脉冲激励下船舶结构谐振响应预报及其模态阻尼参数识别

从模态识别基本原理出发,对脉冲激励下的时-频域响应、谐振激励下的时域响应的表达式进行推导,找到了其时-频域下的幅值关系,认为一定条件下谐振响应中伴随自由振动成分短时间内难以衰减,指出谐振激励力幅值与脉冲力幅值相等时,脉冲响应频谱对应频率下的幅频与谐振下的强迫振动幅值相等。在建立响应等价关系的基础上,推导了仅通过脉冲响应频谱上有限个谱线信息所确定的某阶模态阻尼比的计算公式。利用船体梁模型验证了响应预报及阻尼比估算的准确性。完成了2块不同材料典型船体板单元模型的前8阶模态阻尼比测试,通过数值计算结合试验响应频谱验证了方法的快速性、可靠性。     

基于逆传系统法的动态载荷识别研究

在载荷识别研究中,时域内载荷识别在其逆传系统载荷识别的研究,目前一般停留在最小相位可逆系统上,基于时间序列模型的逆传系统法系统动态载荷识别理论,提出了一种新的研究方法,克服了传统载荷识别方法对结构的边界条件仅仅局限于可逆系统,并利用计算机仿真验证了该方法不但适用于可逆系统,而且对不可逆系统的载荷识别同样有效.     

公路运输环境下运输车及导弹固体发动机响应数值分析

为解决某型固体火箭发动机在公路运输过程中动力学响应难以直接测定的实际问题,构建了运输车的13自由度动力学模型,采用谐波叠加法模拟路面不平度激励后,基于达朗贝尔原理计算得到车身质心处的时域响应,并简要分析了不同运输工况下响应规律,最后利用MSC.Nastran分别仿真计算了发动机在加速度载荷及其与温度载荷联合作用下的动力学响应。结果表明:运输过程中,车身质心处加速度响应近似服从高斯分布,且其均方根值随运输速度提升或运输公路等级下降而呈非线性增加趋势;考虑随机振动与温度载荷联合作用时,发动机壳体von Mises应力响应最大值超过500 MPa,药柱von Mises应变大于5%,均高于振动载荷单独作用响应,但不会造成发动机强度破坏。     

基于HMM的传感器位置优化模型

首先介绍了隐马尔可夫模型(HMM)理论,并对HMM健康状态评估的基本程序和方法进行了研究。HMM对系统健康状态评估具有所需样本少、识别精度高及分类明显等优点,利用隐马尔可夫模型对传感器的不同位置进行评估,从定量的角度对传感器位置的优劣进行评价,提出了利用隐马尔可夫模型对传感器在不同位置上的效果进行评价的方法。最后,利用齿轮箱实验数据,分析验证了方法的实施流程和有效性。     

支持向量机和声发射技术在齿轮裂纹故障诊断中的应用

为了解决齿根疲劳裂纹故障难以识别的问题,对齿轮箱正常和裂纹故障状态的声发射信号进行时间序列分析,利用AR模型的自回归系数作为齿轮箱不同状态时的特征向量,形成支持向量机的训练样本对支持向量机进行网络训练,实现对齿轮箱正常、轻微裂纹和严重裂纹故障状态的识别与诊断。实验结果表明:基于支持向量机和声发射技术的齿轮箱故障诊断系统能够准确地识别与诊断齿轮箱的裂纹故障状态,它对于齿轮裂纹故障检测是一种有效的诊断手段。     

条（环）状干摩擦阻尼器的微滑移数值模型

提出一种求解弹性条(环)状阻尼器微滑移接触运动的数值方法。将阻尼器和外部激励历程在空间和时间上离散,将相同数量的干摩擦触点布置于离散阻尼器上;把接触运动判据应用到各离散接触点,确定其运动状态并修正刚度矩阵,求解整个阻尼器的平衡方程。该方法避免了有限元软件求解含摩擦接触问题的迭代过程,从而保证了求解的可执行性。同时,克服了微滑移模型理论解法对法向载荷分布规律及载荷时变性的限制,为求解具有局部性以及时变性的法向载荷的结构动态响应提供了更为精确的边界条件,从而可提高结构频响分析的准确性。应用多谐波平衡法分别计算宏滑移和微滑移阻尼器约束下的结构动态响应,发现在结构减振中,微滑移模型能够适应更宽范围的法向力。     

一种细长飞行器阵风响应计算方法

阵风响应是气动弹性动力响应问题之一。对较为细长的飞行器,结构采用有限元模型,利用准定常气动力理论计算阵风响应载荷,方法简单、实用。此种计算方法同样适用于非定常气动力理论。     

齿轮箱辐射声场实验研究

从齿轮箱内部动态激励、箱体动态响应及辐射声场预测等方面,研究了试验齿轮箱的辐射声场;分析了声场预测过程中产生的各种误差影响因素;通过扫描法声强试验对辐射声场全息面进行了测量,结果表明:在齿轮副理论啮合频率处,箱体辐射声场的预测值与测量值表现出更好的符合特性,验证了该齿轮试验机辐射声场预测方法的准确性。     

基于Polymax算法的大型塔架模态参数识别

以环境随机激励作用下的大型塔架结构为研究背景,提出了基于Polymax算法的大型复杂系统模态参数识别方法。首先针对大型塔架设计环境激励响应信号测试系统,然后对获取的激励响应信号进行分析和截取,选出各组试验中理想的响应信号段,最后基于Polymax算法对截取信号段进行参数识别,并将获取的结果进行模态验证。结果表明：该方法对于大型塔架模态参数的识别具有较高的精度。     

