基于证据推理的激光惯组最优维护方法

为解决激光惯组存在的故障样本获取困难和监测维护周期不合理等问题，采用一种融合多元信息的性能评估方法对激光惯组的性能进行评估。首先，综合考虑了惯组指标信息的权重和可靠度，基于证据推理融合多元信息得到激光惯组性能评估结果。其次，根据性能评估结果，通过维纳过程预测综合考虑激光惯组的监测维护成本和性能设计要求，在满足性能状态要求前提下以单位时间内期望维护成本最小为目标，确定最优维护时机。最后，使用某型号激光惯组进行了实验验证，说明所提出的方法的有效性。     

不确定退化测量数据下的剩余寿命估计

剩余寿命估计是工程系统预测与健康管理的关键.目前,基于观测的系统退化数据进行剩余寿命估计得到了很大的关注.由于系统随机退化过程和测量误差的影响,测量数据中不可避免包含退化随机性和测量不确定性.然而,现有基于观测数据的剩余寿命估计研究中,没有将退化随机性和测量不确定性对估计的剩余寿命分布的影响同时考虑.鉴于此,提出了一种基于Wiener过程且同时考虑随机退化和不确定测量的退化建模方法,利用Kalman滤波技术,实现了潜在退化状态的实时估计.在退化状态估计的基础上,得到了同时考虑退化状态不确定性和测量不确定性的解析剩余寿命分布.此外,提出了一种基于极大似然方法的退化模型参数估计方法.最后,通过陀螺仪的退化测量数据验证了本文提出的方法优于不考虑测量不确定性的方法,可以提高剩余寿命估计的准确性.     

莲花台水电站围堰防渗施工技术

莲花台水电站为丹江干流的第2个梯级电站.开创性地选择汛期进行围堰防渗墙施工,节省工期,降低施工成本;采用高压旋喷墙防渗,设计合理,施工质量良好,经受了2个汛期的多次洪水考验;汛后利用保存较完整的防渗墙进行掏槽后填筑黏土心墙,成功实现了围堰快速闭气,闭气效果良好.     

二萜类化合物微生物转化研究进展

二萜类化合物是一类重要的天然产物,研究发现微生物能对该类化合物进行多种类型的结构修饰。本文根据十年来二萜类化合物生物转化研究的报道,对二萜类化合物的生物转化菌种及催化反应类型进行综述,以期为二萜类化合物生物转化研究与应用提供参考。     

粗糙集和支持向量机在复杂电路系统诊断中的应用

为了解决复杂电路系统故障样本少、特征信息冗杂的问题,提出了一种基于粗糙集属性约简理论和支持向量机分类方法相结合的故障诊断方法.首先采用粗糙集约简故障模式库中的冗余特征属性和矛盾样本,然后提取最简故障特征模式作为支持向量机的学习样本,通过样本训练使构建的支持向量机多分类器能够快速实现故障诊断的目的.最后,通过仿真算例验证了该方法在小样本故障识别上的有效性和可行性.     

GENOME SHUFFLING技术优化及其应用进展

Genomeshuffling作为一种新型的育种方法,与传统方法相比更加高效快捷,近年来不断被应用于制药、食品制品、环境工程等众多领域的菌种改良中。对genome shuffling近年来技术的优化及其应用进展进行综述。     

优化自适应灰色预测模型及其在导弹故障预报中的应用

导弹武器的特点导致了无法利用大量的试验数据对其进行可靠性的预测和评定,因此文章引入灰色系统理论来解决小量数据预测问题.通过对灰色模型建模的机理进行了深入的讨论,得到了导弹贮存可靠性的预测模型,并根据导弹储存周期长的特点,引入自适应方法对其预测模型进行优化.按照优化自适应灰色预测模型和基本模型对导弹惯性器件进行贮存可靠性的预测,证实了优化自适应模型的预测精度高于基本模型预测结果,预测的长期效果也能达到良好的效果.     

基于频域核系数的动态模拟电路故障诊断

因模拟电路中可及测试节点数量的限制,基于系统辨识的思想提出了一种新的故障诊断方法,频域核系数被用来进行模拟电路参数故障诊断.根据电路传递函数和元件的容差预先计算出全部频域核系数的正常范围,然后利用电路的输入输出信息提取故障电路的频域核系数,依据超出正常范围频域核系数的故障特征可确定电路故障范围或故障元件.通过仿真实例验证了该方法的有效性.     

采用人工免疫算法的加速寿命试验分析方法

极大似然估计是加速寿命试验统计分析中常用的分析方法,但似然函数的优化问题是该方法广泛运用的主要障碍,常用的似然函数优化算法对初值要求高,而且容易陷入局部最优解.为了有效地解决上述问题,在似然函数的优化中引入了人工免疫算法,提出了一种采用人工免疫算法的步降应力加速寿命试验分析方法.利用人工免疫算法在解决多维复杂函数优化问题时强大的全局寻优能力,有效地解决了似然函数的优化问题.最后通过实例验证表明,采用人工免疫算法的步降应力加速寿命试验分析方法是有效的,而且在统计分析中避免了查统计用表,能够很方便的实现计算机编程计算,有较大的工程应用价值.     

基于神经网络的导弹惯性器件故障预报系统研究

在导弹武器系统当中,及时准确地故障预报对提高导弹的安全性具有极其重要的意义.针对导弹惯性器件故障预报系统的设计要求,考虑到神经网络用于故障预报的优点,在神经网络技术应用于导弹惯性器件的故障预报过程中提出了神经网络的训练算法,把神经网络、预测理论和故障诊断系统有机结合起来建立了一个故障预报系统,利用该系统选取神经网络预测模型对某导弹陀螺随机漂移进行建模和分析,实现了故障预报.实例预测结果证明,给出的神经网络预测模型和训练算法是可行的.