基于物理模型和灰色理论的行星轮系胶合损伤定量检测方法

将物理模型的仿真信号与灰色关联分析方法相结合,提出了直升机主传动系统2K-H行星轮系胶合损伤定量检测的新方法.针对2K-H行星轮系,建立太阳轮胶合损伤的物理模型,通过仿真获得不同严重度的行星轮系损伤振动信号.将仿真信号的特征向量作为灰色关联分析的标准模式,采用灰色关联分析算法分析待检信号,根据得到的关联度对胶合损伤进行定量检测.最后在直升机传动系统故障模拟试验台上开展了故障植入试验,通过试验数据验证了方法的可行性.     

柴油机光谱油液分析预测模型研究

针对油液光谱分析数据的预测问题,分析了现有几种预测模型的特点和应用范围,并将预测模型应用到实例中。对几种模型进行了比较分析,给出了各种预测模型的应用范围和适用情况。     

基于油液分析和时间序列模型的内燃机磨损状态监测方法

提出了一种基于油液分析和时间序列模型的内燃机磨损状态监测方法。将整个内燃机看作一个摩擦学系统,利用时间序列模型对摩擦学系统进行动态建模,建立能够表征内燃机磨损状态的数学模型。采用该模型对内燃机润滑油中各元素的变化趋势进行趋势分析,并应用实例对模型进行了检验。结果表明,该方法准确判断内燃机的磨损状态,为内燃机磨损状态监测提供了一种新的途径。     

油液光谱分析故障诊断专家系统知识库的设计与实现

油液光谱分析技术现在已经成为设备故障诊断和预测的重要检测手段 ,建立综合油液分析专家系统可以使诊断水平达到专家的水平。在专家系统的设计建立过程中 ,知识库的设计与实现是一个核心的问题。针对军用装备油液分析的特点 ,提出了一种基于混合深浅知识的光谱油液分析专家系统知识库的建立和实现方法 ,在实际使用中有一定的应用价值     

遗传算法和神经网络在铁谱图象识别中的应用

针对BP算法在神经网络学习中的一些缺点,将遗传算法应用于BP神经网络的网络学习中,提出了一种BP-GA算法。最后,应用神经网络对铁谱图象进行智能识别,实验结果证明它比单纯的BP算法有更佳的结果。     

基于支持向量机的发动机磨损故障识别

针对发动机磨损故障识别问题,利用支持向量机(Support Vector Machine,SVM)的小样本训练学习的优势,建立基于SVM的发动机磨损故障识别方法,有效解决了困扰发动机油液分析故障诊断中小样本识别问题,为发动机故障诊断提供了一种新的途径.     

某型柴油机磨损特点及油液光谱分析诊断研究

从磨损类型、磨损过程、主要摩擦副、样本数据分布以及磨损元素相关系数等几个方面系统分析了某型柴油机的磨损特点，并且针对柴油机磨损状态监测同题研究了油液光谱分析的诊断原理，制定了浓度模型、梯度模型和比例模型等数据分析模型的界限值，提出了适合光谱数据预测的灰色模型和时间序列模型预测方法，为柴油机磨损状态监测提供了一整套可行的监测方案。     

基于遗传算法的轴承信号分形无标度区的截取

将遗传算法应用于分形无标度区的截取上，实现了无标度区的快速、准确的截取。在实际应用中，对轴承振动信号进行无标度区的截取，进而用G-P算法计算振动信号的关联维数，从结果中可以看出正常振动信号与故障振动信号之间有着明显的差异，为轴承故障诊断提供一个比较可信的判断依据。     

遗传算法在油液光谱分析诊断系统中的应用

油液光谱分析诊断系统(SADS)由人机交互、数据管理、知识库管理、推理机、自学习调整、远程故障诊断和系统输出等模块组成.将遗传算法用于SADS的机器自学习中,直接用初始模糊关系矩阵作为初始值,设计适应度函数和遗传算子,并对遗传算子进行改进.通过自调整知识库实现机器自学习.     

一种Linux环境下搭建高性能网络库交互平台的方法

本项目重点阐述了基于Linux的epoll技术的网络库交互平台的设计方案,通过详细对比不同操作系统和不同I/0多路复用技术的效率,选择epoll技术设计并实现了网络库的基本功能,达到了预期的系统设计目标,提高了服务器并发处理的效率,明显提高了服务器的支持人数。