故障传播有向图在地面电源故障诊断的应用

基于图论的故障诊断方法能够有效地缩小故障源的搜索范围,在最短的时间内找到真正产生故障的部件。采用故障传播有向图的方法对某飞行器地面电源故障诊断算法进行了研究,针对该飞行器地面电源的物理结构及相关的电气特性得到其故障传播有向图,并经过一些运算后将有向图进行了分层重构,最后利用故障定位算法模拟了故障定位的过程,得到了很好的效果。     

基于阶次跟踪和BP网络的齿轮箱故障模式识别

在对齿轮箱的原始振动信号进行时域采样的基础上,利用小波包分析对其进行消噪,然后对得到的数据进行角域重采样,得到基于阶次跟踪的采样信号,再对该信号进行特征参量提取,最后利用BP网络对得到的故障特征参量集进行模式识别。该方法能够避免传统分析方法中难以克服的“频率模糊”现象,对于瞬态信号有较好的分析处理能力,是对传统频谱分析法的有力补充。     

自行火炮液压系统油液内泄漏量数学模型研究

通过对自行火炮油液泄漏故障形式和原因分析,综合考虑系统的工作压力、温度和混入空气量影响,建立了自行火炮油液泄漏量的数学模型。该模型指出了自行火炮液压系统内泄漏量主要取决于系统的温度、压力、液压油的动力粘度、油液的体积模量和热膨胀系数,揭示了泄漏量随工作参数峰值变化的规律,可为自行火炮的油液泄漏检测与定位提供参考。     

软件可测性评估

介绍了现有的软件可测性评估方法,继而提出了基于程序结构的软件可测性评估方法,该方法充分考虑了软件的失效机理,针对测试对象的不同特点,给出了面向控制流的软件故障执行的概率、数据状态感染的概率及以变量的定值-引用为基础的被感染数据状态传播到输出的概率等估计方案,在此基础上,进行了软件可测性的评估.     

汽车蓄电池的硫化故障原因分析及预防

汽车蓄电池在使用过程中,由于维护使用不当,导致的极板硫化现象是最为常见的蓄电池故障原因。本文从铅酸蓄电池极板硫化故障现象入手,着重分析了产生硫化的原因、预防蓄电池极板硫化的对策,以及如何正确使用和维护汽车蓄电池,延长蓄电池的使用寿命。     

基于CNN-LSTM的在轨卫星故障预测分析

在役考核中,对遥测参数进行监控与分析,是评估在轨卫星工作状态及健康状况的重要途径.为解决在线多任务故障预测问题,提出了结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的数据挖掘模型,并运用了一种基于误差反馈的权重自调整机制.利用某型卫星(含故障)遥测参数的仿真数据进行分析处理,实验结果表明:在线CNN-LSTM模型以最小的信息损失进行建模,对比单一模型以及传统的回归模型,CNN-LSTM模型不仅在测试集上取得了最小平均绝对百分比误差12.61％,同时模型预测性能在长时间预测中优于离线模型.     

基于BP神经网络的D-S证据理论及其应用

命题基本概率分配(BPA)的确定是D-S证据理论得以广泛应用的关键之一.目前,大部分确定方法受专家知识偏好影响较大,难以反映客观情况.将BP网络运用到基本概率分配的确定过程中,使得BP网络和D-S证据理论两者有机地联合应用,这样既可利用D-S证据理论来表达和处理不确定信息,又可以充分发挥BP网络的自学习、自适应和容错能力.文中建立了基于BP网络的D-S证据理论的故障诊断模型,并给出了证据的融合算法.仿真实验表明,该模型可行.     

火炮反后坐装置故障机理研究

反后坐装置是火炮的"心脏",性能好坏直接关系到其战斗力的发挥。节制环磨损及复进机漏液是反后坐装置最常见的故障。分析了节制环磨损和复进机漏液的故障机理,给出了磨损量以及漏液量计算模型。在此基础上,结合火炮后坐、复进反面问题计算程序,模拟计算火炮在节制环磨损和复进机漏液情况下的运动诸元。进而预测在其它射击条件正常情况下,火炮平均无故障射弹发数。     

网络自恢复技术的研究

根据移动网络的特性并结合其管理方式,提出了一种新的基于移动网络并具有一定QoS保证的网络重组策略,将引入的重新划分网络边界和周界的思想,与启用备用链路、重路由等几种机制有机地结合起来。它不仅完善了现有的重组技术,而且还可以作为网络管理中的新功能,增强故障处理、性能监测能力,提高服务质量,保证信息安全可靠地传输。     

基于遗传算法与最大最小原理的故障模式特征选择

在诸如液体火箭发动机等复杂动力学系统的故障诊断中，监控参数组的优选问题一直受到工程技术人员的高度重视。本文提出了综合样本矢量方向离散度概念，以此作为故障特征参数的优选准则；然后利用经过改进的遗传算法，对某液体火箭发动机常见故障的诊断进行了特征参数组的优选。在改进的遗传算法中，采用了非常简洁而高效的染色体编码，针对特征优选的组合优化类问题专门设计了一种特殊的基因迁移算子，并引进了父本个体适应值的动态调整技术与共享函数。数值实验结果表明，该算法具有理想的效果。