基于小波分解的柴油机振动信号特征提取方法

柴油机振动是一种多振源的复杂振动形式,其机体表面振动是内部各种激振力共同作用的综合反映。在柴油机使用过程中技术状态的改变将导致激振力发生不同的变化,因此测量机体激振信号有利于对柴油机技术状态进行监测。通过测量不同技术状态的柴油机机体振动信号,利用小波包分析的方法,将柴油机振动信号按其特征频率进行了小波分解和重构,提取了振动信号特征。分析结果表明,此方法能够提高信噪比,提取的振动信号特征能够反映柴油机技术状态的变化。     

基于灰色模型的柴油机技术状态变化趋势预测

以某型坦克用柴油机为平台进行了大量实车实验，确定了能够表征柴油机技术状态变化的6个特征量，利用主成分分析法确定了柴油机寿命预测特征量；建立了灰色预测模型，并基于所测数据进行了技术状态变化趋势预测。研究结果表明：预测值接近于实际值，能够为柴油机的使用和合理维修提供依据。     

主元分析法和模糊积分的航空发动机气路状态监测

航空发动机是一个大系统,由于结构复杂、工作条件恶劣等因素影响,对其进行有效地健康状态监测成为航空领域长期难以解决的关键技术之一。为有效监测航空发动机健康状态,以航空发动机气路系统为例,提出一种基于主元分析和模糊积分的航空发动机状态监测方法。首先,利用主元分析法提取发动机状态样本集的主元,对样本数据进行降维,实现样本的最优压缩。其次,利用BP神经网络和Elman神经网络对发动机状态信息的特征向量进行初步状态监测。最后,利用模糊积分对采用两种神经网络的初步监测结果进行决策层融合,从而有效地实现对航空发动机气路系统的状态监测。通过某型真实航空发动机验证表明,所提出基于主元分析和模糊积分的状态监测方法,能有效提高监测的准确度,满足航空发动机状态监测的实时性要求,具有良好的工程应用价值。     

基于优化解调分析的柴油机气缸工作状态评估

针对某型坦克柴油机气缸工作状态评估问题,利用高斯函数复调制移频设计复解析带通滤波器,提取排气噪声的主频率成分及其包络,通过合理确定滤波器中心频率和带宽实现优化解调分析,建立了以包络最大幅值归一化后的标准差为特征参数的新方法。应用结果表明:该方法切实可行,易于应用。     

坦克稳态行驶动力性燃油经济性参数计算模型

针对坦克动力性燃油经济性参数实验研究成本高、传统计算方法效果差的实际问题,综合大气条件、柴油机转速、变速箱排挡、路面条件和弯转半径等因素的影响,将基于GT-POWER的柴油机工作模型和基于GT-DRIVE的坦克行驶模型相结合,建立了坦克稳态行驶动力性燃油经济性参数计算模型,然后迭代计算出保证坦克稳态行驶的柴油机单缸循环供油量,并经所调研的发动机台架试验数据验证了该模型精度,最后利用该模型计算分析了柴油机转速、变速箱排挡、路面条件和弯转半径对坦克稳态行驶时动力性燃油经济性参数的影响。结果表明:所建立的模型精度较高,能够实现柴油机工作和坦克行驶的自动耦合计算,并可方便地计算坦克的动力性燃油经济性参数。     

基于人工神经网络的特征压缩方法及应用

分析了人工神经网络特征提取方法用于特征压缩的原理,研究了多层网络的隐层提取模型、Oja网络模型和基于Sanger算法的网络模型,以坦克柴油机燃油系统典型故障的特征处理为例,采用Sanger算法对特征参数进行了压缩,实现了特征空间的约简。该方法有利于简化分类器的设计,对于解决复杂设备的状态检测与故障诊断问题具有重要意义。     

基于比例危险模型的船用柴油机视情维修决策

针对船用柴油机视情维修决策问题,采用威布尔比例危险模型描述了系统状态与故障率之间的关系,利用核主成分分析对协变量进行了去相关和约简处理,以平均费用最小为决策目标,建立了视情维修的最优维修策略模型,并根据设备当前状态信息来判断是否需要进行维修。实例分析表明：该方法有效融合了历史故障信息和运行状态信息,提高了柴油机可用度,降低了维修保障费用。     

