基于试验数据与使用数据融合的产品寿命可靠性分析方法

可靠性数据分析作为描述、评价产品可靠性的理论方法,已经成为可靠性工程的重要组成部分。针对产品在实际使用中存在未失效数据且数量较多的情况,提出一种将试验数据与使用数据相融合的产品寿命可靠性分析方法。在产品寿命服从典型分布时,利用试验数据与使用数据融合后的数据,采用随机右截尾情形下的极大似然估计方法估算产品寿命分布函数中的参数,进而对产品寿命的可靠性进行分析计算。结果表明:在相同的可靠度和置信水平下,利用试验数据与使用数据融合后增大了样本容量,提高了产品可靠性分析的准确性。     

世界时与地球时转换经验公式的改进与比较

针对世界时与地球时的差值ΔT问题,提出了新的拟合多项式。基于美国海军天文台发布的1657年~2020年间的ΔT数据,以及IERS(International Earth Rotation and reference systems Service,国际地球自转和参考系服务组织)公报中公布的LS(Leap Seconds,跳秒)数据,在美国NASA(National Aeronautics and Space Administration,国家航空航天局)经验公式的基础上进行了改进,分别用3次、4次、5次、6次多项式进行拟合。然后,基于最小二乘法得到一组多项式经验公式,可适用于公元纪年、儒略日、简约儒略日以及从J2000.0起算的儒略世纪数等4种时间格式。通过精度计算表明,该组经验公式计算结果与USNO(United States Navy Observatory,美国海军天文台)基准序列的残差不超过±1.29s,与IERS基准序列的残差不超过±0.16s,整体优于NASA经验公式的计算精度。同时还给出了得到更高精度经验公式的拟合方法。     

EMD滤波在捷联惯导晃动基座初始对准中的应用

为了实现晃动基座情况下光纤捷联惯性导航系统的高精度初始对准,提出了一种基于经验模态分解(EMD)法去噪的抗干扰初始对准算法。该算法在凝固惯性系下进行姿态更新,以反映载体在晃动干扰下的姿态变化,从而消除角运动干扰的影响;并针对EMD法的不足对其进行改进,然后对加速度计的输出进行去噪,以消除线运动干扰的影响。结果表明:改进后的EMD法具有良好的去噪效果,基于EMD法去噪的抗干扰初始对准算法具有角运动和线运动的干扰抑制能力,能够实现晃动基座下的高精度抗干扰初始对准。     

航空发动机风扇宽频噪声预测技术发展研究

综述了风扇宽频噪声预测技术在航空发动机噪声控制领域的研究进展和应用,包括经验模型、分析模型、计算气动声学和机器学习等方法。对这些方法的发展现状进行了回顾,并对国内外情况进行了对比分析。研究发现,不同的预测模型适用于不同阶段的设计过程,如经验模型适用于概念设计阶段,分析模型适用于通流设计阶段,计算气动声学适用于详细设计阶段。此外,基于机器学习的风扇尾迹湍流预测是一个重要的研究方向,提高训练效率和预测精度将显著提升机器学习的适用性。最后,对风扇宽频噪声预测方法进行了简要总结和展望。     

三种导航卫星故障识别方法的等价性研究

通过分析比较卫星导航系统自主完好性监测算法中常用的三种故障星识别方法,文中提出它们在实质上是一致的观点。从理论上证明这三种方法的等价性,并分别通过模拟数据和GPS观测站的实测数据,验证三者的等价关系。结论对于在不同应用环境下减少识别运算量、提高识别速度有实际意义。     

词汇象似性及其对英语词汇教学的启示

象似性是认知语言学研究的中心内容之一,它认为语言的形式和意义之间的关系是有理据的,语言符号的各个层面上都存在着象似性.本文着重从语音、形态、语义、词序、词源等方面探讨英语词汇的象似性,并探讨其对英语词汇教学的启示意义.     

基于半经验耦合的贫熄边界预测方法

提出了一种根据FV(flame volume)模型与燃烧室热态仿真相结合的贫油熄火边界耦合预测方法。利用两种不同构型五个不同方案燃烧室的贫熄试验数据对此方法进行验证,结果表明:对于直流型燃烧室与回流型燃烧室,FV模型中的经验常数K分别取1.35和0.55时,能够保证各方案燃烧室的贫油熄火边界预测精度均在±20%以内。相比于Lefebvre模型,此方法的计算精度更高、适用范围更广。      

多通道相关-自适应轴承故障诊断方法

提出了多通道相关-自适应共振解调(MCC-ARD)方法 ,该方法使用冗余信号源采集故障信息,并利用谱峭度(SK)优化经验模态分解(EMD)的分解效率,根据互相关系数更加合理地选择本征模态函数(IMF)分量完成重构,对重构IMF进行包络解调,实现对滚动轴承的故障诊断。通过对多通道相关-自适应共振解调方法的实测数据分析,结果表明:该方法不仅克服了单一信号源系统修正能力差的缺陷,而且相频谱辨识率为传统EMD结合谱峭度共振解调方法的2.7倍,对滚动轴承故障的诊断结果更加清晰、准确。     

基于Birge-Massart阈值降噪与EEMD及谱峭度的滚动轴承故障特征提取

针对传统共振解调方法易受噪声干扰导致故障特征提取效果不佳的问题,提出了一种基于Birge-Massart策略的阈值降噪与集成经验模态分解(EEMD)和快速谱峭度算法相结合的滚动轴承故障特征提取方法。对原始故障信号进行EEMD并采用峭度准则筛选出含有故障信息的本征模态函数(IMF)分量;采用Birge-Massart策略和快速谱峭度对故障信号进行滤波降噪;对滤波后信号进行Hilbert包络解调,提取轴承故障特征。采用该方法分别对仿真信号和实验信号进行特征提取,结果表明该方法可以有效提高故障信号信噪比,清晰准确地获取轴承内、外圈故障的频率特征。利用峭度因子准则筛选IMF分量能有效保留原始故障信号中的冲击特征,去除无关IMF分量的影响。