基于免疫遗传算法改进的BP神经网络在灭火系统电路板故障诊断中的应用

针对装甲车辆灭火系统电路板规模较大,功能日趋多样与完善的同时,其复杂程度也日益提高,故障层次越来越多,故障现象与故障原因的映射关系更加复杂,组合故障频发,传统的故障诊断方法已不能满足灭火系统电路板故障诊断的要求。设计了基于免疫遗传算法优化的BP神经网络对灭火系统电路板进行故障诊断,并在免疫和遗传过程中保留了部分训练最优解。实现了神经网络收敛速度的提高,使用Matlab编程优化算法并完成了电路板仿真故障的诊断。通过实验验证了该诊断模型的准确性和可靠性,为电气系统通用检测设备的神经网络诊断方法实现提供了理论支撑。     

装甲钢焊接技术研究进展

装甲钢是一种用于作战装备的保护性合金材料,装甲钢的焊接是装甲钢结构的主要连接方式。从装甲钢的裂纹类别、特点以及其形成原因出发,介绍了装甲钢焊接材料、焊接工艺和提高焊接接头性能的措施。主要包括奥氏体焊条、铁素体焊条及奥氏体/铁素体双向焊条;电弧焊、CO2气体保护焊、熔化极气体保护焊、修复装甲钢裂纹的铝热焊、机器人焊,激光焊等焊接工艺;焊后热处理、超声波冲击法、焊趾砂轮打磨法与钨极电弧焊法。并在装甲钢焊接技术研究现状分析的基础上,提出装甲钢焊接技术今后的改进措施与发展方向。     

SHS+HP法制备TiC基陶瓷-钢复合板性能研究

采用自蔓燃热压法(SHS+HP)成功制备了Ti C基金属陶瓷-钢复合板。对Ti C基金属陶瓷-钢复合板进行形貌、金相、显微硬度以及抗弹性能的测试与分析。结果表明,金属陶瓷与钢板实现了冶金结合,陶瓷层洛氏硬度(HRA)大于83,复合板对12.7 mm穿燃弹的防护系数大于2.10,超过了685钢和氧化铝,有望成为新一代复合装甲防护材料。     

自蔓延高温合成法合成金属陶瓷功能梯度材料研究进展

阐述了自蔓延高温合成法(SHS)制备的功能梯度材料的种类、特性及其应用前景,探讨了自蔓延高温反应合成金属陶瓷功能梯度材料的影响因素(合成原料、点火工艺、反应环境和辅助措施),并分三个阶段(准备阶段、合成阶段和后处理阶段)讨论了SHS法制备功能梯度材料应注意的技术问题,同时介绍了自蔓延法辅助其他工艺(SHS反应喷涂)制备梯度陶瓷材料技术,并提出了自蔓延高温合成法制备金属陶瓷功能梯度材料今后的发展方向。     

基于复杂网络的装备保障体系协同保障模型研究

针对复杂网络相继故障（也称雪崩）一旦发生对网络的稳定性具有极强破坏力这一问题,在分析装备保障网络及保障特性的基础上,基于复杂网络理论建立了符合装备保障特性的相继故障模型;结合我军相关协同保障规则,建立了旨在降低相继故障影响、增强保障网络稳定性的协同保障模型;对建立的军级装备保障体系协同保障模型,给出了其在不完全信息条件下遭受攻击的仿真实验分析。仿真实验结果表明,协同保障能够对重要节点提供重点支援和保护,经协同保障后修复的节点与网络中度值较高的节点具有同等的重要性,对二者进行重点保护能够有效地避免大规模相继故障的发生。     

一种改进的装备保障能力并联预测模型

为了提高装备保障能力的预测精度,针对当前预测算法及其组合模型存在的问题,提出了一种改进的并联预测模型。利用文本挖掘选择预测指标及权重,改进了区间标度算法并构造了不等距、多尺度区间的模糊时间序列模型。改进了粒子群优化方法中微粒速度和位置及惯性权重值的算法,使用该方法优化了支持向量机参数并建立预测模型。依据改进的模糊时间序列和支持向量机预测模型建立了改进的并联预测模型,通过计算预测权重值并将预测值与预测权重值组合形成并联模型的预测值。通过案例证明了该预测方法具有更高的精度。     

SOM和Elman神经网络在整流器故障诊断的应用

针对装甲车辆电源系统整流器内部二极管的断路和短路故障,提出了一种基于SOM和Elman神经网络相结合的诊断方法。通过建立整流器的仿真模型,利用快速傅里叶变换（FFT）提取各故障模式的谐波次数和幅值,并用SOM网络进行模式分类,由于各模式下具体故障类型存在相位差,通过采样其周期内的电压值,再利用Elman网络可以识别具体故障。从仿真结果来看,实现了整流器的模式分类和故障识别,验证了该方法的可行和正确性。     

永磁同步电机直接转矩控制系统建模与仿真

文章以永磁同步电机控制为研究对象,探究应用于电传动车辆的永磁同步电机直接转矩控制方法。首先,建立某型电动车辆电机模型,对直接转矩控制策略所需的各模块的模型进行研究,然后在Simulink中进行仿真,通过仿真试验,验证了直接转矩控制方法应用于永磁同步电机控制的可行性和可靠性。     

装甲车辆发电机故障辨识器研究与设计

为了提高装甲车辆发电机故障的诊断能力,文中针对某型装甲车辆发电机不易检测、故障样本少的结构单元,进行故障辨识研究。首先,建立旋转励磁机Matlab仿真模型,对励磁电流进行谐波分析选取故障样本,然后借助BP神经网络构建专用故障辨识器,通过测试实验验证故障辨识器可靠有效,可使这部分不易检测单元得到精准化检测维修。因此,研究设计发电机故障辨识器对提高发电机的故障诊断能力,具有一定实际意义。     

基于模式相关的改进BP神经网络算法

针对传统的BP神经网络模式分类算法在各个网络输出值较为接近或者模式类之间的网络输出值接近的情况下容易发生误判的问题,提出一种基于模式相关的BP神经网络分类算法,并结合具体电路,运用该方法进行建模、仿真．实验结果表明,采用模式相关的BP神经网络分类算法能够充分利用网络输出层各个节点的所有输出,增强了网络的输出特性,便于正确、方便的进行模式分类,且分类效果良好,具有一定的通用性．