基于Internet的远程FMS故障诊断系统研究

柔性制造系统是综合了机械、电子、管理、自动控制、计算机等先进的机电一体化制造系统。它组成的设备多、控制复杂,因而系统故障处理的难度高,能否实现快速的故障诊断和处理将影响ＦＭＳ的推广和应用。文中运用Ｉｎｔｅｒｎｅｔ中基于Ｗｅｂ的数据库技术探讨了如何对ＦＭＳ故障进行异地、多专家协同参数的可行性,提出了基于Ｉｎｔｅｒｎｅｔ报远程ＦＭＳ故障诊断系统的基本结构和功能。     

基于神经网络的ICAI软件的设计与实现

介绍了一个在Ｗｉｎｄｏｗｓ９５平台上用ＶｉｓｕａｌＣ＋＋５．０开发的基于神经网络的信号与系统课程的智能化计算机辅助教学（ＩＣＡＩ）软件设计的基本原理及其关键技术的实现。该软件针对人类教学过程中的智能模拟问题,将神经网络和专家系统两大先进技术相互融合在一起采用面向对象的设计是界面友好、算法透明、程序易于维护、是计算机辅助教学课题的一个成功实例。     

旋转整流器式无刷交、直流发电机谐波电枢反应研究

同步发电机带整流负载后,三相电枢绕组电流将出现谐波分量,其大小及成分与负载状况以及整流器的型式相关。发电机励磁绕组电流中也出现相应的谐波分量,即谐波电枢反应。谐波励磁电流形成的磁场在电枢绕组中感应谐波电势,发电机相电压波形产生畸变。对于航空无刷直流发电机,其主发及励磁机均为带整流器的同步发电机。主发的谐波电枢反应将耦合到励磁机,从而在励磁机的电枢及励磁绕组中,除自身谐波电枢反应引起的谐波分量外,还     

基于信息融合技术的故障诊断专家系统

信息融合技术是一门跨学科的新兴学科，具有广阔的应用前景。从信息融合技术的基本理论出发，提出采用多传感器对机械设备实行状态监测，将检测的信息融合．以及与人为的观测事实进行融合，提供给专家系统，实现故障诊断。     

基于引力球结构支持向量机多类算法的涡轮泵故障诊断

在涡轮泵故障诊断中，多类故障诊断是经常出现的问题。为提高多类故障诊断速度，在球结构支持向量机的基础上，提出一种引力球结构的支持向量机多类算法，该算法充分考虑样本分布疏松程度，经过试验优化分析得到最佳分类引力公式。用该算法和其他常用算法对涡轮泵仿真故障进行分类比较，结果表明基于引力球结构的支持向量机故障诊断算法学习速度快，诊断效果好。     

复合材料设计的回顾与展望

复合材料设计是复合材料研制过程中必须首先解决的问题，复合材料设计由定性化向定量化方向发展是其必然趋势。复合材料力学、材料设计专家系统和智能化设计系统应用于复合材料设计方面已取得巨大的进展，并推动复合材料科学与技术的发展。     

卫星动力学环境模拟试验技术展望

卫星对严酷的动力学环境的适应能力直接关系到卫星飞行任务的成败,试验控制技术是动力学环境试验的关键环节.文章通过对模拟试验控制技术的研讨,包括振动试验中的力限控制技术和声试验响应控制技术的探讨,以及对卫星结构在动力学试验中故障诊断方法的分析,进一步展望卫星动力学模拟试验技术的未来.     

运载火箭动力系统故障下制导控制技术研究进展

动力系统故障是导致运载火箭发射任务失败的最常见原因,从动力系统故障建模、自主制导和容错控制方面,系统地阐述了动力系统故障下运载火箭制导控制技术的研究进展,为发展新型制导控制算法提供了思路。建立了推力下降故障和执行机构故障的数学建模,并对比了国内外先进运载火箭的制导控制性能;总结了动力系统故障下自主制导所涉及的轨迹优化和制导算法;在被动、主动容错控制框架内,回顾了典型的故障诊断、控制重构、容错控制和震动抑制方法;同时,概述了人工智能技术在自主制导和容错控制方面的应用;结合“会学习”的运载火箭概念,讨论了人工智能技术在促进运载火箭自主化和智能化方面的发展趋势,对未来智慧火箭的制导控制技术进行了展望。     

航空发动机健康管理系统的快速原型设计

针对航空发动机健康管理系统传统设计方法周期长、成本高等问题,提出了面向健康管理系统的快速原型设计方法,构建了基于虚拟仪器语言和快速原型技术的航空发动机健康管理系统快速原型仿真平台。以CompactRIO平台为核心,在实时响应最高的现场可编程门阵列(FPGA)环境下设计了信号接口单元,模拟发动机真实传感器值,并提供了基于Windows平台的健康管理软件实时开发环境,可以将健康管理算法快速部署下载至硬件平台。结果表明:此健康管理系统的快速原型设计方法是切实有效的,为扩展成为完全的硬件在回路(HIL)仿真的平台奠定了基础,有较好的工程实用价值。     

基于SVM和SNN的航空发动机气路故障诊断

为了区分航空发动机气路故障诊断过程中出现的相似故障,提高诊断准确率,提出了一种支持向量机(SVM)和协同神经网络(SNN)相结合的故障诊断方法.首先利用参数优化后的SVM对测量数据进行初步故障诊断分类,对诊断结果进行分析统计,得出难以区分的相似故障类型,并根据SNN对这些相似故障进一步地区分判断,最后根据实际数据对此故障模型进行仿真.结果显示:基于SVM的初步故障诊断准确率达到96%;而经过SNN进一步地相似故障区分后,诊断准确率提升到100%.