餐饮业计量监督工作应与计量器具合理配备相结合

随着经济的发展,市场的繁荣,经销海（水）鲜商品的餐饮单位越来越多,生意越做越红火,像我们这个中等城市,专门经销海（水）鲜商品的饭店、酒店就有抓多家,这些餐饮单位的经销活动都是以衡器称重结算的。今年3·15前夕,我们集中时间、人力检查了此类餐饮业70多家,经过现场复称商品量,衡器配备不合格的达95％以上,造成短量的酒店、饭店占80％以上,其中问题比较严重的占班％,使用未经检定或严重失准衡器的占20％。餐饮单位经销海（水）鲜产品发生短量问题,大致有以下几方面原因：一是个别经营者受经济利益驱动,弄虚作假,牟取非…     

A Failure Sample Selection Method Based on Failure Pervasion Intensity

The complex and uncertain relationship among failures was always ignored in failure sample selection based on traditional testability demonstration experimental method. A failure pervasion model is founded based on fuzzy probability Petri net （FPPN） which can depict the propagation and pervasion relation among failures, then failure pervasion intensity is defined, the process of failure pervasion was depicted based on k-step fault pervasion algorithm and the pervasion inten- sity was expressed by a value. The method of sample selection based on failure pervasion intensity and failure rate is intro- duced into the process of sample selection. The practical application shows that the sample set selected based on failure pervasion intensity and failure rate can represent the failure set adequately.     

基于KPCA-HSMM设备退化状态识别方法的研究

为消除多通道观测信息冗余,压缩高维故障特征,提出了基于核主元分析( KPCA)多通道特征信息融合的隐半马尔可夫模型( HSMM)设备退化状态识别的新方法。首先,对采集的单通道振动信号进行小波相关滤波处理,构造单通道振动信号的小波相关特征尺度熵向量;然后,利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合,得到多通道的融合小波相关特征尺度熵向量;并以此融合特征向量作为HSMM的输入进行训练,建立基于HSMM的设备运行状态分类器,从而卖现设备退化状态的识别。实验结果表明,该方法能有效的识别设备的退化状态,从而为多通道特征信息融合设备退化状态识别开辟新的途径。     

一种改进的无监督学习SVM及其在故障识别中的应用

提出一种改进决策1-SVM方法(1-DISVM),并由此构建了基于单类样本训练的1-DISVM多分类模型。 1-DISVM是1-SVM方法的改进,通过对决策算法的修正,解决了1-SVM分类精度低的不足,并将其应用于直升机减速器故障识别中。结果表明该方法能够在训练样本数量少、不准确的情况下,自动排除错误样本的干扰,获得很好的分类结果,且具有无监督学习、分类精度高、易于扩展和代价小等优点。     

基于小波特征尺度熵-隐半马尔可夫模型的设备退化状态识别方法及应用

机械设备从正常到故障往往经历一系列退化状态,正确识别设备当前所处的退化状态,对预防设备进一步退化和故障的发生具有重要意义。提出了一种基于小波特征尺度熵一隐半马尔可夫模型(HSMM)的设备退化状态识别新方法。通过小波变换提取小波特征尺度熵,然后构造信号的小波特征尺度熵向量,并以此作为HSMM的输入进行训练,建立基于HSMM的机械设备运行状态分类器,从而实现设备退化状态的识别。并且以滚动轴承为例,对正常和几种故障程度不同的滚动体运行状态进行了识别,实验结果表明该方法能有效的识别设备的退化状态。     

智能装备新型测试保障模式——无人化测试

随着智能技术的快速发展,越来越多的智能装备逐渐应用于军事各个领域,智能装备的有人测试保障模式将逐渐向无人化测试变革。针对未来无人化作战和无人化智能装备的特点,从智能装备无人化保障的角度,分析了未来智能装备无人化测试技术的需求,阐述了无人化测试的技术特征与技术现状。同时,结合未来加强该技术方向研究的发展建议,提出了一种未来智能装备无人化测试的新技术手段——认知机内测试的概念,阐述了其基本原理与关键技术,为未来无人化测试技术的研究发展提供了参考。     

直升机航向姿态系统机内测试降虚警方法

振动、温度等环境因素导致的虚警问题严重阻碍着机内测试在直升机航向姿态系统中的应用,针对该问题建立了航向姿态系统机内测试的隐马尔科夫模型,采用正常、虚警、故障等历史信息训练该模型.提出了基于隐马尔科夫模型的降虚警方法,该历史信息与当前机内测试结果相结合,监测识别机内测试虚警.某型直升机航向姿态系统机内测试试验结果表明,该方法可以有效地降低机内测试虚警.     

基于时间应力及隐马尔可夫模型的焊点故障预测技术

焊点所承受的各种环境应力和工作应力的时间历程(时间应力)是其疲劳失效的直接外因.从时间应力导致焊点故障的机理入手,以焊点的三维有限元模型为基础,对焊点实时损伤的评估方法进行研究.通过建立焊点损伤及故障演化的隐马尔可夫模型,以实时损伤评估信息为基础,结合基于寿命消耗的故障预测方法,研究从时间应力测量的角度对焊点进行故障预测的详细技术流程和相关算法.最后以塑料四方扁平封装器件焊点为研究对象,对提出的焊点故障预测技术的有效性进行了试验验证和分析.     

测试不可靠条件下的诊断策略优化方法

提出了一种测试结果不可靠条件下的诊断策略优化生成方法.首先将描述测试可靠性的参数(检测概率和虚警概率)转换为误诊代价,将其与基于霍夫曼编码的测试费用评估函数相结合,构建了一种既考虑测试费用又考虑诊断精度的启发式评估函数,然后基于该启发式评估函数提出了一种不确定AO*算法.为了有效评估诊断策略的诊断精度,提出了一种测试性参挝数预计方法.最后应用案例验证了本方法,测试性预计结果表明本方法实现了诊断精度和测试费用的权衡.     

基于非齐次泊松过程和统计仿真的故障样本模拟生成

由于测试性虚拟试验具有成本低、效率高、风险小、故障注入受限少等优点,故障样本量几乎不受限制,可有效弥补测试性实物试验的不足,但同时也对故障样本生成提出新的要求。为此提出一种适用于测试性虚拟试验的基于非齐次泊松过程和统计仿真的故障样本模拟生成方法。分析指出可修系统的故障发生过程是随机过程,并用非齐次泊松过程及其参数化模型对其进行数学描述。给出故障样本模拟生成流程,建立故障事件发生间隔时间的概率分布函数,通过随机数生成和逆变换法,实现故障样本的模拟生成,仿真获得故障发生次数及其相继发生时间。以某型地平仪为案例进行试验和应用研究。试验结果表明,采用所提方法进行故障样本模拟生成是有效的,能科学指导可修系统测试性虚拟试验中的故障注入。