过详实的分析论证，找到了发生故障的根本原因，并给出了相应的改进措施。     

应用人机工程学减少雷达维修中的人为差错

据有关部门对民航系统历次安全隐患、事故征候及安全事故的分析，结论是：二分“天灾”，八分“人祸”，即由于人为因素引发飞行事故的比例高达80％。在空管的运行保障部门内，由于人为差错导致通信、导航、监视等设备故障率增高、可靠性下降、维修费用加大等现象都不同程度地存在，研究并应用人为因素学即人机工程学，对于减少雷达维修中的人为差错有着非常重要的意义。     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

基于DWNN的机电作动器渐变性故障诊断

飞机飞行控制系统机电作动器（EMA）的渐变性故障很难准确预判,若不能及早发现而任其发展就会影响到飞机的飞行安全性。针对EMA的渐变性故障,提出一种基于动态小波神经网络（DWNN）的故障诊断方法。首先,利用EMA在电机电枢绕组匝间短路、传动装置丝杆和滚珠磨损等多种渐变性故障状态下的运行数据来训练DWNN故障诊断模型;然后,利用训练好的DWNN模型对EMA渐变性故障进行诊断。创新之处在于DWNN模型利用小波分解算法去除了传感器测量信号中高频分量的影响,利用反馈神经网络的记忆能力融合了过去输入的信息和过去预测的信息,提高了对EMA渐变性故障诊断的准确性。通过对某型EMA进行故障诊断实验,仿真结果表明所提出的DWNN方法可以实现对EMA部件渐变性故障的准确诊断。