基于随机森林法的机械变速箱技术状态评估

将随机森林RF(Random Forests)引入到机械设备技术状态评估领域,对某型坦克不同劣化程度的变速箱振动加速度信号数据进行分类研究,分类精度达到97%以上,证实了此方法的有效性。基于RF的评估方法具有组合分类器精度高、树型分类器运行速度快的特点,在机械设备状态识别、故障诊断中表现出了良好的性能。     

装备液压系统泄漏量原位检测评估模型

在分析通用液压元件结构的基础上,建立了装备液压系统原位检测条件下的泄漏量评估模型。以某型装备柱塞泵为例,进行了泄漏量评估标准的具体计算和原位不解体流量检测试验,通过对比检测结果和评估标准,判断出了该泵的技术状况。     

通用装备机械液压系统综合检测试验平台的设计与研制

针对目前通用装备保障建设过程中存在的保障设备通用性差、综合功能弱、机动性能差及信息化程度低等问题,提出了"划类分组、综合集成、一体通用"的设计思想,研制了可完成军械、装甲、工程、防化、车辆、陆军船艇等装备机械液压系统技术状况检测与评估、故障诊断、部(元)件修后试验与质量评估、信息管理等功能的综合机动平台。重点阐述了平台各系统的设计思想、硬件组成及软件框架。实际应用表明,该平台具有"广谱"、"广域"和"全时"的能力,其推广使用将为通用装备保障由"基于型号"向"基于能力"的建设转型提供成功示范。     

不同边界条件下水下爆炸气泡的数值模拟

采用有限元程序MSC.Dytran对不同边界条件下水下爆炸气泡的脉动过程进行了数值模拟。对数值模拟中的一些重要问题,如炸药药包的建模、网格密度、状态方程和静压力场的设定等问题进行了探讨。对无限水域中的水下爆炸气泡以及自由面边界、水平刚性面边界和垂直刚性面边界三种边界条件下的水下爆炸气泡进行了数值模拟,分析了水下爆炸气泡的半径、外形变化、气泡脉动压力、流场中的速度分布,结果发现边界的存在对气泡外形的影响较大,刚性边界面会使气泡脉动压力增大较多,而自由面边界对气泡脉动压力的影响较小。将数值模拟的结果与理论模型、经验公式和试验结果进行了比较分析,结果吻合较好。     

Lipschitz非线性系统状态观测器设计新方法

针对Lipschitz非线性系统状态观测器,提出了一种以极小化条件数为目标准则的新的设计方法。运用梯度下降法和Slyvester方程,计算极小化条件数,优化增益矩阵和最大允许Lipschitz常数,完成观测器设计。通过同其它文献的算例比较,结果发现按文中方法设计的观测器具有迭代次数少、优化结果好的特点。     

云模型和混合Petri网相结合的系统可靠性评价

针对复杂系统可靠性评价中工作环境可变的情形,提出基于云模型和混合Petri网相结合的可靠性评价方法。首先采用云模型描述系统的环境适应能力指数,并将其作为混合Petri模型中连续库所的托肯值来控制该模型中变迁的变迁率,然后采用基于Petri网的蒙特卡罗方法对不同环境下的系统可靠性进行仿真求解,得到系统在不同时刻下的失效率。最后以一个C4ISR系统为例,验证了该方法在解决可变工作环境下的系统可靠性评估是可行的。     

分布式监测系统故障诊断功能模型分析

分布式监测系统长时间的连续监测,累计的数据量非常可观,为了数据实时传输及节省传输成本,对监测的数据现场预处理,采取一定的方法压缩数据量非常必要.目前,针对状态数据传输过程中的数据压缩与传输效率的研究还很少,一般采用黑匣子功能模型或白匣子功能模型,虽然具有减少数据冗余的作用,但是没有考虑数据流本身冗余特性,提出基于数据压缩的分布式监测系统功能模型,提高了通信速度和可靠性,满足了实时传输的要求.     

考虑气象因素的飞机空战能力评估模型

针对指数法评估飞机空战能力的不足,研究了气象环境对飞机作战效能的影响,分析了综合指数模型中飞机操纵性能、态势感知能力、火力性能受不良气象条件的影响,建立了不良气象环境下的飞机系统空战效能评估模型。最后以3种机型的空战能力评估为例进行计算,验证了所建模型是合理、可行的。     

“三色图”的一个充分条件

文中证明了定理:若图G中不存在与K_4同胚的子图,则其色数X(G)≤3,进而得到三色图的一个充分条件。只要能证明与上述定理类似的一个定理:“若图G中不存在与K_5同胚的子图,则其色数X(G)≤4”,则世界著名的“四色猜想(4CC)”即得证。     

基于CNN的三相逆变器开路故障诊断及其样本条件分析

为了合理选择样本条件以实现高效的智能化诊断,以及克服智能化方法中传统反向传播(back propagation, BP)网络权值较多、局部信息提取能力不足的问题,对基于卷积神经网络(convolutional neural network, CNN)的开路故障诊断方法进行研究,并以典型的三相两电平逆变器为具体对象,着重分析样本时长、样本数量变化时,CNN方法相较于BP网络方法在网络权值数量、训练稳定性、诊断准确率上的量化优势。结果表明,基于CNN的方法可在权值数量远少于BP网络方法的情况下构建深度更深的诊断模型,并在更短样本时长、更少训练样本数量下实现高效、准确的开路故障诊断。