齿轮箱故障诊断特征级数据关联方法研究

提出了齿轮箱故障诊断特征级数据关联的定义．在该定义的基础上,提出了基于Bootstrap方法的小样本诊断特征参数关联的方法．利用某型齿轮箱振动试验台测取的振动加速度响应信号对提取的特征参数进行了关联评估,基于Bootstrap方法的特征级数据关联方法正确区分出了效果不好的特征参数,证实了该数据关联方法的正确性．     

基于小波包变换和BP网络的齿轮箱故障诊断

利用小波包分析提取出齿轮箱在各种工况下振动信号的有效成分,根据时频域特点提取比较典型的特征参量,利用改进的BP网络进行训练,根据训练结果判别齿轮箱的故障状态。     

基于NNLI技术的齿轮箱故障诊断

将NNLI技术应用到齿轮箱的故障诊断中,提出了基于NNLI的特征提取方法,并将该方法与神经网络结合起来,进一步提出基于NNLI特征提取的神经网络故障诊断方法,给出了两种不同的网络分类器,通过齿轮箱故障诊断实例验证了该方法的有效性。     

神经网络的原理及应用

人工神经网络是在现代神经科学研究成果的基础上提出的,反映了人脑功能的基本特征。但它只是人脑功能的某种抽象、模拟和简化。研究这一技术的目的在于,探索人脑加工、储存和搜索信息的机制,并将其原理应用于人工智能的可能性。本文介绍了一些神经网络模型及应用。     

Determination of penetration depth at high velocity impact using finite element method and artificial neural network tools

Determination of ballistic performance of an armor solution is a complicated task and evolved significantly with the application of finite element methods(FEM) in this research field.The traditional armor design studies performed with FEM requires sophisticated procedures and intensive computational effort,therefore simpler and accurate numerical approaches are always worthwhile to decrease armor development time.This study aims to apply a hybrid method using FEM simulation and artificial neural network(ANN) analysis to approximate ballistic limit thickness for armor steels.To achieve this objective,a predictive model based on the artificial neural networks is developed to determine ballistic resistance of high hardness armor steels against 7.62 mm armor piercing ammunition.In this methodology,the FEM simulations are used to create training cases for Multilayer Perceptron(MLP) three layer networks.In order to validate FE simulation methodology,ballistic shot tests on 20 mm thickness target were performed according to standard Stanag 4569.Afterwards,the successfully trained ANN(s) is used to predict the ballistic limit thickness of 500 HB high hardness steel armor.Results show that even with limited number of data,FEM-ANN approach can be used to predict ballistic penetration depth with adequate accuracy.     

STUDY ON REAL1STIC TECHNOLOGY OF CONDITION MONITORING AND FAULT DIAGNOSTIC SYSTEM FOR SHIPPING POWER DEVICES

Condition monitoring and fault diagnosis is currently a very important problem in large-scale complicate power devices. Both scheme and realistic technology for monitoring system hardware and software have been present to solve the problem in this paper. The fault diagnostic model based on artificial neural network and state identification method based on fuzzy analysis are studied.     

基于神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于神经网络集成的传感器故障诊断方法。该方法将传感器输出看做时间序列,通过加噪声生成抖动数据,建立多组神经网络,以获得神经网络集成预测器输出。通过将预测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现传感器故障在线诊断。应用结果表明该方法可以提高神经网络的运算精度,从而快速准确地检测和分离传感器故障,辨识传感器故障类型以及故障发生的时间。     

STUDY ON REALISTIC TECHNOLOGY OF CONDITION MONITORING AND FAULT DIAGNOSTIC SYSTEM FOR SHIPPING POWER DEVICES

ＳＴＵＤＹＯＮＲＥＡＬＩＳＴＩＣＴＥＣＨＮＯＬＯＧＹＯＦＣＯＮＤＩＴＩＯＮＭＯＮＩＴＯＲＩＮＧＡＮＤＦＡＵＬＴＤＩＡＧＮＯＳＴＩＣＳＹＳＴＥＭＦＯＲＳＨＩＰＰＩＮＧＰＯＷＥＲＤＥＶＩＣＥＳＷｅｎＸｉｓｅｎ;ＬｉＹｕｅ;ＴａｎｇＢｉｎｇｙａｎｇ（Ｄｅｐ...     

基于ANN模式识别的某型导弹测试车配电系统故障诊断

人工神经网络诊断特点与基于模式识别的诊断特点非常相似。将ANN模式识别技术应用于某型导弹测试车配电系统故障诊断。根据测试车配电系统的故障特点,设计ANN为4层BP网络,具有9个输入、10个输出,两个隐含层神经元数目分别为9和6。测试结果表明该方法能有效诊断测试车配电系统故障。     

脑与认知技术发展综述

脑与认知是利用神经形态计算来模拟生物大脑处理信息的过程,被认为是探究甚至实现人工智能的最直接技术路线,而且可以为人工神经网络研究提供基础导向,因为人类和动物"先天"的结构对其技能和习性有着决定性作用。对近期脑与认知的相关研究与成果进行了综合评述,并对未来发展趋势进行了展望。综述表明,类脑仿生研究与应用改进了人工智能系统,重建复杂的大脑皮层神经网与回路是当前研究重点;脉冲神经网络被认为是目前深度神经网络的"继承者";脑机接口技术发展呈现非侵入式趋势,面向语言障碍病患实现语音合成的脑机接口技术成为近期新兴研究方向。     

基于多级RBF神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于多级RBF神经网络集成的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息,建立多级神经网络集成观测器模型。将输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现控制系统传感器故障在线诊断。将三容水箱液位控制系统作为仿真对象,仿真结果表明该方法不仅可以提高单一神经网络的运算精度,而且采用RBF神经网络集成方式还要优于其他集成方式,可以快速准确地检测和分离传感器故障,辨识传感器故障类型、故障大小以及故障发生的时间。