新三态故障分类模型及其阈值确定

将设备运行状态划分为三种状态,比以往的两态模型对于设备的故障分类具有更高的准确性.在设备运行状态三态划分的基础上,提出了新的三态模型,将设备运行状态定义为故障态、准故障态、健康态三种状态,其中准故障态包括间歇性故障和瞬态故障.对新三态模型与两态马尔可夫模型进行了分析比较.论文提出影响故障阈值设定的多方面因素,对新三态模型的高、低阈值进行了定义和分析,给出了求取阈值的目标函数.利用新三态的双阈值目标函数,进行了仿真计算分析,得到了传统的两态模型所达不到的总故障高检出率和低虚警率,取得了满意的结果.     

飞机复杂系统故障诊断的灰色粗集推理方法

传统的复杂系统故障诊断规则不易获取且方法单一,不能满足系统维护要求.文中全面考虑复杂系统诊断的数据来源,用灰色关联理论降低系统复杂性并通过粗糙集约简数据的思想实现灰色粗集推理.基于灰色粗集推理方法实现了故障诊断规则的获取,并通过实例验证方法的可行性,结果明显优于神经网络算法,可有效提高诊断效率.     

氯化钾镀锌大规模生产故障分析

本文对氯化钾镀锌在大规模生产中存在的故障进行系统的研究和分析，发现镀锌层的主要故障有发花、发雾、碰伤、掉膜、淋漆等。选择好的光亮添加剂、加强镀锌后清洗，改进下挂方式、调整浸漆工艺等，并加强管理是有效提高产品一次性合格率的主要措施。     

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。     

许可证下的牺牲品

美国对中国的作派,连美国人都在愤愤不平……     

哥伦比亚号失事对中国航天的启示

坚定不移地发展我国载人航天技术 探索和征服宇宙是全人类的共同理想,发展航天技术、认识宇宙空间是人类社会发展和科学技术发展的必然趋势,挫折和困难都不会阻挡人类在探索宇宙空间的前进步伐。在人类科学探索的进程中,总是需要付出很大的代价甚至生命,失败     

动态系统的容错技术

所讨论的动态系统的容错技术包括故障检测、故障定位和系统重构技术。文中研究了基于数学模型的容错技术，讨论了因数学模型不准而引起的故障检测和定位不鲁棒的问题，提出了若干增强鲁棒性的方法，对故障后的系统重构问题也作了简要介绍。     

中国航空器颠簸报告分析

本文通过统计中国2010年12月-2017年10月的航空器颠簸报告,分析和归纳了中国航空器颠簸报告量的逐年变化趋势并与我国航班量特点进行了简要对比;将各地区航空器颠簸报告量占比与航班量占比进行对比,分析各地区差异的原因;对航空器颠簸报告出现的时间、高度、月份以及颠簸产生的原因进行了分析和总结。     

深度卷积神经网络在轴承多故障复合诊断中应用研究

基于深度学习具有强大的自特征提取能力和较优的分类能力,将深度卷积神经网络引用到轴承的故障诊断中,提出了基于一维深度卷积神经网络的轴承复杂工况故障诊断方法。在提出的方法中,将轴承的多故障振动信号作为模型的直接输入,通过训练深度卷积神经网络模型,利用模型中多个卷积层和池化层对输入的振动信号进行自特征提取,并进行故障分类。从而以基于数据驱动的方式形成端到端的故障诊断。研究表明,在一维深度卷积神经网络中直接输入轴承振动信号进行故障诊断,与提取时域和频域特征结合支持向量机进行故障诊断的方法相比,深度卷积神经网络可以更好地反映时域振动信号与特征间的关系,获得了比传统智能诊断方法更高的识别效率。