润滑油纳米铜添加剂及其对不同粗糙度表面的减摩自修复行为

采用KBH4液相还原法制备了纳米铜添加剂,采用透射电子显微镜对纳米铜添加剂进行了表征,通过摩擦磨损试验机测试了纳米铜添加剂对4种不同粗糙度摩擦表面所表现的抗磨减摩性能,并对不同的磨损表面进行了光学显微镜和能谱分析。结果表明:纳米铜添加剂为分散性能稳定的20nm的球形颗粒;纳米铜添加剂具有良好的抗磨减摩性能,尤其是对于光滑的摩擦表面,与基础油相比,可使摩擦因数降低24%。纳米铜添加剂还具有良好的自修复性能,摩擦过程中,能够在摩擦表面形成一层高弹性低硬度的自修复膜,自修复效果对于光滑的摩擦表面更为显著。     

纳米复合自修复添加剂发动机台架试验研究

通过WD615．67行车用6缸柴油机发动机台架试验,研究了含有纳米铜材料的纳米复合添加剂对发动机动力性能的影响,试验前后对发动机主要摩擦副尺寸进行了测量。结果表明,纳米复合添加剂对发动机不同材料的摩擦副均有较好的抗磨效果,特别是在缸套等摩擦部位出现了“负磨损”,实现了摩擦副表面的原位动态自修复。添加纳米复合添加剂后有效地降低了比油耗,减少了机械功率损失, 提高了发动机的功率,改善了发动机的动力性能。     

基于神经网络的模型参考自修复飞行控制

提出了一种基于模糊神经网络的模型参考自修复飞行控制结构,并对所使用的BP网络学习算法进行了分析改进.对比非故障和故障状态下的飞行仿真结果表明,改进后的自修复飞行控制方法可以有效地抑制神经网络的"过学习"现象,减小了对神经网络辨识器精度的依赖程度,在故障条件下的补偿作用非常明显,达到了自修复飞行控制的目的.     

基于类神经网络模型的电路自主修复方法

为进一步提高电子系统在恶劣环境下的生存能力,对利用演化硬件实现电路自主修复的方法进行了研究。首先,根据FPGA芯片与多层前馈神经网络的相似性,建立了一个可用于数字电路演化的门级电路模型,设计了专用的二进制列向量编码方法;然后,给出了实现电路自主修复的工作流程,探讨了进行电路故障诊断和修复的途径,提出了快速重构与演化相结合的电路修复方法。Matlab仿真试验表明：基于类神经网络模型的遗传算法较适合进行演化修复操作;修复效果分析表明：快速重构与演化修复相结合的修复方法比单纯依靠演化修复更为便捷。