基于KPCA-HSMM设备退化状态识别与故障预测方法研究

为消除多通道观测信息冗余,压缩高维故障特征,提出基于KPCA多通道特征信息融合的HSMM设备退化状态识别与故障预测新方法.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与故障预测模型,从而实现设备退化状态识别与故障预测.将其应用到滚动轴承的退化状态识别与故障预测中,验证了该方法的有效性.     

正交试验下基于FMMESA和GRA的环境应力-故障关联分析

环境应力是导致机电系统故障的主要原因,环境应力因素与机电系统故障间存在复杂的关联关系。首先,在故障模式、机理及影响分析方法的基础上,提出故障模式、机理、环境应力分析方法,用于定性分析导致机电系统故障的环境应力因素。其次,以定性分析结论为指导,应用加权评判法和正交试验设计法优化设计环境应力试验方案。然后,以试验数据为基础,应用灰色系统理论,提出环境应力特征与故障灰色关联分析方法,用于定量分析环境应力及其特征与故障的关联关系。最后,进行案例应用与分析。实验结果表明,所提出的方法能在优化后的试验次数情况下定性并定量的分析出影响系统故障的主要环境应力及其特征,可用于指导机电系统测试性虚拟试验中的环境建模、环境应力等级评定等,还可以作为故障检测、诊断与预测的信息基础。     

机电系统BIT的非永久故障分析建模与诊断

非永久故障是导致机电系统BIT（built-in test）虚警的一个主要原因,诊断非永久故障既可保证BIT的高故障检测率,同时又可有效地抑制虚警。但是目前缺乏对非永久故障的机理分析与建模,相应的诊断研究也很少。在分析研究非永久故障的表现形式、产生原因与机理的基础上,对被测系统的状态进行马尔可夫建模,再根据被测系统和隐马尔可夫模（hidden Markov model,HMM）的状态都是通过表现来感知的特点,利用HMM对BIT被测系统建模,并提出基于HMM的BIT非永久故障诊断方法,最后通过实验验证表明,此方法能有效地诊断非永久故障,降低BIT虚警。     

DVB-C条件接收系统中基于公共接口技术的机卡分离的设计与实现

本文首先介绍有线数字广播电视(DVB-C)条件接收系统的原理和相关标准，以及实现条件接收相关技术特点。然后，从运营商、用户和机项盒制造商以及CA厂家的角度出发，实现技术的选择性和竞争性，采用公共接口技术，给出了一种机卡分离方案的设计与实现。     

大坝变形监测用激光准直技术的真空系统设计

概述了大坝变形监测用真空激光准直系统中真空系统的组成及真空泵这一关键部件的选型方法。结合真空泵的技术参数,重点从真空室的极限真空度、工作真空度、真空泵有效抽速及抽气时间等方面对真空系统主要参数的计算方法进行了论述。阐述了真空管道材质的选择依据和管道壁厚的设计方法。采用上述方法对葛洲坝真空激光准直监测系统的真空系统进行了设计与工程实施,经现场测试,真空系统各项技术参数均满足设计要求。     

基于UML的复杂装备测试性需求建模

提出了一种基于UML的复杂装备测试性需求分析模型。首先分析了测试性需求分析过程;然后描述了统一建模语言（UML）测试性需求建模思想;最后构建了以用例模型、静态模型和动态模型为主的测试性需求分析模型,该模型详细描述了测试性需求分析过程中的系统信息管理和确定测试性指标要求的用例、对象信息以及交互行为,保证了信息的完备性和模型的有效性。通过开发测试性需求分析软件系统,并对某导弹进行测试性需求分析和指标确定,验证了结果的可信性和方法的有效性,为开展装备测试性需求分析和指标确定奠定了基础。     

某捷联惯导系统的BIT设计与实现

简要介绍了某捷联惯导系统（ＳＩＮＳ）的组成原理和工作流程,结合系统特点及原故障诊断不足,通过合理选配测点将ＢＩＴ（ｂｕｉｌｔ－ｉｎ ｔｅｓｔ）技术融合到该设备中,实现了系统主要信号的在线状态监测。并在此基础上研究开发了该系统的ＢＩＴ系统软硬件。     

基于隐半马尔可夫模型设备退化状态识别方法研究

机械设备从正常到故障往往经历一系列退化状态,正确识别与估计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。隐半马尔可夫模型(Hidden Semi-MarkovModels,HSMM)是隐马尔可夫模型(hidden Markov models,HMM)的一种扩展模型,克服了因马尔可夫链的假设造成HMM建模所具有的局限性,比HMM具有更好的建模能力和分析能力。由状态识别和HMM本质上的相通性,将HSMM引入到机械设备的状态识别中,提出了一种基于HSMM状态识别方法,描述了该模型的拓扑结构和主要参数以及相应的训练和识别算法。最后通过滚动轴承试验系统验证了方法的有效性。     

基于1/f噪声的石墨烯振子死区吸附检测仿真研究

石墨烯纳机电振子表面物理吸附物重布导致吸附物均匀分布假设失效,产生新的谐振检测问题,建立了石墨烯薄膜谐振动力学模型,并通过模型分析阐明,石墨烯表面吸附物所致谐振频移与吸附物分布位置相关,存在谐振检测“死区”,使得死区内吸附物所致频移接近于零,谐振检测失效。有限元仿真试验进一步验证了石墨烯纳机电振子谐振检测“死区”的存在与谐振检测方法的失效,为实现石墨烯纳机电振子死区物理吸附有效检测,引入1/f噪声检测方法,针对吸附物散射截面涨落,建立了石墨烯纳机电振子基于散射截面涨落的1/f噪声模型,并提取表征吸附物的噪声特征频率参数,提出基于1/f噪声特征频率的石墨烯纳机电振子死区物理吸附检测方法。石墨烯纳机电振子1/f噪声仿真研究验证了该方法的可行性和有效性。     

基于小波包-连续HMM的故障诊断模型及应用

结合小波包分析方法适于处理非平稳信号的特点及隐马尔可夫模型(HMM)的训练样本少与可解释的优点，提出基于小波包-连续HMM故障诊断方法。通过小波包分析方法从滚动轴承振动信号中提取特征，训练连续高斯密度混合HMM，再利用训练好的HMM进行滚动轴承状态监测和故障诊断，实验结果表明该方法能利用少量样本进行训练和有效诊断。