基于CNN-WaveNet的滚动轴承剩余寿命预测

为保证设备正常运行并准确预测轴承剩余寿命,提出二维卷积神经网络与改进WaveNet组合的寿命预测模型.为克服未优化的递归网络在预测训练过程中易出现梯度消失问题,该模型引入了WaveNet时序网络结构.针对原始WaveNet结构不适用滚动轴承振动数据情况,将WaveNet结构改进与二维卷积神经网络结合应用于滚动轴承寿命预测.模型利用二维卷积网络提取一维振动序列的特征,随后特征输入WaveNet并进行滚动轴承的预测寿命.改进模型相比于深度循环网络计算效率更高、结果更准确,相比于原始CNN-WaveNet-O模型预测结果更准确.相比于深度长短期记忆网络模型,改进方法预测结果均方根误差降低了11.04％,评分函数降低了11.34％.     

电动汽车无线充电线圈偏移情况下的效率提升

电动汽车无线充电过程中线圈偏移问题经常发生,可能造成系统传输效率的降低和增加系统的不稳定性.针对两种电动汽车无线充电过程中出现的线圈偏移问题进行了互感、传输效率的理论计算与分析.在此基础上,运用Matlab对线圈科学设计、阻抗网络优化、平板磁芯耦合的3种无线电能传输系统进行仿真.结果表明3种方法均能有效提高充电系统线圈偏移情况下无线电能的传输效率.     

基于MATLAB的发电机失磁故障仿真研究

本文利用MATLAB软件建立了某电力单机无穷大系统的仿真模型,对发电机各种失磁故障进行了仿真分析,总结了失磁故障特征,为发电机失磁保护提供了理论依据。     

基于粗糙熵的防空作战多传感器管理算法研究

本文针对防空作战系统多传感器管理过程中信息不确定性的特点,提出了一种基于粗糙熵的多传感器管理算法。该算法从信息熵的角度出发,利用粗糙集理论的思想,依据粗糙熵原理进行优化,从而实现传感器资源的管理。给出了应用该算法的具体步骤,并仿真证明了该算法的有效性和合理性。     

基于模糊多属性决策方法的装备战场威胁评估

采用模糊多属性决策的方法,在AHP方法确定各要素的权重指数基础上,研究定量分析并建立装备战场威胁评估模型.步骤包括建立层次结构模型、构造判断矩阵、层次排序及一致性检验.评估要素的模糊化问题,则通过分别确定装备战场威胁类型、爆炸方式及装备间距离的威胁隶属度值完成.     

复杂系统故障的综合诊断模型

为了提高对复杂系统所产生故障的诊断效率,提出一种基于遗传算法(GA)和人工神经网络(NN)的练合诊断模型.该诊断模型的运行分为两步:1)利用NN对故障诊断数据进行预处理;2)运用GA进行诊断.将嵌套神经网络与遗传算法有机结合,嵌套神经网络的功能相当于一种预处理器,可以减少由遗传算法处理的故障类型的数量.弥补了遗传算法不能诊断出可信度和神经网络难以鉴别出最可能故障点的缺点.提高了诊断结果的精确性、可靠性和一致性,而且在一定程度上减少了总运行时间.     

磁耦合共振双发单收系统特性仿真分析

针对电动汽车行驶过程中出现的多个能量发射端向一个能量接收端非接触供能的情形,基于磁耦合共振无线电能传输原理,建立“双发单收”式磁耦合共振理论模型,求解得到“双发单收”系统负载总功率数学表达式.选取3个典型位置,利用ANSYS仿真软件得到发射、接收线圈的磁感应强度云图和电流波形图,分析比较3个位置的电流传输特性与磁场特性.逐渐改变接收线圈与发射线圈的横向相对位置,模拟得到一个能量接收系统在两个能量发射系统之间运动时的充电过程,发现接收线圈运动时系统具有较为稳定的充电电流与充电功率,验证了“双发单收”系统的正确性.     

基于BP神经网络的军用电源智能故障诊断

电源设备的可靠运行关系到地空导弹武器系统的性能,对电源系统进行准确的故障诊断是十分重要的.为对地空导弹武器系统中电源设备故障进行准确诊断,介绍了BP神经网络和某型地空导弹静变电源的相关知识,建立了三相DC/AC逆变器的故障模型,并对几种常见的故障进行了简要的分析.最后,将BP神经网络模型应用于某型地空导弹静变电源的故障诊断,利用神经网络较好的模式分类能力,解决了以往地空导弹部队进行静变电源故障诊断的不足.仿真结果表明,该方法能够准确诊断电源设备的故障,验证了该方法的准确性和实用性.     

国防采办系统核心能力论

受企业核心能力论的启发,首次提出国防采办系统核心能力论。首先对国防采办系统核心能力的定义、内涵及本质进行了细致的阐述;然后,对国防采办系统核心能力论的方法论进行了积极探索;由此,形成了国防采办系统核心能力论的雏形。     

基于SVM逆模型控制的储能电源逆变器研究

电网供电系统的储能电源变换器是储能电源系统的核心,其控制效果的好坏直接影响输出电能的质量.为进一步提高储能电源逆变输出电压波形质量,增强控制系统的鲁棒性,基于逆系统控制思想,提出一种支持向量机(SVM)直接逆控制与PID控制相结合的复合控制策略,并将其应用在储能电源控制系统中.采用支持向量机离线训练的方法,实现了对系统逆模型的辨识,并将辨识出的逆模型作为控制器,与被控对象串联构成一个伪线性系统,在此基础上,采用增量式PID控制器(IPIDC)进行补偿式控制.Matlab仿真结果表明该控制器有效减少了超调量,抗干扰能力和鲁棒性强,适用于非线性系统.