车辆仪表检校方法研究

针对常用仪表的检校需求,提出了一种利用激励电路代替传感器输出的方法,校准仪表指示器。设计了阻值激励电路、电压激励电路、电流激励电路及脉冲激励电路,能够实现车辆仪表快速原位检校。     

基于免疫遗传算法改进的BP神经网络在灭火系统电路板故障诊断中的应用

针对装甲车辆灭火系统电路板规模较大,功能日趋多样与完善的同时,其复杂程度也日益提高,故障层次越来越多,故障现象与故障原因的映射关系更加复杂,组合故障频发,传统的故障诊断方法已不能满足灭火系统电路板故障诊断的要求。设计了基于免疫遗传算法优化的BP神经网络对灭火系统电路板进行故障诊断,并在免疫和遗传过程中保留了部分训练最优解。实现了神经网络收敛速度的提高,使用Matlab编程优化算法并完成了电路板仿真故障的诊断。通过实验验证了该诊断模型的准确性和可靠性,为电气系统通用检测设备的神经网络诊断方法实现提供了理论支撑。     

基于LabVIEW的蓄电池内阻测量设计

在现有测量基础上,为了进一步提高铅酸蓄电池内阻测量精度,利用交流注入法和LabVIEW软件设计了一套铅酸蓄电池内阻测量系统。该系统以LabVIEW软件为基础,设计了能产生稳定正弦信号和数据采集的程序。为抑制噪声干扰,在NI公司开发的信号调理模块的基础上对所产生的正弦信号进行调理。实验结果证明,该系统操作方便,而且测量精度较高、误差小。     

基于自适应神经网络模糊推理系统的蓄电池SOH预测

针对装甲车辆铅酸蓄电池健康状况影响因素复杂、难以准确预测的特点,提出了基于自适应神经网络模糊推理系统的蓄电池SOH预测模型。在确定模型的输入变量后,对其进行了MATLAB仿真和实测数据验证分析。结果表明,该模型具有很高的预测精度,在装甲车辆铅酸蓄电池SOH预测上具有很高的实用价值。     

基于支持向量机的旋转整流桥故障诊断

针对车辆同步发电机中旋转整流桥发生故障时电源系统处于"带病"工作状态,直接检测相对困难的问题,通过MATLAB/Simulink建立同步发电机中旋转整流桥的仿真模型,分析各种故障状态下对定子绕组电流波形的影响,将定子绕组产生的谐波次数及幅值作为特征向量,采用支持向量机进行模式分类,通过组合网格法选择各模式分类的参数,构成"一对多"的多分类支持向量机.通过与BP神经网络的分类对比,结果表明支持向量机用少量样本就能获得较好的诊断效果.     

基于小波分析的传感器故障诊断方法仿真研究

针对装甲车辆数据采集控制系统中传感器故障难于直接检测的问题,本文提出一种基于小波变换的方法对传感器故障进行诊断。首先介绍了小波分析的基本理论,对比阐述了连续小波变换和离散小波变换的原理和优缺点;其次利用Matlab/Simulink搭建模型进行仿真试验,采用连续小波变换对传感器故障进行检测,准确定位故障发生时刻;最后本文还选取了几种典型的传感器故障进行诊断,仿真结果验证了该方法的可行性和准确性。     

故障树分析法在装甲车辆电源系统故障诊断中的应用

为了能够准确地进行装甲车辆电源系统的故障诊断,深入地研究了故障树分析法在其中的应用;首先,以某型装甲车辆电源系统为研究对象,根据系统失效模型和故障机理,将故障树分析法运用于装甲车辆电源系统故障诊断中,建立电源系统故障树模型,进行故障分析与诊断;其次利用电源系统故障诊断平台对电源系统4个模块进行故障模拟仿真研究,可看出故障树分析法能够准确地诊断出电源系统各个模块的故障,检测精度可达94%,取得了预期效果。     

改进型灰色模型在铅蓄电池失效预测中的应用

铅酸蓄电池作为装甲车辆的启动和辅助电源,其性能状况直接影响着供电系统的安全稳定运行.在对现有铅酸蓄电池灰色预测模型深入分析的基础上,针对GM(1,1)模型要求原始数据序列等时距的局限性,提出了基于拉格朗日插值法等时距优化处理的数据序列的GM(1,1)预测模型,为判断蓄电池是否失效提供依据,避免了传统的容量试验带来的弊端...     

美俄小型水冷堆发展现状及趋势

<正>2023年11月,俄罗斯国家原子能集团宣布已批准RITM-200N小型水冷堆的技术设计,首座陆基小堆电厂部署达到重要里程碑节点。国际原子能机构数据显示,全球已有超80种小堆设计,其中美俄型号数量位居世界前列。在各类小堆技术路线和设计中,小型水冷堆成熟度高、研发应用进展快,成为美俄近期推动研发和出口的重点。     

基于加权HMM的车辆电源系统状态预测

针对车辆电源系统状态趋势问题,提出了一种加权隐马尔可夫模型的状态预测方法。通过建立电源系统的隐马尔可夫模型,利用加权预测思想对隐马尔可夫模型中隐状态序列进行预测,将最大概率隐状态利用观测概率密度计算出状态观测值。通过对电压调节脉宽信号的导通率进行预测,并与BP神经网络和自回归（AR）模型对相同序列的预测结果进行对比,结果表明该方法对系统的状态变化具有较好的预测能力。