一种基于事件序列的故障树最小割集算法

在系统分析故障树最小割集各种求解算法的基础上,提出了一种故障树事件序列的数据结构,并针对该数据结构,设计了一种高效的故障树最小割集求解算法,并对其替换子算法、复制子算法和消减子算法进行了形式化描述。算法可有效降低最小割集生成中的“组合爆炸”问题,实验结果表明算法具有较好的计算性能。     

航空薄壁结构有限元建模的智能化求解模型研究

介绍了利用CAD、网络自动剖分和人工智能技术相结合进行航空薄壁结构有限元建模的问题求解框架，着重论述了建模过程中模型演变的四个不同阶段的任务，提出了适应于建模各阶段的整体式知识表达模型，并对采用黑板机制来组织知识推理和算法任务调度的过程求解模型做了描述。该问题求解框架有助于构造高效实用的复杂薄壁结构有限元建模专家系统。     

基于不完备模糊规则库的信息融合故障诊断方法

在基于模糊推理的故障诊断专家系统中,规则库的不完备常常会引起系统的某些输入产生的输出不确定。针对此问题,将模糊推理与证据理论相结合提出了一种新的融合诊断方法。首先根据证据的随机集表示及随机集扩展准则将模糊输入映射到输出,并聚合生成故障命题的基本概率赋值(BPA),以度量由规则库不完备和输入模糊性引起的输出不确定。然后利用Dempster组合规则将多个不完备规则库提供的BPA融合,用融合结果判决故障,并以电机转子故障诊断为例,验证了所提方法可以有效地提高故障确诊率。     

基于奇异值分解的铅锌冶炼过程故障二次分离

铅锌冶炼过程是非常复杂的反应工艺,工况变化较大,在线监控和故障诊断的难度很大。铅锌冶炼过程故障分离的目的是根据异常监控变量来判断故障类型,由于铅锌冶炼过程故障的特殊性,不同类型的故障可能导致相同的监控变量发生异常,采用传统的故障分离方法不能有效地判断故障类型。本文提出一种基于奇异值分解的故障二次分离的方法,通过进一步分析监控变量和故障类型的对应关系,解决故障分离不彻底的问题。试验结果证明了方法的有效性。     

自治式水下机器人推进器故障检测、分离与重构

研究自治式水下机器人推进器故障检测、分离与重构问题。针对水下机器人故障诊断残差法中残差阈值不易选取的问题,提出了一种基于观测器的水下机器人推进器故障检测与分离方法,通过构建故障检测观测器对推进器故障与残差信号进行解耦,使推进器出现故障后仅引起与其相关的残差呈单调变化,从而可选择较大的阈值进行故障检测以提高诊断系统的可靠性,该方法在故障检测的同时可进行故障分离。针对系统不确定性导致的推进器故障重构精度低的问题,提出了一种RBF神经网络与等效输出注入相结合的故障重构方法,采用等效输出注入方法估计不确定性项,从神经网络输出中重构推进器故障。     

基于时滞分解的线性时滞系统主动容错H_∞控制

采用一种具有广义内模控制结构的反馈控制器,研究一类线性时滞系统的主动容错H∞控制问题。针对可由外系统描述其动态行为的故障,设计基于观测器的故障估计器,并将故障估计用于反馈控制的故障补偿。采用一种新的时滞分解方法选取Lyapunov-Krasovskii泛函,推导并证明问题可解的充分条件,最后给出主动容错控制系统的设计算法。最后通过算例验证了提出方法的有效性,并且利用时滞分解方法,保守性减小。     

力限振动试验技术理论基础研究

为了深入理解双控方程,由运载火箭有限元模型的多自由度子结构方法,导出缩聚在星/箭连接界面处的全箭动力学方程,定义相应参数后,导出星/箭耦合中的双控方程,给出界面加速度、有源机械系统的自由加速度、界面力、紧固力、源阻抗和负载阻抗表达式,从而加深了对星/箭耦合双控方程的理解,进而促进力限试验技术研究.同时,从多自由度模型简...     

电热除冰的热力耦合特性及其对冰层的影响研究

采用计算和实验相结合的方法,初步研究了电热除冰过程中的热力耦合特性及其对冰层的影响.在电加热条件下,耦合外部气动力载荷的作用,采用有限元方法计算了不同热流密度下表面冰层和蒙皮间界面法向和切向应力的分布,比较了加热/不加热条件下界面法向和切向应力分布的差别,研究了冰层最大主应力随热流密度的变化规律.研究发现,电加热条件下,在表面冰层融化前,热力耦合特性将造成冰层内部应力的显著增加,从而 造成冰层局部区域的破裂,加速冰层的破坏.同时,设计的原理性实验结果验证了热力耦合特性对冰层的破坏影响.研究结果对于电热除冰理论和除冰技术的发展有现实意义.     

战斗部中火工品装配技术研究

介绍了战斗部用火工品的分类、组成和原理,论述了各种火工品在战斗部中装配的安全要素,装配过程中发生的主要故障,以及故障处理和预防。工程应用表明采取安全技术措施和故障处理技术,杜绝了火工品装配引起的安全问题,产品的故障率大幅度下降。     

基于改进GWO-LightGBM的滚动轴承未知故障诊断

针对滚动轴承未知新故障误判影响轴承安全性和检修效率的问题,提出了一种基于改进灰狼算法（GWO）和轻量级梯度提升机（LightGBM）的故障诊断模型,实现已知/未知故障的高精度判别。为避免单一尺度下特征提取的缺失,对滚动轴承振动信号分别提取时域、频域和小波域特征建立多域特征集。设计了带未知新故障判别机制的GWO-LightGBM模型,并构造含有Halton序列和模拟退火策略的GWO实现了模型参数有效优化。实例试验结果表明,模型对已知和未知类故障平均识别率达99.57%,10次随机试验平均识别率分别比单一分类模型逻辑回归（LR）、最近邻分类器（KNN）和支持向量机（SVM）高21.98%、17.00%、9.27%,验证了模型的有效性和优越性,能高准确率地识别出已知或以前从未出现的新故障。