基于最优Morlet小波的全信息能量熵提取及其在滚动轴承状态监测中的应用

为利用振动信号中隐含的冲击特征成分来反映轴承性能退化趋势,综合利用小波变换技术和全信息技术,提出一种基于最优Morlet小波变换的全信息能量熵提取方法．以最小Shannon熵优化Morlet小波形状参数,通过多源振动数据的小波变换系数,利用信息熵综合反映冲击特征能量在不同频带分布差异．滚动轴承全寿命数据的应用结果表明,全信息能量熵的变化趋势能够监测轴承状态的劣化过程,而伴随的早期故障检测可以提高轴承使用的安全性．     

基于图像信息的坦克目标姿态估计技术研究

信息化条件下的战争要求坦克具有网络化打击的能力,能自主完成威胁评估和火力分配任务。这些任务以获取敌方目标的火力指向、攻防状态等信息为前提,与姿态信息相关联,因此,研究坦克姿态估计技术意义重大。对现有的一些单目姿态估计方法进行分类;讨论了部分方法估计坦克姿态的可行性;阐述了坦克姿态估计存在的问题和难点;对姿态估计技术提出了建议,供后续的研究参考。     

基于矩阵变换的坦克驾驶训练数字化记录与评判系统研究

为了解决坦克驾驶训练中因操作状态难以保留、操作细节难以再现而无法实现对训练成果深入分析与客观评价的不足,以坦克驾驶训练数字化记录与评判系统总体设计为切入点,基于基础驾驶动作的分解与组合以及车辆状态信息获取设计了驾驶动作记录仪,实现了坦克驾驶训练过程中动作状态信息的采集与数字化存储,并应用矩阵变换理论,提出了一种基于关键性动作参数查找与判断的方法,对基础驾驶动作进行了过程识别与效果评判。分析表明:该系统的技术能对坦克驾驶动作状态进行数字化记录,而基于状态矩阵变换的方法能实现基本驾驶过程的识别与评判。     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。     

基于神经网络的柴油机特征参数评价与选择

在设备故障诊断中,正确地提取与选择特征参数对于诊断结果的有效性和准确性具有关键性的意义,在提出评价判据时样本的概率分布往往难以确定,针对模式识别中特征量的选择方法,结合人工神经网络原理,提出了利用人工神经网络进行故障特征量评价与选择的方法,实现了对柴油机特征参数的提取及选择,有效地解决了柴油机状态监测与故障诊断中测试参数多而难以优化的问题。     

改进的BP算法在柴油机故障诊断中的应用研究

利用改进BP算法的神经网络对柴油机进行故障诊断.首先讨论了其训练算法,然后确定了柴油机故障诊断所用特征参数及故障种类,并提出特征参数数据归一化公式,最后以6-135ZC柴油机为例,将实验数据输入网络验证.结果表明,神经网络对柴油机故障识别率很高,应用于柴油机故障诊断领域是切实可行的.     

人工神经网络特征优化方法在模式识别中的应用

在模式识别中,特征量的选择及组合优化是设计模式识别系统的关键问题,它强烈地影响到分类器的设计及其性能。人工神经网络除了在模式识别中作为分类器应用之外,而且能够实现特征参数的提取。通过采用人工神经网络模型,对柴油机故障的特征量优化方法进行了研究,实现了对柴油机故障的特征提取及优化。     

支持向量机在柴油机技术状况评估中的应用

介绍了现有的柴油机技术状况评估方法，分析了这些方法的局限性和支持向量机在处理小样本、非线性、高维数等方面的优势。提出了基于支持向量机的柴油机技术状况评估模型。确定了能够表征柴油机技术状况变化的特征，并通过实车试验提取这些特征；构建了基于支持向量机的柴油机技术状况评估模型，并对部分试验车辆柴油机进行了评估。结果证明：支持向量机在装甲车辆柴油机技术状况评估中的应用是可行的。     

发动机配气机构振动信号时域分析

对康明斯6BT5.9型柴油发动机配气机构产生的振动信号进行了时域分析,采用振动加速度峰峰值作为判定发动机配气机构技术状态的特征量,并采用多通道信息融合技术实现配气机构的故障诊断。     

基于神经网络的内燃机燃烧过程的辨识

发动机燃烧过程的数值计算精度是计算有害排放物和发动机结构优化的基础。跳出基于零维模型、准维模型和多维模型的数值计算方法,基于利用神经网络对燃烧过程进行辨识,并给出了仿真结果。