发动机油泵状态监测与故障诊断系统研究

构建了一种状态监测与故障诊断系统,它的主要对象是发动机油泵,研制该系统的目的是为了实时掌握泵机组的运行状态,并能对泵机组实现一定的自动工况调节。它能及时准确的对泵机组的各种异常状态或故障状态作出判断,并实时的生成各种数据报表,为故障的趋势分析提供依据。     

基于多指标相似性的T/R组件剩余寿命融合预测方法

为实现对T/R组件剩余寿命的准确预测,及时掌握装备当前健康状态和提高装备维修保障水平,分析T/R组件的故障特点,筛选出反映T/R组件状态退化过程的状态监测指标,通过计算每个指标对应的剩余寿命信息和权重,得到T/R组件的剩余寿命预测结果。通过算例分析与比较,验证了预测方法的实用性与有效性。研究结果可为电子装备剩余寿命预测提供理论指导,对合理计划维修资源和提高装备战斗力具有重要意义。     

考虑落角约束与驾驶仪特性的自适应RBF空间末制导律

为使大口径舰炮制导炮弹在打击近岸机动目标的末制导段满足落角约束,现考虑自动驾驶仪动态特性,基于自适应RBF逼近网络与动态面滑模提出一种空间末制导律。构建空间弹目相对运动模型,通过带改进微分跟踪器的扩张状态观测器估计目标加速度。为零化视线角跟踪误差与视线角速率,采用自适应指数趋近律设计非奇异终端滑模动态面,并运用自适应RBF逼近网络削弱控制指令抖振。通过Lyapunov第二法证明了全系统中视线角跟踪误差与视线角速率均最终一致有界。仿真实验表明：该末制导律使制导炮弹在空间中打击具有不同机动形式的近岸目标时,均具备良好的末制导性能。     

储能用蓄电池模型参数的动态辨识

为观测锂离子电池的参数,通过建立多元线性回归模型对内电路参数进行辨识,并提出通过间接观测蓄电池平衡电动势来辨识荷电状态的方法。该方法基于改进的Thevenin电池模型,以等效电容量来表征锂电池的容量特性。在循环周期内可通过测量放电前后开路电压变化量和电荷变化量来辨识等效电容;等效电容又可以在短时间内动态估算平衡电动势以作为辨识荷电状态的主要变量。通过一个循环周期内的脉冲放电实验验证了所采用的改进电池模型和辨识方法的有效性和准确性。     

非合作目标视觉/惯导相对导航及敏感器自标定方法

利用视觉/惯导对空间非合作目标进行相对导航时,两敏感器的外参数对导航精度有较大影响。考虑到敏感器间的外参数标定复杂且耗时,提出一种利用视觉/惯导在估计相对状态过程中对其外参数进行标定的方法。该方法将视觉/惯导的外参数作为状态变量,与相对轨道运动学方程、相对姿态方程及惯导模型共同组成系统状态方程。利用该状态方程和单目视觉的观测量设计扩展卡尔曼滤波器对相对位姿、惯导偏差及视觉/惯导外参数进行估计,并通过数学仿真对该方法的有效性进行验证。仿真结果表明,该方法能够在视觉/惯导初始外参有偏差的情况下,有效估计相对位姿及惯导漂移,并对视觉/惯导外参数进行标定。     

内压作用下复合材料修复裂纹管道的失效分析

为准确评估在内压作用下纤维复合材料修复含裂纹管道的有效性及失效压力,建立复合材料修复后裂纹管道的失效数值模型。该数值模型通过扩展有限元法模拟管道裂纹的扩展,利用cohesive单元模拟胶层的脱粘失效,复合材料的失效通过最大应力失效准则进行判定。通过静水压爆裂试验对所提失效数值模型进行验证,实验结果与数值计算结果具有较好的一致性。失效数值分析结果表明:当内压增大至一定值后,未修复管道的初始裂纹沿轴向及壁厚方向逐渐扩展,进而使得管道内壁单元扩展成真实裂纹,此时真实裂纹贯穿整个壁厚方向,即认为裂纹管道发生爆裂失效,爆裂失效压力随初始裂纹半长呈指数形式下降。复合材料修复裂纹管道的不同修复工况呈现相同的失效模式:在单调递增的内压作用下,管道内表面首先出现黏结裂纹,而后其外表面裂纹张开趋势急剧上升,使得复合材料层应力急剧上升,达到极限强度而失效。且对于不同的初始裂纹尺寸,存在对应的复合材料缠绕层数临界值。     

基于GPS相位差的炮弹滚转角测量方法

针对高速旋转炮弹滚转角的测量问题,在分析天线载波相位差与滚转角、滚转角速率关系的基础上,将GPS相位差作为量测输入,利用卡尔曼滤波器估计载体的滚转角和滚转角速率。仿真结果表明:该方法能很好地估计出载体的滚转角,具有一定的工程应用价值。     

基于状态的维修与备件库存决策联合优化研究

针对需进行定期功能检测的设备,研究其基于状态的维修策略与备件库存策略联合优化方法。引入延迟时间理论,分析定期功能检测策略下备件库存的消耗与供应过程;基于设备功能退化和备件库存变化规律,建立以设备维修保障费用为优化目标的数学模型,并采用仿真的方法对设备功能检测周期、备件最大库存水平、备件订购周期等决策变量进行联合优化。通过一个算例对所提出的方法和建立的模型进行应用验证。     

基于SVM的控制棒驱动机构滚轮状态评估方法

针对控制棒驱动机构滚轮振动信号非平稳、小样本的特性,提出了一种基于支持向量机的滚轮状态评估方法。该方法首先对信号进行小波降噪,再将降噪后的信号分解为若干乘积函数分量之和,选取包含主要故障信息的分量进一步分析,从这些分量中提取几种特征参数作为支持向量机的输入参数,建立了滚轮故障识别模型。通过对滚轮正常状态、故障状态的分析证明,该方法可以准确、有效地对滚轮的工作状态进行分类。