面向装备健康管理的可测性指标研究

可测性指标是开展可测性设计、验证和评估的依据.针对传统可测性指标主要用于故障可检测性和故障可隔离性水平评价,不能全面反映面向装备健康管理可测性水平的问题,在定性分析装备健康管理对可测性的本质需求基础上,从全域和瞬态角度提出了五个可测性指标以定量描述面向装备健康管理的可测性水平;并基于故障模式状态矢量给出了可测性指标的分析计算流程.最后以某装备柴油机的机体子系统为案例详细说明了可测性指标的计算过程,应用结果表明所提指标具有一定的可行性和合理性,可以有效指导面向装备健康管理的可测性优化设计.     

基于单元故障模式的水下恒流远供系统可靠性分析方法

以水下单元的短路/开路故障模式为基础,提出了一种分析缆系海底观测网络恒流远供系统可靠性的方法。根据系统供电和结构特性,将系统分成不同的供电链路和链路段。详细研究了处于不同位置的各种水下单元发生故障时,对链路和观测设备的供电状态的影响。归纳了导致系统和各链路无法正常导通、观测设备无法得到供电的状态情况,分析了不同故障状态发生的概率,进而得出了求解系统、供电链路与供电设备的供电可靠度的方法。通过算例分析,进一步梳理了3种供电可靠性的共性规律,说明在设计和建设恒流远供系统时,应综合须考量这3种供电可靠性。     

液体火箭发动机涡轮泵健康监控系统

为了提高液体火箭发动机涡轮泵的安全性,降低其故障带来的破坏性,设计了某型液体火箭发动机涡轮泵健康监控系统(TP HMS),工程实现了TP HMS的测试硬件子系统、实时故障检测子系统、试车后数据分析子系统和实时数据库支持子系统等,讨论和分析了TP HMS的功能和执行流程,然后利用历史试车数据与转子试验平台数据对TP HMS中的多特征参量自适应阈值综合决策算法(MATA)进行了离线和实时在线验证;利用自适应时频谱对测试数据作进一步的分析。结果表明,MATA没有发生误检测情况,并具有实时故障检测的能力;自适应时频谱能有效抑制时频交叉项的干扰,准确给出故障信号的时间和频率信息。因此,TP HMS适合于液体火箭发动机涡轮泵健康状态监控。     

像“海豚”一样:潜得深 跳得高——记江南工业集团公司首席专家周欣

<正>周欣不仅专业技术水平高,而且在工作中极能吃苦;不管面临的任务有多难,待维修设备的技术含量有多高,他都会欣然接受直到彻底解决问题。周欣是江南工业(集团)公司数控加工分厂的一名员工,前不久,他被公司聘为首席专家。对他进行公示的那几天,笔者听到了一些有关他的"传说":做事踏实,为人低调,修好了不少高价值的设备,属于"海豚"类型的科技人才——潜得深跳得高。     

心理倾斜现象研究

在日常的思想政治教育中,我们注意到一个比较普遍的心理现象:当官兵经历一些事件和变化时,总会产生一定的心理波动和倾斜,并表现出不同于以往的心理不平衡状态。比如军地待遇差异,先进或落后的评定,身边战友的升迁去留,或是战友之间发生的一些人际冲突等。类似的事件都会对官兵的心理产生影响,引发不同程度的心理倾斜,并产生一些或积极或消极的行为后果,因此需要思想政治教育者科学对待并认真解决。科学认识心理倾斜的内在机制心理倾斜是一种相对于心理稳定、平衡的状态,它指机体在对环境变化的适应过程中,心理协调应对能力与实际要求不平衡…     

基于改进粒子群优化算法的发动机故障仿真

为对发动机的稳态故障特性进行有效分析,提出了一种基于改进粒子群优化算法的故障仿真方法。首先将描述系统性能的非线性方程组,转化为带约束的最优化形式,通过设置式中参数可以仿真不同状况下的系统故障。并且提出运用一种改进的粒子群优化算法来为解决描述系统的高维、非线性函数,该算法在初始化时,运用混沌的思想,使得粒子分布遍历所有状态;在进化时,运用的免疫的思想,设置了基于适应度的克隆算子与变异算子增加粒子的多样性;在免疫选择之后,对各个粒子的速度也进行了重新设置,增加了粒子寻找全局最优的能力。实验结果表明,改进的粒子群优化算法能够有效地求得最优解。     

星载铷钟的故障模式及影响分析

星载铷钟在许多空间系统中起着重要作用,要求其具有高的可靠性。阐述了故障模式及影响分析在星载铷钟可靠性设计中的重要作用,介绍了星载铷钟的基本原理和结构简图,依据星载铷钟的功能将其划分为6个子系统,在此基础上进行了故障模式及影响分析,并给出了物理泵体子系统的部分FMEA结果。     

E级超级计算机故障预测的数据采集方法

面向未来E级超级计算机,提出用于故障预测的数据采集框架,能够全面采集与计算结点故障相关的状态数据。采用自适应多层分组数据汇集方法,有效解决随着系统规模增长数据汇集过程开销过大的问题。在TH-1A超级计算机上的实现和测试表明,该数据采集框架具有开销小、扩展性好的优点,能够满足未来大规模系统故障预测数据采集的需求。     

液体火箭发动机基于神经网络的实时故障检测算法实现

以某大型液体火箭发动机为研究对象,针对其启动和稳态工作过程,利用Matlab和Lab Windows/CVI等编程工具,基于神经网络技术,开发实现了其地面试车过程实时故障检测的BP(Back Propagation)和RBF(Radial Basis Function)算法。多次试车数据离线检验和实时在线考核结果均表明该方法能够及时、有效地检测出发动机工作过程中的故障,没有出现误报警和漏报警,并能够很好地满足现场试车的实时性和鲁棒性等要求。