深度置信网络在发动机气路部件性能衰退故障诊断中的应用研究

为提高发动机转动部件性能衰退故障诊断精度,针对传统的浅层网络和支持向量机(SVM)方法在诊断时存在泛化能力欠缺、易产生局部最优解等问题,引入近年来在模式识别领域取得巨大突破,模拟人脑多层结构的深度置信网络(DBN)进行发动机部件性能衰退故障的诊断。为改进深度置信网络性能,提出一种在无监督和有监督训练阶段都可自适应调整权值的改进算法(ad_DBN)。以涡扇发动机为对象,将两种DBN算法与BP,RBF和SVM方法从诊断精度、计算时间、抗噪能力三方面进行综合比较分析。结果表明DBN算法诊断精度明显优于反向传播(BP)神经网络,径向基(RBF)神经网络和支持向量机(SVM)方法,得益于权值的自适应调整,ad_DBN诊断的平均精度高达97.84%,其抗噪声能力也明显优于其他算法,能够提高故障诊断的有效性和可靠性。     

应急通信中 WSN 的角色及生存性分析

无线传感网（WSN）具有部署方便、灵活健壮的特点,在应急通信场合发挥着重要作用,但复杂恶劣的网络环境对无线传感网的设计和部署提出了更高要求。说明了应急通信的特点,并分析了应急通信中无线传感网的角色及面临的技术挑战。从网络生存性的角度归纳了网络生存性的相关研究工作,并重点探讨了应急通信环境下无线传感网的生存性技术问题。     

热处理对砂型铸造Mg-Gd-Y合金微观组织和力学性能的影响

通过金相观察(OM)、扫描电镜(SEM)以及拉伸测试系统地表征和研究了热处理对砂型铸造Mg-Gd-Y合金微观组织和力学性能的影响。研究表明:固溶态GW94、GW74、GW44合金主要由α-Mg过饱和固溶体、铸态残留相Mg5(Gd,Y)以及固溶过程形成的方块相组成。随着Gd含量的增加,固溶态Mg-Gd-Y合金中方块相的体积分数不断增加;在同一时效温度下,合金达到时效峰值的时效时间缩短;室温下拉伸的固溶态、时效峰值态合金以及200和250℃下拉伸的时效峰值态合金的抗拉强度和屈服强度不断提高(固溶态合金屈服强度先降低后升高),但是伸长率却是不断降低。时效峰值态GW94合金表现出优越的力学性能,室温时其抗拉强度和屈服强度分别为300、247 MPa,而伸长率仅为0.9%;200和250℃拉伸时,时效峰值态GW94合金抗拉强度、屈服强度和伸长率分别为329、234 MPa和2.6%以及312、233 MPa和2.7%。时效峰值态GW94、GW74合金出现抗拉强度随温度升高而升高的反常力学行为。     

F-35飞机全球备件保障模式研究

F-35飞机作为美国国防战略至关重要的组成部分,由于备件短缺及全球范围内管理和运输零备件困难导致飞机性能不能满足作战人员需求。本文系统分析了F-35飞机全球备件保障模式及备件保障网络构成,总结其面临的问题与挑战,并介绍未来国防部对F-35飞机全球备件模式的设计,为我军装备航材备件体系建设提供参考和借鉴。     

Al/Ni含能多层膜在Al2O3陶瓷/不锈钢焊接中的应用

采用磁控溅射设备,生长AuSn合金做焊料层、Al/Ni含能多层膜做热量提供层,实现了不锈钢和Al_2O_3间的异质材料自蔓延高温扩散焊。利用SEM、XRD和DSC等测试手段表征AuSn合金和Al/Ni含能多层膜的微观形貌、相成分和放热量;用万能试验机测试焊接接头的力学性能。结果表明,AuSn合金的质量比基本达到80∶20,而多层膜的层状结构清晰,反应热达到1 239 J/g。焊接实验结果表明,仅使用AuSn焊料时,剪切强度仅为46 MPa,在增加Al/Ni含能多层膜后,其剪切强度可达90 MPa,强度提高了约一倍。焊接接头的界面显微形貌和相结构研究表明,剪切强度的增强主要是Al/Ni多层膜提供了额外能量使得界面处的反应剧烈,陶瓷金属化层与中间层的反应加剧,形成了新的反应生成物。     

基于功能脆弱性的空中交通相依网络流量分配

依据空中交通管理与航班运行规则,采用复杂网络理论构建由机场、航路与管制扇区组成的相依网络模型,建立不同扰动策略的影响规则,提出以网络流量熵和交通流损失比变化率为指标识别网络功能脆弱性。并以网络总流量熵最小为目标,建立基于改进遗传算法的网络流量协调分配策略,以降低空中交通相依网络的脆弱性。以民航华北地区空域为原型,发现了其相依网络脆弱性表现规律和脆弱源,采用遗传算法求解网络流量分配方案,优化结果降低了网络总熵值和功能脆弱性,其中机场网络流量分配后效果最为显著,验证了方法的有效性,研究结果可为空中流量管理决策提供一定的理论支撑。     

基于Windows的无线抢答系统的开发

本文通过Java语言设计了一个无线抢答系统的客户端,同时利用C#语言,基于.Net Framework开发了此系统的服务器。此系统基于无线局域网,运行在Windows操作系统平台上,实现了抢答者显示、在线者列表以及最后抢答结果展示等功能。     

基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

装备体系贡献率评估方法探究

未来装备必须坚持体系化发展,并通过贡献率评估明确在体系中的地位和作用。明确了装备体系贡献率的定义和评估意义,分析了定性评估法、基础技战术指标比较法、综合技战术指标灰靶比较法、基于装备体系的网络层次分析法、基于体系仿真及效能评估法等装备贡献率评估方法,并给出了灰靶比较法、网络层次分析法具体评估实例。同时,结合各评估方法特点,提出了网络层次分析法、体系仿真及效能评估法相结合的改进综合评估方法流程,实现装备体系贡献率的准确评估。