病态信息控制的理论与方法研究进展

论述了“病态信息”概念的形成过程及初步定义 ,讨论了病态信息的危害 ,阐述了病态信息研究的目的意义 ,阐明了国内外相关研究的基本情况、主要观点及其对病态信息的控制产生的影响 ,提出了病态信息控制的理论与方法的框架体系结构 ,最后综述病态信息研究的主要进展情况、主要应用情况及发展前景。     

基于信息神经网络的内燃机故障诊断方法

在统计概率基础上建立了信息神经网络 ,探讨了利用该网络诊断内燃机故障的方法 ;并在 1 2 1 50L内燃机上进行了模拟故障的诊断试验。试验结果表明 ,该方法是可行的。     

基于声测法的齿轮箱齿轮故障诊断研究

分析了齿轮箱故障机理及其与噪声信号的内在联系 ,利用声检测原理对齿轮箱工作状态进行了监测实验 ,分析处理了系统正常和故障工况下的声学及振动信号 ,并通过倒频谱分析方法进行特征参量提取 ,成功地判断出了齿面磨损故障。     

基于贝叶斯网络的计算机网络端到端服务故障诊断

研究了利用贝叶斯网络不确定推理技术实现端到端服务故障诊断的方法,详细描述了贝叶斯网络故障诊断模型的建立方法,设计了基于Pearl信念传播机制的故障诊断算法,并对其进行了改进,以提高诊断效果.最后,通过仿真验证了该方法的有效性,并提出了下一步的研究方向.     

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。     

多CPU探测机器人分布式体系结构研究

星球探测机器人是一个带有部分自主行为的自主智能机器人系统,它的体系结构不仅决定了系统完成任务的能力、系统对环境事件的反应能力,而且还决定了系统的健壮性.星球探测机器人的容错网络结构是系统设计的核心,文章提出了一个高可靠的分布式计算系统架构,并对架构的容错网络通信技术进行了分析.     

基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。     

基于Markov链的分布式仿真系统最佳检查点间隔研究

基于HLA的分布式仿真系统作为一类特殊的分布式系统,其容错一般基于回卷恢复实现,在回卷恢复中检查点间隔的不同会对系统性能产生很大的影响。分析了分布式仿真容错与一般分布式系统容错的异同,根据不同仿真进程对仿真结果的重要程度对其进行了分类,定义并利用Markov链分析了采用回卷恢复时分布式仿真系统的可用度,得到了系统最大可用度对应的检查点间隔的求解等式,通过一组试验数据验证了该最佳检查点间隔求解等式的正确性。     

基于ANN模式识别的某型导弹测试车配电系统故障诊断

人工神经网络诊断特点与基于模式识别的诊断特点非常相似。将ANN模式识别技术应用于某型导弹测试车配电系统故障诊断。根据测试车配电系统的故障特点,设计ANN为4层BP网络,具有9个输入、10个输出,两个隐含层神经元数目分别为9和6。测试结果表明该方法能有效诊断测试车配电系统故障。     

基于NNLI技术的齿轮箱故障诊断

将NNLI技术应用到齿轮箱的故障诊断中,提出了基于NNLI的特征提取方法,并将该方法与神经网络结合起来,进一步提出基于NNLI特征提取的神经网络故障诊断方法,给出了两种不同的网络分类器,通过齿轮箱故障诊断实例验证了该方法的有效性。