极端温度环境中舰船弹库传热技术研究

根据《GJB1060.2-1991舰船环境条件要求-气候环境》标准,建立了舰船弹库在高温日照环境与极端低温环境下的传热模型。将太阳辐射和环境温度转化为综合温度,对弹库内部流场进行了流固耦合的二维计算仿真,分析了弹库内部温度在高温日照环境中的连续性变化以及在低温环境中的分布情况。仿真结果表明弹库具有良好的隔热保温性能,所做研究可以为舰船弹库的设计和使用提供决策参考依据和技术支撑。     

基于局部特征尺度分解与最小熵解卷积的轴承故障诊断

为准确进行滚动轴承的故障诊断,结合局部特征尺度分解(LCD)和最小熵解卷积(MED)给出了一种新的故障诊断方法。首先,对轴承振动信号进行局部特征尺度分解,得到若干个内禀尺度分量;然后,依据互相关系数指标,采用聚类分析方法自动选取有用分量并叠加作为重构信号;最后,应用最小熵解卷积将重构信号降噪,并应用包络分析技术进行故障诊断。通过轴承内、外圈故障振动数据的分析表明:经LCD-MED处理后,振动信号的峭度值得到了较大提高,故障特征频率更加突出,基于LCD-MED的方法在轴承故障诊断中有效且合理。     

导弹发射装置随动系统模拟器设计与实现

针对导弹发射装置随动系统实验平台实验过程中损耗严重的问题,设计了基于DSP（Digital Signal Processing）的导弹发射装置随动系统模拟器。该模拟器具有与实验平台相同的电气接口,采用神经网络算法建模,能模拟实验平台的运行特性,检验控制参数、控制算法的正确性,有效减少教学设备的损耗,节约保障成本,满足训练和教学需要。     

基于卷积神经网络的滚动轴承故障诊断方法

为了简单、准确地进行轴承故障诊断,结合深度学习理论,对基于卷积神经网络的滚动轴承故障诊断方法进行了研究;首先,选用了结构相对简单的LeNet5卷积神经网络;然后,对轴承振动信号原始数据进行截取和归一化处理后直接生成生成二维矩阵作为神经网络输入;接着,优选卷积核大小、批大小、学习率及迭代次数等网络模型参数;最后,应用sigmoid函数进行多标签分类;实验结果表明,该方法能有效识别正常状态及不同损伤程度下的内圈、外圈、滚动体故障状态,识别准确率达到99.50%以上水平;基于卷积神经网络的滚动轴承故障诊断方法不仅在一定程度上可以简化故障诊断的过程,而且可以充分利用卷积神经网络模型的优势实现高效准确地故障诊断。     

基于观测器的液压系统健康状态评估方法研究

为了实时评估液压系统的健康状态,提出了基于观测器的健康状态评估原理,利用解析模型、仿真模型和数据模型及其配合等方法进行液压系统标准模型的建立,联合实际液压系统的监测数据,构建液压系统的状态观测器。将实际系统的相关参数作为输入,实际监测点的输出与标准模型的输出进行特征分析与对比,在数据处理的基础上形成残差及其向量,运用数据分析方法计算系统健康度,并解析各元素及其耦合所映射的故障类型与故障程度,实现液压系统的故障定位与评估。最后,利用某型装备的起竖液压系统进行了应用举例,介绍了模型构建、故障模式与参数选择、残差构成及健康度计算的方法。所研究的状态评估方法对实时评估液压系统,及开展液压系统视情维修具有参考价值。     

基于径向基神经网络的电火工品安全电流预测方法

为了预测单发电火工品的安全电流,通过瞬态脉冲试验得到电火工品的电阻和集总热散失系数,结合升降法得到的安全电流对集总热散失系数进行补偿,采用径向基（RBF）神经网络预测电火工品的安全电流。结果表明： 安全电流预测值与发火验证试验结果基本一致,为264 mA; 预测值高的电火工品在相同的恒流脉冲下发火的概率小; 预测均值与升降法得到的整批产品的安全电流相等。     

基于变分模态分解与最小熵解卷积的齿轮故障诊断

为了准确地进行齿轮故障诊断,结合变分模态分解和最小熵解卷积,给出了一种新的故障诊断方法。首先,以包含啮合频率的分量的包络峭度最大作为原则,确定变分模态分解的分量个数;然后,将齿轮振动信号运用变分模态分解,得到多个分量;选取包含啮合频率的分量作为敏感分量;接着,应用最小熵解卷积,将敏感分量降噪;最后,应用包络分析技术进行故障诊断。通过齿轮断齿故障振动数据的分析,验证了方法的有效性。