舰船电力系统运行负荷估算方法研究

针对舰船电力系统的运行负荷估算常见算法的不足,提出了改进算法.改进算法用随机模型和回归模型描述舰船电力负荷,用回归模型描述的负荷采用回归算法,用随机模型描述的负荷采用逐步聚类法进行计算,并对获得随机负荷的计算参数提出了具体方法.通过对某船的计算和实测,进行了各算法的比较,验证了改进算法的可信性.     

考虑非线性退化与随机失效阈值的剩余寿命预测

针对广泛存在的非线性退化设备,现有方法尚未考虑随机失效阈值对剩余寿命预测结果的影响。因此,通过对设备性能退化过程进行分析,提出了一种综合考虑非线性退化与随机失效阈值的剩余寿命预测方法。基于Wiener过程构建了考虑个体差异与测量误差的非线性退化模型;基于卡尔曼滤波算法建立状态空间模型以实现对退化状态的在线更新;基于极大似然法估计失效阈值分布系数估计方法,得到随机失效阈值的概率分布;基于随机失效阈值推导出剩余寿命的概率分布,实现对剩余寿命的在线预测。算例研究表明,所提方法可以有效地提升剩余寿命预测的准确性,具备一定工程应用价值。     

Kriging与改进一次二阶矩融合的可靠性分析方法

针对结构可靠性分析问题,提出了Kriging与改进一次二阶矩方法相融合的分析方法。传统的改进一次二阶矩需要计算结构功能函数的梯度信息,在处理包含有限元模型的隐式极限状态问题时会比较困难。该方法将Kriging代理模型与改进一次二阶矩迭代有效而充分地结合,借助Kriging方法提供功能函数的梯度信息,以解决隐式极限状态函数的求导难题,提高分析效率。通过数值与工程算例验证了所提方法的可行性和高效性。     

鱼雷电磁引信作用距离模糊分析及抑制方法

从鱼雷电磁引信收发线圈垂直配置方法基本原理出发,分别分析了位于鱼雷轴线和偏离鱼雷轴线的双接收线圈产生作用距离模糊的原理。对于第一种情况,提出了对双路线圈输出信号进行取模处理的方法,消除了作用距离模糊;对于第二种情况,提出了通过增加对称位置的接收线圈,并对对称位置线圈输出信号求平均后,再进行取模处理,消除了作用距离模糊。仿真结果表明,该方法可有效消除作用距离模糊,提高电磁引信作用距离。     

水下接触爆炸下液舱前置型防雷舱的动响应分析

为探讨防雷舱结构设计,采用有限元方法对同一防雷舱结构的典型模式和液舱前置模式进行数值仿真计算,通过对典型模式与实验结果的对比,验证了数值计算方法的有效性。着重分析了液舱前置对防雷舱结构动响应过程、失效模式及防护效能的影响,并分析了其形成机制。从结构破坏过程、载荷特性、吸能特性三个方面对比了两种模式的差异,探讨了两种模式防雷舱结构的防护机理,为舰船水下舷侧防护结构的工程设计提供了参考。     

装备润滑油失效分析与再生研究

针对装备润滑油污染物的入侵与产生、添加剂的损耗而导致的失效问题,分析了污染物的主要种类与危害,根据国内外失效润滑油再生技术对不同种类污染物的去除技术做了概括性阐述,指出探索适于装备失效润滑油再生的技术与工艺对提高装备保障能力具有重要意义。     

基于高原发动机应用的富氧膜组件操作性能研究

发动机富氧进气燃烧对于高原车辆节能减排具有重要意义,膜法富氧是发动机上应用富氧装置的最佳方式。建立了富氧膜组件评定装置,分析了压力方式下压比、进气量和回收率对膜组件性能的影响,确定了压力方式下富氧膜组件的最佳操作条件,比较了不同应用形式下膜组件性能和功率消耗。试验结果表明：压差是影响膜组件透气量的主要因素,随着渗透端真空度的增加,单位压差产生氧流量的效率提高,增加渗透端真空度可显著提高渗透绝对氧流量。混合方式是膜组件在发动机上应用的最佳形式。     

关联规则挖掘在发动机故障分析中的应用

大部分关联规则挖掘算法仅以出现频率作为阈值来产生关联规则,然而在发动机故障数据分析领域,很多关键故障的出现机率较低,采用传统的挖掘算法无法适应航空发动机故障分析的需要.提出一种新算法,称为权重式多重支持度关联规则挖掘算法,此算法可针对不同重要度的故障定出不同的支持度阈值,由此产生的关联规则,可以解决高重要度但出现较少的故障不易被挖掘的问题.     

搭接式密封环及其在通用装备旋转体密封中的应用

针对装甲装备传动装置旋转体密封部位经常发生漏油的现象,在分析现有密封环失效机理的基础上设计出一种新式密封环——搭接式弹性密封环,并对其结构特点、工作原理等进行了理论分析。经台架空载和实车使用试验表明：不仅使漏油问题得到彻底地解决,而且有效地提高了修理质量,维修工效也得到明显提高。     

E 级超级计算机故障预测的数据采集方法

随着超级计算机规模向E级迅速发展,其可靠性面临巨大挑战,基于故障预测的主动容错技术成为提高系统容错能力的有效方法之一。数据采集是故障预测的基础,现有用于超级计算机故障预测的数据采集方法采集数据属性少、开销大,影响了故障预测的准确性和效率。本文面向未来E级超级计算机,提出数据采集框架（Failure Prediction Data Collection Framework, FPDC）,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,有效解决了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,能够适应未来大规模系统故障预测数据采集的需求。