基于MINIS仿真平台的CODOG动力装置仿真研究

根据MINIS仿真平台的框架结构,结合舰船CODOG动力装置的特点,采用模块化建模方案建立了各部件的仿真模型,给出了算法程序设计和模型实现的方法。采用MINIS仿真,将算法编译成动态链接库,发挥了不同编程语言的长处,考虑了不同开发者的差异性,增强了可扩充性,缩短了程序开发时间,对动力装置的进一步应用开发具有较大的参考价值。     

近似熵在发动机故障诊断中的应用研究

介绍了近似熵的概念、主要特点及其算法,提出了基于近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,并对发动机声信号进行了分析处理。通过对比正常状态与故障状态的近似熵值,根据其变化有效地提取发动机故障特征,从而实现了对发动机状态的监测与诊断。实验结果表明近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果,是一种行之有效的新方法。     

基于TPC-C基准的ACID验证工具的实现

文中针对TPC-C基准的ACID测试用例,重点分析了隔离性测试用例的设计意图,用java语言设计实现了一个开源的ACID验证测试工具,介绍了该工具的体系结构及设计思路,并使用该工具对MySQL6.0数据库系统与Oracle9i数据库系统进行了验证和对比,其中MySQL数据库使用了InnoDB和Falcon两种不同的事务型引擎。     

基于转子固有频率的涡轮泵故障检测方法

为了有效地检测液体火箭发动机涡轮泵的故障,分析了某型液体火箭发动机的28次历史试车数据,得到了涡轮泵转子的一阶、二阶和三阶临界转速以及轴向固有频率的数值,研究了这4个转子固有频率幅值的稳定性及对涡轮泵故障的敏感性,得出了它们具有较强的稳定性和故障敏感性的结论。在此基础上,提出并验证了基于转子固有频率的涡轮泵故障检测方法。结果表明,基于转子的一阶、二阶和三阶临界转速以及轴向固有频率幅值能有效地检测涡轮泵的故障。     

火箭弹道学发动机推力模拟方法

发动机工作性能对火箭飞行性能的严重影响已引起众多研究人员的重视,尤其是火箭发动机推力总冲及其工作时间等重要参数.这里提出了一种在静态测定推力时间历程、总冲的基础上,通过实际飞行测试结果确定其扰动量来最终模拟推力时间历程的仿真方法.该方法简洁方便,易于编制程序及模拟仿真,便于工程人员掌握,可用于火箭发射动力学、外弹道学及射表编制等方面研究,具有一定应用价值.     

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。     

过氧化氢改善柴油机燃烧的试验研究

提出采用过氧化氢组液参与柴油机的燃烧,改善柴油机燃烧过程,同时降低油耗与排放的新方法。分析了过氧化氢对柴油机燃烧过程的影响机理,从实用角度设计并开发了一种过氧化氢组液供给系统,并在135柴油机单缸机上试验研究过氧化氢组液消耗量对比油耗、烟度、排温及NOx的影响。     

基于装备多寿命周期理论的发动机再制造工程及其效益分析

为了延长装备的回用时间,减少装备对环境的影响及充分利用资源,介绍了基于装备多寿命周期理论的发动机再制造工程,对发动机再制造的内涵、工艺流程、经济社会效益进行了分析。以年再制造1万台重型车辆斯太尔发动机为例进行了效益分析,结果表明可以节省金属材料7.65 kt,回收附加值3.23亿元,提供就业500人,并可节电1.45×108kWh,减少CO2排放0.6 kt,说明发展再制造工程对延长装备寿命周期、节能、节材、环保等方面具有重要意义。     

基于模糊支持向量机的发动机故障诊断方法

发动机的故障样本少,用神经网络进行故障类别的学习和分类往往会出现过学习、泛化能力不高以及局部极小点等问题。针对这一缺陷,将基于小样本理论的支持向量机学习方法应用到发动机的故障诊断中。同时讨论了3种多故障分类器的优缺点,并用引入模糊隶属函数的方法解决了“一对多”方法在构建多故障分类器时存在的分类盲区,提高了分类器的分类精度。用该方法对发动机常见的8种状态模式的样本进行训练和识别,训练样本和测试样本都有较好的识别率。     

Wasserstein距离在液体火箭发动机故障检测中的应用

健康监控技术能够切实提高液体火箭发动机的可靠性,针对液体火箭发动机健康监控中的故障检测问题,提出基于Wasserstein距离的方法,利用液氢液氧火箭发动机地面热试车数据进行验证。该方法的核心思想是利用Wasserstein生成对抗网络模拟正常数据的样本分布,利用其判别器计算测试样本与模拟分布间的Wasserstein距离,进而实现故障检测。结果表明:该方法能够克服故障数据不足的困难,有效检测稳态过程中的故障,没有发生误报警,且对早期异常有较高敏感性;在训练样本较少的情况下,当Wasserstein距离阈值为3σ时对启动过程的早期异常有较高敏感性,取5σ时仍可有效检测启动过程中的故障,误报警率为12.5%。