航天发射场供气系统健康管理技术

针对新一代航天发射场采用全新的在线供气模式,难以有效评估单样本设备健康状态的问题,提出一种基于隐马尔可夫的设备健康状态管理与预测方法。首先,利用设备监测数据构建隐马尔可夫健康状态评估模型,通过对不同观测序列与不同观测次数下的预测准确率进行仿真,确定出最优的模型参数;其次,把实时数据代入模型,根据模型的计算结果取最小值,从而判断出设备的健康状态;最后,将当前数据与历史数据进行拟合,预测出系统的安全可靠寿命。经实际检验,该方法有效解决了单样本多状态设备的健康评估。     

电磁换向阀铁芯管开裂故障分析

针对某大型钢结构液压系统发生多起电磁换向阀铁芯管开裂故障,从阀件工作压力、服役环境和产品质量3个方面进行故障机制分析,通过平台动作过程中T口压力检测和铁芯管开裂特征材料失效分析,找出故障原因。结果表明:回油调速导致阀控箱内回油管实际压力大于阀件T口允许工作压力,并最终导致故障发生。     

加工沟痕对某特氟龙软管失效行为影响研究

针对某品牌特氟龙软管在使用过程中发生多起漏油故障，从服役环境、材质和制造质量进行分析，检查发现，失效软管内衬成分为聚四氟乙烯，内管内表面存在加工沟痕。选择同批次软管进行试验，结果表明：内表面加工沟痕形成结构上的薄弱位置，受内压或外载作用出现开裂贯穿，导致软管漏油失效；复杂的服役环境加速了这一故障过程的发生。     

基于网络演算的网络故障检测方法

在计算机网络系统中,由于存在外界攻击,设备寿命有限等原因,网络设备不可避免地会发生故障.本文提出了一种基于网络演算的故障检测方法,并证明了该方法能在确定的时延范围内检测出网络中节点发生故障及恢复正常的时间,以及节点的故障种类.在仿真算例上测试发现,本文的方法能及时检测出节点故障和正常的时间,且检测的平均准确率比当前常用的基于LSTM的方法高很多.     

比例控制回路压力补偿分析

针对带压力补偿功能的比例控制回路中传统单级补偿阀弹簧可调性差引发流量控制方式单一的问题,研究一种基于变压差压力补偿原理的比例控制手段。以一种带新型变压差压力补偿单元的马达控制回路为研究对象,针对控制回路进行仿真,获取仿真环境下比例控制阀流量及压力的变化规律,揭示负载发生变化时,带变压差压力补偿单元的比例阀控制回路系统的抗干扰特性和调速机制。最后比对实验结果并对仿真模型的正确性进行验证。结果表明：研究的变压差压力补偿回路相比传统单级压力补偿回路性能更优,可通过调节压力补偿阀先导元件的设定值使比例控制回路拥有更大的流量调节范围。     

铝合金表面超疏水缓蚀自修复膜的制备及其耐蚀性

先在铝基体上制备了镁铝水滑石膜层和十钒酸根插层水滑石膜层两种类水滑石膜层,再采用全氟辛基三乙氧基硅烷通过气相沉积法对类水滑石膜层进行不同时间的表面改性,制备出超疏水类水滑石膜层。采用扫描电子显微镜、接触角测量仪对膜层的结构和润湿性进行分析,讨论了改性时间对膜层结构和超疏水性能的影响,并且通过电化学测试,短期浸泡试验及盐雾试验进一步研究了该超疏水膜层的耐蚀性。结果表明:改性1 h即可使类水滑石膜层获得超疏水性能,随着改性时间的延长,超疏水膜层的接触角基本不变,12 h为最佳改性时间;超疏水膜层可以极大提高基体的耐蚀性,其中装载钒酸盐缓蚀剂超疏水类水滑石膜层的耐蚀性远高于单纯超疏水类水滑石膜层的。     

介孔分子筛纳米微容器装载缓蚀剂对环氧涂层防腐蚀性能的影响

目的 研究添加装载缓蚀剂的介孔分子筛对环氧涂层防腐蚀性能的影响。方法 通过浸渍法分别添加有机缓蚀剂葡萄糖酸锌和无机缓蚀剂硝酸铈对介孔分子筛MCM-41改性获得缓蚀颗粒，将缓蚀颗粒与环氧涂层混合获得具有自修复功能的复合环氧涂层。通过中性盐雾试验、电化学交流阻抗谱和局部电化学交流阻抗谱测试，评价了复合环氧涂层的防腐蚀性能，并通过光学显微镜对腐蚀后形貌进行了观察。结果 当缓蚀颗粒含量为5%时，浸泡50 d后，环氧清漆的涂层电阻从9.93×10⁴ Ω降至3.71×10⁴ Ω，而铈改性复合涂层的电阻从2.33×10⁵ Ω降至1.06×10⁵ Ω，其变化趋势更稳定且阻抗值更大，有机锌盐改性复合涂层在浸泡后的起泡现象也得到了明显改善。缓蚀颗粒含量较多(10%)时，复合涂层中的微孔缺陷含量增高，同时引起渗透压的改变，使得腐蚀介质更易渗透至金属基体表面，加速腐蚀的发生。在带缺陷涂层中，两种改性涂层缺陷周围测得的阻抗值呈现先减小后增大的趋势，涂层均出现自修复现象。结论 适量装载缓蚀剂介孔分子筛颗粒的加入，有效地提高了环氧涂层的防腐蚀性能。Zn²⁺/Ce³⁺在缺陷处形成难溶化合物阻碍腐蚀反应是提高涂层防腐蚀能力的主要原因。     

深度学习在故障诊断领域中的研究现状与挑战

现代工业系统已呈现出向大型化、复杂化的方向发展,使得针对工业系统的故障诊断方法遇到一系列的技术难题.近年来,深度学习(deep learning)在特征提取与模式识别方面显示出独特的优势与潜力,将深度学习应用于解决复杂工业系统故障诊断的研究已初现端倪.为此,首先介绍几种典型的基于深度学习方法实现工业系统故障诊断方法;然后对基于深度学习实现故障诊断的主要思想和建模方法进行描述;最后总结和讨论了复杂工业系统故障的特点,并探讨了深度学习在实现复杂工业系统故障诊断方面所面临的挑战,展望了未来值得继续研究的方向.