一种新型核辐射防护材料的设计与应用研究

根据物质与放射性射线相互作用的原理，在大量理论计算的基础上，设计了几种核辐射防护材料的配方，并分别选择几种不同的工艺，加工了一系列样品。在对样品进行辐射防护性能和各种机械性能试验、检测和分析的基础上，研制出了一种采用辐射交联加工，防护性能和机械性能均较好的新型核辐射防护材料，并对其应用范围进行了探讨。     

增量式局部切空间排列算法在滚动轴承故障诊断中的应用

针对流形学习算法的批量处理方式无法利用已学习的流形结构实现新样本的增量处理问题,提出一种增量式局部切空间排列算法。阐述局部切空间排列算法的基本原理及一次性观测样本全局坐标矩阵迭代和低维坐标提取方法。在算法增量学习上,对因新增样本加入而改变近邻点的样本进行全局坐标更新,建立新样本点的全局坐标;利用原始样本低维嵌入坐标和更新后的全局坐标矩阵对新增样本的低维嵌入坐标进行估计,并采用特征值迭代方法实现全局坐标更新。将增量式局部切空间排列算法应用于滚动轴承四种不同状态的模式识别中,提取的新增样本低维特征与特征空间聚集度分析结果表明:增量式局部切空间排列算法能够在保留一次性观测样本建立的低维流形基础上实现算法的增量式学习,同时对新增样本具有较高的识别率。     

基于多传感器信息融合的贝叶斯网络故障诊断方法研究及应用

针对齿轮泵信号具有复杂性和模糊性的特点,提出了一种基于多传感器信息融合的贝叶斯网络故障诊断方法。分析了齿轮泵振动和压力信号特点,以此为基础提取了振动信号的能量特征、分形特征和压力信号的高频压力脉动3种特征属性,构建了多故障贝叶斯网络对特征进行融合,设计了贝叶斯分类器,通过最大后验概率准则识别故障类型。两次融合结果表明:多传感器信息完备了特征空间,提高了诊断正确率,能够有效实现齿轮泵多种故障的诊断,具有较好的应用价值。     

基于经验模态分解与RBF神经网络的混合预测

为提高时间序列预测模型精度,根据各本征模态函数(intrinsic mode function,简称IMF)序列的变化特点,针对EMD-RBF神经网络隐含神经元数目及其中心数据选取问题,利用经验模态分解(empirical mode decomposition,简称EMD)的信号自适应处理能力和径向基函数(radical basis function,简称RBF)神经网络的非线性逼近能力,提出了一种基于EMD与RBF神经网络的混合预测方法。该方法将具有类似时频特性的本征模态函数分别建立RBF神经网络预测模型,采用基于统计分析的k-均值聚类方法自适应确定RBF模型参数,最后将各IMF-RBF神经网络预测结果进行重构得到最终预测结果。仿真结果表明,该方法充分考虑到各IMF本身的特性,增强了时序的可预测性,预测性能比传统反向传播(back propagation,简称BP)神经网络和小波BP神经网络更优越。将该方法应用在某装备温控系统性能监测中,其温度参数最大预测误差远小于传感器误差,说明将该方法在该装备故障预测中是可行的。     

奇异值小波降噪法在柱塞泵振动信号处理中的应用

针对小波阈值和奇异值分解降噪法的不足,研究一种新的小波阈值函数。提出一种基于改进阈值的奇异值小波降噪方法,该方法利用奇异值分解技术,将噪声非均匀分布的信号正交分解为噪声分布相对均匀的分量,并对每个分量进行小波阈值降噪,重构降噪后的分量,得到降噪信号。仿真实例证明,该方法与小波软、硬阈值及改进阈值法相比,不仅提高信噪比,而且能够更好地消除高斯噪声。利用该方法对柱塞泵不同状态振动信号进行降噪,结果表明,该方法能有效抑制噪声,为柱塞泵振动信号预处理提供一种更为有效的方法。     

CNTs-SiC/Al2O3-TiO2复合涂层的制备及其性能

采用微弧等离子喷涂技术制备了CNTs-SiC/Al2O3-TiO2复合涂层,借助SEM、X射线衍射、仪热分析仪和网络分析仪对CNTs-SiC/Al2O3-TiO2涂层的组织结构、高温氧化性能、电磁特性进行了测试分析.结果表明:多功能微弧等离子喷涂枪内中心轴向送粉方式制备的CNTs-SiC/Al2O3-TiO2复合涂层的组织结构致密、孔隙率低,SiC和CNTs的物相也保留下来.CNTs-SiC/Al2O3-TiO2涂层的高温氧化性能有所提高,涂层在35～700℃升温阶段失重率为0.71wt%,700℃恒温氧化60min后失重率为0.41wt%.随着频率的增加,CNTs-SiC/Al2O3-TiO2复合粉末的介电常数的实部从17.3下降到10.3,而虚部在6.3～2.9之间,具有频散效应.制备的CNTs-SiC/Al2O3-TiO2复合涂层在一定的范围内随着涂层厚度的增加,吸波能力显著提高,其谐振频率不断向低频移动.     

激光在高速钢表面加工沟槽表面织构的实验研究

沟槽状表面织构广泛应用于机械密封、缸套活塞环等机械摩擦部件,其性能取决于加工后的几何参数,因此高效准确地加工出理想尺寸的织构显得尤为重要。运用不同的激光输出功率、重复频率和扫描速度在高速钢表面加工沟槽状表面织构,设计了三水平三因素的全面实验,系统研究了加工参数与沟槽织构几何参数的关系。结果显示:随着激光重复频率的增加,沟槽织构深度和宽度均呈现先略微增大后减小的趋势。扫描速度增大使沟槽织构深度先增加后减小,而宽度均随着扫描速度的增大而变大。方差分析表明:较之激光输出功率,激光扫描速度、重复频率及其交互作用对织构加工深度和宽度的影响更显著。输出功率在10~14 W之间、重复频率在20~30 kHz之间、扫描速度1000 mm/s左右时,加工高速钢表面沟槽织构的质量较好。同时,压痕实验证明,在织构边缘区域硬度明显增加。     

图像颜色特征提取在铁谱图像分类及磨粒识别中的应用研究

铁谱图像所包含的彩色信息对磨粒识别、磨损形式分析非常重要。对图像分类技术进行研究，主要对铁谱图像的颜色特征进行研究，提出了聚类树分析、模糊聚类技术与统计分析相结合的定量研究方法，对铁谱图像进行背景、磨粒区域分割，以获得可进行定量分析的磨粒。计算的颜色特征为铁谱图像的进一步处理和识别以及磨粒的机器自动识别、磨损形式分析奠定了基础。     

航天电子产品的PHM技术研究

将先进的故障预测和健康管理技术引入航天电子系统将极大地提高系统的可靠性和可用性.在对当前电子产品PHM技术进行了综合分析的基础上,提出了一种层次式PHM构架,将基于模型的和基于数据的方法结合在一起,并在顶层通过特征提取与自动推理算法的融合处理,得到对整个电子系统的最优健康估计.     

BP神经网络在导弹武器系统使用可用度预测中的应用

提出了基于导弹武器系统影响因素的使用可用度数学模型.而后针对数学模型复杂,模型函数难以确定的问题,采用BP神经网络实现对模型函数的逼近,从而实现对导弹武器系统使用可用度的预测.