基于证据理论与多模型结合的模拟电路故障诊断

针对模拟电路故障诊断中单一诊断模型诊断结果模糊性与不确定性较大的不足,基于信息融合原理,提出一种结合神经网络、支持向量机(SVM)与DS证据理论的综合诊断模型。在分析了传统BP神经网络与支持向量机的缺点后,分别用改进的免疫遗传算法和粒子群算法对其进行结构优化。利用两种模型的初步诊断结果进行DS证据理论的基本概率分配(BPA),得到证据理论的两个证据体。采用DS融合算法进行决策层融合诊断,定位故障元件。仿真验证表明,该方法可以有效提高故障诊断的准确率,避免了单一诊断模型的偶然性与不确定性。     

碳纳米管增强复合材料Timoshenko梁弯曲和屈曲行为分析

考虑碳纳米管(carbon nanotubes,CNTs)的尺度效应,研究宏观尺度下碳纳米管增强复合材料(carbon nanotubes reinforced composites,CNTRCs)梁的弯曲和屈曲行为。在EMT(Eshelby-Mori-Tanaka)方法的基础上,利用非局部理论提出了可表征CNTs尺度效应的非局部EMT本构模型。根据Timoshenko梁理论,采用哈密顿原理得到CNTRCs梁的静力学微分方程和边界条件。求解简支边界条件下CNTRCs梁的弯曲响应和极限屈曲载荷,并与文献进行对比验证所建模型和求解方法的正确性。分析了CNTs的尺度效应参数和体积分数以及复合材料梁的长细比等因素对简支CNTRCs梁弯曲响应和极限屈曲载荷的影响规律。结果表明,考虑CNTs的尺度效应会削弱结构等效刚度,且CNTs体积分数和尺度效应参数对大长细比CNTRCs梁的弯曲响应和极限屈曲载荷的影响幅度较大。