叶片精铸模CAD／CAM研究

介绍了精铸模ＣＡＤ系统的设计思路,针对人工设计中的难点,采用曲面造型、实体造型和特征造型相结合的方法辅助模具设计;重点介绍了分模面的设计原则及其分模面的计算与生成方法,对形状无大的差异而尺寸有所变化的零件进行参数化设计。     

CHZ型重力仪重力测量伺服回路的分频段控制方案

针对原有CHZ型海洋重力仪重力测量伺服回路PI控制模型的不足,提出对强扰动频段(海浪频率)用一个独立反馈回路进行抑制衰减的方案,并进行了理论分析和建模仿真,表明该方案可将海浪对采样质量的扰动幅度降低50％以上,并提高重力测量带宽一个量级,因此可改善重力仪在恶劣海况下的工作性能,改善测量中的非线性效应.     

正态分位点的矩阵算法浅析

假设标准正态的t分位点记为z(t),本文将根据z(t)的Taylor展开式中各个系数之间的矩阵递推关系,给出一种计算z(t)的近似值的方法,并给出具体的程序运算来验证本文的结论.     

基于Nash-Pareto策略的两种改进算法及其应用

针对多目标、多设计变量的优化问题,提出了两种优化的新算法:一种是将多目标问题转化为单目标时,对目标权重的确定提出了新的途径;另一种是直接对多目标问题进行优化,并对Pareto遗传优化技术作了改进,以得到均匀分布的Pareto最优解集.两种新算法都是建立在Nash的系统分解与Pareto遗传算法的基础上,因此称这类算法为Nash-Pareto策略.借助于这类算法,文中以跨声速压气机双圆弧类叶型的气动优化为例,给出了气动优化的全过程.数值优化的实验表明所给出的改进算法是可行的、有效的.     

基于混合先验分布的导弹武器系统飞行可靠性评估

在小子样情况下,把导弹武器系统各个分系统的试验信息折合为现场试验信息,然后综合利用各种信息（地面试验信息,不同阶段的试验信息等）,运用基于专家系统确定权重区间的分层Bayes方法,对导弹武器系统的飞行可靠性进行评定。算例表明,该方法比直接提供权重估计的方法更稳健,可信度也更高。     

基于FA-NSGA分扭传动系统的均载和轻量化优化设计

以提高均载性能和轻量化为目标对某分扭传动系统进行了多目标优化设计.建立了分扭传动的非线性动力学模型,通过计算不同输入功率和输入转速下的均载系数,衡量分扭传动系统均载性能.以分扭传动系统参数为设计变量,考虑多工况条件,建立了以均载系数和质量最小为目标函数的多目标优化模型.为了提高计算效率,提出了具有适应值预测机制的非支配排序遗传算法（FA-NSGA）.利用3个基准函数对FA-NSGA进行收敛性和有效性的测试.结果表明:FA-NSGA对于3个测试函数均能获得满意的最优解,并且都能减少60%以上的真实适应值计算次数.采用FA-NSGA对实例进行优化求解,在得到的Pareto最优解中选取了一组满意的设计参数,该设计结果与参照方案相比均载系数降低了0.05,分扭传动系统质量减少了3.57kg.      

航空公司维修安全状况评价方法研究

以安全管理手册(SMS)中关于风险管理和绩效指标的理论为基础,对航空公司机务维修安全状况评价方法展开深入研究,确定了以可接受安全绩效水平(ALOSP)作为航空公司维修安全状况的综合评价指标,并通过实例对航空公司两年的历史数据进行分析,证明该方法科学、有效,易于操作且扩展性强,能对航空公司维修安全状况水平给予有效评价和预测,可用于指导航空公司的安全管理工作,有一定的推广应用价值。     

基于参数自适应变分模态分解的行星齿轮箱故障诊断

针对变分模态分解需要人为设定模态数量以及在强噪声情况下容易造成分解错误的问题,提出了依据功率谱密度极值点自适应确定模态数量与中心频率的参数自适应变分模态分解方法,通过信号仿真分析验证了方法的有效性。基于参数自适应变分模态分解提出了一种行星齿轮箱故障诊断方法,应用于行星齿轮箱第2级太阳轮裂纹的故障诊断,行星齿轮箱传动实验台的试验结果表明:该方法能实现振动信号准确分解,有效提取和辨别出故障特征频率,实现了在强背景噪声和微弱故障信号情况下对第2级太阳轮裂纹故障的准确诊断。      

一种凹多边形凸分解的全局剖分算法

提出了一种凹多边形凸分解的全局剖分算法。首先对局部剖分算法的原理及存在的问题进行了阐述,并对基于正负法搜索可视点串的算法进行了更正和改进,然后利用改进的权函数从全局剖分的角度选择最优的剖分点进行剖分。同局部剖分算法相比,提高了剖分后所得的多边形形态质量。该算法主要作为轮廓偏置算法的前期处理算法,对原轮廓进行分解,提高了原轮廓多边形进行轮廓偏置算法的运行效率。     

基于EMD-ICA与遗传算法的轴承故障诊断方法

针对振动信号中轴承故障特征信号微弱难以识别的问题,对通过试验采集到的内环故障、外环故障以及滚动体故障振 动信号进行处理。采用最小二乘法和指数平滑法对振动信号进行预处理,利用EMD分离振动信号的局部特征,并根据IMF分量 的信息熵增益比实现重构;采用ICA对混叠的振动信号进行分离,并对分离后的振动信号进行特征提取;采用遗传算法对多维振 动特征参量进行降维,筛选出最优特征参量;采用遗传算法优化的极限学习机对轴承故障振动特征集进行识别,将常见的SVM、 BP等诊断模型作为对比算法。试验结果表明：采用ICA能将混叠信号有效分离,实现故障信号的提取;遗传算法不仅能够实现最 优特征的选择,同时能够对极限学习机算法进行有效优化,提升算法的诊断效果。优化的算法相比其它诊断识别方法性能较佳, 使3种故障的平均诊断效果达到90%以上。