靴形喷油速率耦合预喷射对超高压共轨柴油机性能的影响

在介绍超高压共轨系统工作原理的基础上,基于GT-Power软件建立单缸超高压共轨柴油机的仿真模型,并利用试验验证模型的准确性,而后通过模型分析不同喷油速率、靴形喷油速率耦合不同预喷油量和靴形喷油速率耦合不同预喷提前角对超高压共轨柴油机动力性、经济性以及燃烧排放特性的影响。结果表明:通过调整超高压共轨系统中电控增压器电磁阀和喷油器电磁阀的开启时间,能够实现喷油速率的柔性可调。随着喷油速率从矩形变化到靴形,柴油机缸内压力、温度以及NO_x排放量均逐渐降低,而soot排放量逐渐升高,且靴形喷油速率可使柴油机获得最大的功率(扭矩)和最低的油耗率。靴形喷油速率耦合较小的预喷油量可以使柴油机获得更好的动力性、经济性和燃烧特性,但同时也会导致NO_x排放量的升高。靴形喷油速率耦合较大的预喷提前角有助于改善柴油机排放特性,但受到预喷油量的限制,效果并不明显。     

一种嵌入式系统中软硬件故障的划分方法

软硬件故障是嵌入式系统可靠性的关键问题之一,如何划分软硬件故障对于整个系统的可靠性研究来说是至关重要的,也是最基本的一步.给出了软硬件故障的基本定义,并与单纯的软件故障和单纯的硬件故障进行了对比,总结了软硬件故障的基本特点.在此基础上,归纳了几条软硬件故障的划分原则,提出了一种软硬件故障的划分流程,并通过形式化方法对某装备的具体软硬件故障进行了划分,为进一步的研究提供了有力的依据.     

基于最大后验概率候选集更换法的多故障诊断策略研究

给出了一种基于最大后验概率候选集更换法的多故障诊断策略,并深入阐述了基于最大后验概率候选集更换法的形式化描述,分析了对单故障诊断和多故障诊断的计算模型,提出了基本的故障诊断算法——改进二进制粒子群算法,并对抽象实例进行验证,结果表明,采用改进BPSO算法能有效地求解基于最大后验概率候选集更换法的多故障诊断问题。     

线性系统的鲁棒容错控制设计方法

考虑了线性故障系统的鲁棒容错控制问题。利用状态反馈特征结构配置参数化结果,提出了一种鲁棒容错控制设计方法。该方法将故障系统的鲁棒容错控制问题转化为含有约束的最小化问题。数值算例及其仿真结果验证了所设计方法的简单性和有效性。     

故障预测与健康管理技术的应用与发展

基于故障预测与健康管理（Prognostics and Health Management,PHM）系统框架,分析了PHM技术在装备维修保障中的重要意义,概述了PHM技术的发展过程及应用现状,重点讨论了当前故障预测与健康管理所采用的关键技术,包括先进传感器技术、数据传输技术、数据挖掘与信息融合技术、健康评估与故障预测技术、智能推理与决策支持技术等,最后展望了PHM技术的发展趋势。     

基于层间嵌入式多级支持向量机的特征选择

针对多故障样本一次性映射之后分类不理想,研究了多级层次式支持向量机,应用UCI数据仿真,结果表明该方法缩短了训练时间、提升了测试准确率、改善了样本的可分类性。由于误差积累,在此基础上,提出了层间嵌入式多级支持向量机,采用Abalone数据仿真,结果表明分类精度有所提高并减少了分类步骤。结合ReliefF算法,对制导设备的故障特征参数进行了选择。     

一种新的CLEFIA多字节差分故障分析方法

阐述了CLEFIA分组密码算法及故障分析原理,根据在CLEFIA密码第r轮与第（r-2）轮注入多字节故障,提出了一种新改进的针对CLEFIA的多字节故障模型及分析方法,并通过软件仿真实验进行了验证。结果表明,CLEFIA算法的Feistel结构和差分S盒特性使其易遭受多字节故障攻击,而改进算法使得密钥的恢复效率大大提高。     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。     

故障树分析法及其在系统可靠性分析中的应用

在现代装备设计中,可靠性已成为与性能同等重要的设计要求,并对装备的作战能力、生存力、部署机动性、维修人力和使用保障费用产生重要的影响。针对目前装备复杂系统可靠性研究,借鉴故障树分析法进行分析与运算,并介绍了故障树分析法相关理论与数学描述,最后通过实例对某型装备动力系统的可靠性进行了定量分析。结果表明,故障树分析法是一种能够较为准确分析装备系统可靠性的方法,是设计人员评估和改善其可靠性的有利工具。     

基于支持向量机的功率变换器开关管开路故障诊断

提出一种基于支持向量机的功率变换器开关管开路故障诊断方法。利用支持向量机建立分类模型,模型以相电流功率谱为输入量,7种故障状态为输出量,选用高斯核,使用基于二叉树分类器的分类算法。将诊断结果与基于BP神经网络的诊断结果进行比较,结果表明基于支持向量机的分类器在功率变换器开关管开路故障诊断中具有更高的准确率和更好的泛化能力。