基于交叉熵和空间分割的全局可靠性灵敏度分析

基于失效概率的全局灵敏度分析可以度量各个基本随机变量的不确定性对失效概率的影响程度,对如何降低结构的失效概率具有指导意义。基于交叉熵方法和空间分割提出一种新全局可靠性灵敏度分析方法。该方法采用交叉熵法自适应的确定重要抽样密度函数,有效地回避了传统重要抽样中设计点位置和个数求解的困难。基于评估失效概率所使用的样本,利用空间分割方法计算各个输入随机变量的全局可靠性灵敏度指标,能够提高样本的利用率和计算效率。文中利用一个数值算例和两个工程算例验证了所提方法的计算效率和精度。     

基于粒化模糊熵的机载燃油泵故障诊断

由于机械系统的复杂性,机载燃油泵振动信号的随机性表现在不同尺度上,因此需要对振动信号进行多尺度分析。为了实现机载燃油泵的故障状态特征提取,以模糊熵作为机载燃油泵振动信号的基本特征,提出了基于模糊信息粒化和模糊熵的机载燃油泵故障诊断方法。首先,采用模糊信息粒化方法对振动信号进行粒化处理,得到包含最小值、中值、最大值三组模糊信息粒;其次,计算模糊信息粒的模糊熵值;最后,将熵值作为特征向量,输入基于粒子群优化支持向量机建立的分类器。将该方法应用于机载燃油泵及轴承实验数据,分析结果表明,该方法可有效实现故障诊断。     

基于VMD的自适应复合多尺度模糊熵及其在滚动轴承故障诊断中的应用

提出了一种基于自适应多尺度模糊熵、ILS（迭代拉普拉斯得分）特征选择和粒子群优化支持向量机(PSO-SVM)的滚动轴承故障诊断方法。该方法采用变分模态分解对振动信号进行分解和重构,并计算重构信号的复合多尺度模糊熵;同时采用迭代拉普拉斯得分选择敏感故障特征,并将特征选择结果输入到基于粒子群优化支持向量机的多故障分类器进行识别。将提出的方法应用于滚动轴承试验数据分析。结果表明:该方法对试验数据的故障识别率为100%。并将基于ILS特征选择方法与基于SFS（sequential forward selection）特征选择进行了对比,表明基于SFS特征选择的最高识别率为92.86%,而基于ILS特征选择的故障识别率达到100%。      

基于MESE的导弹仿真数据一致性验证

以某型空空导弹为对象,对该导弹模型的仿真可信度评估方法进行了研究,提出了基于最大熵谱估计法的导弹仿真数据一致性验证方法.模拟外场试验场景进行了全体系实战对抗仿真试验,并将试验数据作为仿真数据一致性验证的参考数据;对导弹仿真试验的随机动态数据平稳化预处理后,进行了基于最大熵谱估计法的导弹仿真随机动态数据一致性验证.结果表明,该导弹模型具有良好的动态一致性,所提方法可行、有效.     

空中交通相依网络的脆弱性研究

机场、航路和管制扇区构成空中交通相依网络,节点在受到扰动时,网络运输性能下降,引发网络脆弱性。提出一种空中交通相依网络脆弱性的度量方法,首先构建机场网络、航路网络和管制扇区网络3个层网络,基于空中交通管理规则与层网络间的逻辑连接关系,建立空中交通相依网络模型。在随机扰动和蓄意扰动节点两种不同失效模式下,采用最大连通度和结构熵两个指标,并给出了相应算法,分析相依网络的结构脆弱性;创建流量熵和交通流损失比指标,设计了相应算法,研究相依网络的功能脆弱性。研究结果表明,随机扰动对空中交通相依网络影响更大;网络的结构脆弱源与功能脆弱源是机场网络;网络的脆弱性与层网络间的连接方式和层网络的交通量不匹配有关。     

基于IITD和FCM聚类的滚动轴承故障诊断

基于Akima插值和固有时间尺度分解（ITD）中的线性变换,提出了一种改进的固有时间尺度分解（IITD）,在此基础上,进一步提出基于IITD近似熵（AE）和模糊C均值聚类（FCM）相结合的滚动轴承故障的诊断方法。采用IITD方法对滚动轴承的振动信号进行分解,通过互信息分析,筛选出前3个含主要特征信息的固有旋转分量（PR）,计算其近似熵值作为信号的特征向量,将得到的特征向量输入到FCM分类器中分析并得到分类结果。实验分析表明:分别与基于EMD、ITD近似熵和FCM聚类相结合的方法比较,该方法的分类系数更接近1,平均模糊熵更接近0,即此方法对滚动轴承的正常、内圈故障、外圈故障、滚动体故障信号以及对内圈的不同损伤程度信号均能更有效更准确地进行分类。      

浅谈大数据在精密惯性仪表中的应用

精密惯性仪表被广泛应用于地面武器、飞机、舰船、航天器中,其作用是敏感、测量载体加速度和姿态等信息,确定载体的运动轨迹参数,实现对载体的精密导航、定向定位,在武器装备中具有非常重要的地位。首先从构成精密惯性仪表的精密微细结构出发,对大数据在制造过程中存在的问题进行了分析。通过对典型惯性产品装配过程的分析,总结了惯性仪表在装配过程中对产品精度和性能产生影响的几类微观效应;其次,通过分析“熵”在我国制造领域中的应用,提出了“熵”理论在惯性仪表装配过程中的应用思路;最后,结合上述分析结果,以三维点云数字化虚拟装配技术在惯性仪表中的应用和“熵”在惯性仪表故障识别与误差建模方向上的应用为例,给出了具体的研究内容、技术流程和研究结果。     

瞬态浓度场的熵与混沌特征实验研究

为了探讨瞬态浓度场的熵特征及其是否具有混沌特征,利用基于数字图像处理技术和光学粒子散射理论的瞬态浓度场光学测量系统,获得了浓度场的二维时间和空间湍流信息,运用这些信息首次定量分析了瞬态浓度场的混沌特征,首次提出了浓度场信息熵理论及其非线性度量方法并进行了定量计算。运用实验数据时间序列计算了信息熵以及信息熵和浓度脉动时间序列的嵌入维数、关联维数、Kolmogorov熵和最大Lyapunov指数。结果表明,瞬态浓度场具有低维混沌特征,其脉动信息熵时间序列也是混沌的。     

单元可靠性评定的熵方法

基于单元随机化最优置信经典(法)近似下限的取值范围，利用其边界值所提供的总信息量的算术平均值与熵(法)近似下限R’L.S所提供的总信息量相等的条件，推导了求解R’L.S的基本公式，提出了单元可靠性熵法评定的基本原理和方法步骤。实例表明，熵法评定结果总是介于非随机化最优置信经典(法)和第(1)种Bayes(法)近似下限之间。