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。     

柴油机间歇性排气噪声自适应有源前馈控制的DSP仿真

分析了柴油机排气噪声的特征,利用自适应有源前馈系统对噪声进行控制;对间歇性噪声的控制进行了建模分析;对柴油机的排气噪声进行了有源消声的初步设计;参考柴油机实际工况,利用高速信号处理芯片TMS320F2812进行了编程及调试;通过实测数据和DSP仿真实验验证了所采用方法的有效性。     

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。     

柴油机燃油供给系统故障模糊诊断研究

通过分析柴油机燃油供给系统的故障表现形式及高压油管的油压波形特征 ,研究了柴油机燃油供给系统的故障诊断策略。首先 ,利用转速波动的扭矩谐波比诊断燃油供给系统是否有故障 ,再利用最大加速因子进一步确定故障源 ,最后 ,从高压油管的油压波形中提取诊断特征参数 ,用多参数模糊诊断的方法来诊断燃油供给系统的常见故障 ,并将此方法应用于柴油机故障诊断专家系统中 ,取得了满意的效果     

柴油机模糊控制设计仿真与分析

针对柴油机难以采用常规PID控制的问题,应用模糊控制理论,对柴油机进行了模糊控制器的设计,在建立的模拟仿真系统上,进行了模糊控制下的柴油机的空载自由加速过程的模拟,并与PID控制下相同过程的速度、扭矩、燃油量随时间变化曲线进行了比较和分析。结果表明：与常规PID控制相比,模糊控制的效果满足要求,能解决柴油机的复杂控制问题。     

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。     

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。     

利用波形合成技术对柴油机排气噪声实行有源控制的研究

对四冲程柴油机(4-85)的排气噪声的机理和特性进行了研究;利用波形合成的原理,控制高速信号处理芯片TMS320C25合成次级声源的声波,可以实现宽带消声．对柴油机的排气噪声进行了有源消声的初步设计．     

运用H_∞理论设计摄动模型的控制器

利用MATLAB软件包及Robust－ControlToolbox对柴油机带水力测功器系统进行了H∞鲁棒控制器的设计研究,介绍了设计方法、设计过程和设计结果,并对设计控制器进行了仿真分析．     

柴油机燃油系统故障诊断研究

应用柴油机燃油系统模拟计算的方法对柴油机燃油系统常见故障的供油压力波进行模拟计算 .通过大量计算表明 :柴油机燃油系统发生单一故障时 ,压力波变化的特征较为明显 ,并就每一种故障产生的压力波特点作了分析 ;当柴油机燃油系统发生复合型故障时 ,压力波变化复杂 ,为提高燃油系统故障诊断的准确性 ,提出采用系统融合的方法 .     

长向量处理器高效RNN推理方法

模型深度的不断增加和处理序列长度的不一致对循环神经网络在不同处理器上的性能优化提出巨大挑战。针对自主研制的长向量处理器FT-M7032,实现了一个高效的循环神经网络加速引擎。该引擎采用行优先矩阵向量乘算法和数据感知的多核并行方式,提高矩阵向量乘的计算效率;采用两级内核融合优化方法降低临时数据传输的开销;采用手写汇编优化多种算子,进一步挖掘长向量处理器的性能潜力。实验表明,长向量处理器循环神经网络推理引擎可获得较高性能,相较于多核ARM CPU以及Intel Golden CPU,类循环神经网络模型长短记忆网络可获得最高62.68倍和3.12倍的性能加速。     

基于权重灰色关联分析的装甲车辆发动机使用状态评价研究

为综合预测装甲车辆发动机使用寿命,应用相关性分析构建发动机使用影响因素指标体系,进行指标权重计算．提出并应用权重灰色关联分析方法,定量评价装甲车辆发动机使用状态,定义并计算发动机使用条件修正系数,得到发动机使用影响因素指标权重集,以及不同使用条件下发动机使用寿命预测计算方法．     

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。     

船艇机舱发动机辐射噪声研究

针对在混响声场发动机辐射噪声识别困难的问题,提出用统计能量分析法对船艇机舱发动机进行噪声源分析。建立了机舱发动机噪声源识别模型,计算了发动机各表面的辐射声功率大小及频率特性。应用表面振动测量法对机舱发动机各表面辐射噪声进行识别,其结果与统计能量分析法的对比表明:统计能量分析法考虑声场的反射和叠加,能更好地识别复杂声场环境下发动机辐射噪声。     

双连杆机构发动机运动学分析

对双连杆机构的运动学进行了理论分析,推导出了活塞的位移、速度和加速度公式及活塞侧连杆和曲轴侧连杆摆角公式,并且针对一实例进行了计算,与相同结构尺寸的传统曲柄连杆机构发动机作了比较分析.     

Analysis on damage characteristics and detonation performance of solid rocket engine charge subjected to jet

To further explore the damage characteristics and impact response of the shaped charge to the solid rocket engine (SRE) in storage or transportation, protective armor was designed and the shelled charges model (SCM)/SRE with protective armor impacting by shaped charge tests were conducted. Air overpressures at 5 locations and axial acceleration caused by the explosion were measured, and the experimental results were compared with two air overpressure curves of propellant detonation obtained by related scholars. Afterwards, the finite element software AUTODYN was used to simulate the SCM impacted process and SRE detonation results. The penetration process and the formation cause of damage were analyzed. The detonation performance of TNT, reference propellant, and the propellant used in this experiment was compared. The axial acceleration caused by the explosion was also analyzed. By comprehensive comparison, the energy released by the detonation of this propellant is larger, and the HMX or Al particles contained in this propellant are more than the reference propellant, with a TNT equivalent of 1.168–1.196. Finally, advanced protection armor suggestions were proposed based on the theory of woven fabric rubber composite armor (WFRCA).     

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。