潜艇螺旋桨直接辐射噪声的数值计算

采用计算流体力学与声学边界元方法相结合求解了潜艇尾部大侧斜螺旋桨的直接辐射噪声.与一般螺旋桨噪声计算不同的是,螺旋桨非定常计算时引入了潜艇尾部桨盘面的速度分布作为非均匀来流,能够提供更加真实的螺旋桨脉动压力源场.提取桨叶表面的声偶极源项后,采用边界元方法,求解FW-H方程,得到了螺旋桨空间测点的声压谱和总声级.桨盘面速度分布由全附体潜艇粘性流场数值计算得到,其可信性由艇体表面的压力系数与试验值的比较给予了验证.螺旋桨数值模型的可信性由敞水特性预报值与试验值的比较进行了验证.     

测点级声学故障检测中的报警频次建模方法研究

文中围绕测点级声学故障检测方法开展研究,根据区间估计原理建立频带能量超标检测流程,针对随机报警事件干扰提出基于报警事件频次建模的二级阈值检测法,并利用实测数据进行了算法验证.数据分析显示,该方法能够有效检测正常工况下的随机报警事件干扰,降低测点级声学故障检测的虚警率.     

一种交流电机故障诊断中的特征提取与强化

为提高电机故障诊断的准确率和有效性,提出了一种故障特征提取与强化的新方法.即在对所采集的交流电机振动加速度信号进行数据预处理之后,用盲源分离方法进行独立振动源的分离,然后采用小波包分析方法进行特征提取,并进行特征频带的简化及特征强化处理,特征强化后的数据作为交流电机故障诊断模型的输入.该方法通过对振动加速度信号进行分离,能够分离出混合信号中的独立振动源,提高了故障特征提取的正确率和准确度;通过对特征频带化简,减少了故障诊断模型的输入,进而简化了模型的结构;特征强化使模型能够更有效地识别故障状态.     

使用多源预报确定船舶避台航线的多级决策方法

为了减小热带气旋路径预报误差对船舶避台决策带来的不利于安全的影响,介绍了船舶绕避热带气旋技术方法的使用现状和热带气旋路径预报的现状,分析了船舶绕避热带气旋决策时使用多源热带气旋路径预报的意义。在对气象部门使用的多源预报结果集成技术应用情况介绍的基础上,提出了将多源信息融合技术应用到船舶绕避热带气旋方案决策中的具体方法和船舶避台多级决策应用流程。实例分析表明:利用多源预报结果进行多级决策来确定船舶避台方案,可以综合考虑多个来源的热带气旋路径预报和热带气旋未来各种可能的路径,最大程度地降低可能发生的危险和损失,保障船舶和船员安全。     

潜艇攻击CGF行为建模规划方法研究

根据潜艇的作战模式和特点,提出了基于马尔可夫过程的功能层次结构的潜艇CGF模型框架,并使用TGMOR模型描述了潜艇CFG行为规划方法.研究了使用黑板系统的潜艇行为决策规划方法,给出了建立在知识规则基础上的推理决策的主要步骤.通过研究潜艇与线导雷和友艇之间的关系,解决了Multi-Agent的规划问题.最后介绍了Repast仿真工具的建模方法,并给出了部分伪码实现.     

基于人工神经网络的整流电路故障诊断

提出了一种基于人工神经网络进行整流电路故障诊断的方法.分析了变频器整流电路的故障模式,提出了根据直流母线电压频谱作为神经网络的输入进行故障定位的方法,并进行了仿真研究.     

基于信息融合的综合集成研讨厅故障诊断系统研究

通过对多传感器信息融合系统和综合集成研讨厅的本质分析,提出了一种通用的基于多源信息的综合集成研讨厅信息融合系统体系结构.结合对基于信息融合技术的复杂系统故障诊断框架分析与研究,以及信息融合综合故障诊断的一般过程,构建了一个通用的贯穿故障综合诊断过程的、基于信息融合的综合集成研讨厅故障诊断系统的体系结构,寻求到了一种基于多源信息融合故障综合诊断研究的新途径.     

分层海洋环境对潜艇腐蚀相关静态电磁信号的影响研究

来源于腐蚀及防腐电流的静态电、磁信号是潜艇水下新的重要的目标特性.为掌握分层海洋环境对其水下分布特征的影响,采用三层平行分层导电媒质模型模拟海洋环境、水平直流电偶极子模拟潜艇腐蚀相关电磁场源,通过数值仿真,研究环境电导率、海洋水深、分层界面等因素对潜艇腐蚀相关静态电场和静态磁场的影响.仿真分析结果表明,分层海洋环境对场有明显影响,且存在普通规律.     

基于多传感器数据融合的齿轮箱故障诊断方法

为了解决单通道单维度振动信号输入不能全面表达齿轮箱故障特征的问题,提出一种基于多传感器多通道数据融合的诊断模型,结合卷积神经网络应用于齿轮箱振动信号的特征学习和故障分类中.利用连续小波变换对多通道数据进行二维时频变换,得到二维时频图像;构建神经网络诊断模型,以多通道的时频图作为输入,实现多通道信号特征的故障分类.通过动...     

基于盲源分离的共振解调技术在齿轮齿面接触故障诊断中的应用

提出一种运用基于盲源分离的共振解调技术对齿轮齿面接触故障进行诊断的方法.该方法利用盲源分离算法对传感器采集的混合信号进行分离,获取纯粹的故障源信号;采用共振解调技术对分离后的故障源信号进行频谱分析,成功地提取了齿轮齿面直接接触的故障特征.     

轮轨噪声预测模型研究进展

从轮对振动声辐射预测模型、轨道结构振动声辐射预测模型与轮轨相互作用预测模型等方面,总结了轮轨噪声预测模型的研究进展,阐述了主要的建模方法及其特点,给出了一些典型结果,并提出了需要进一步研究的问题.研究结果表明:在建立轮对在给定简谐轮轨力作用下的振动声辐射预测模型时,可以将轮对简化为轴对称弹性体,轮对的振动响应通过一个2...     

基于声发射技术的滚动轴承故障诊断方法研究

利用声发射信号的高频特性采集滚动轴承故障信息,运用小波分析把信号分解在不同频带,对信号进行重构,从而消除背景噪声,再应用Hilbert变换进行解调和细化频谱分析。实验结果证明,基于声发射信号的小波包络谱分析可有效地检测滚动轴承故障。     

Low Speed Bearing Fault Diagnosis Based on EMD-CIIT Histogram Entropy and KFCM Clustering

In view of weak defect signals and large acoustic emission(AE) data in low speed bearing condition monitoring, we propose a bearing fault diagnosis technique based on a combination of empirical mode decomposition(EMD), clear iterative interval threshold(CIIT) and the kernel-based fuzzy c-means(KFCM) eigenvalue extraction. In this technique, we use EMD-CIIT and EMD to complete the noise removal and to extract the intrinsic mode functions(IMFs). Then we select the first three IMFs and calculate their histogram entropies as the main fault features. These features are used for bearing fault classification using KFCM technique. The result shows that the combined EMD-CIIT and KFCM algorithm can accurately identify various bearing faults based on AE signals acquired from a low speed bearing test rig.     

面向多层级目标的汽车前围声学包优化研究

为了研究汽车声学包设计参数对其多性能目标的影响,首先,改进了传统的深度信念网络（DBNs）方法,并提出SVR-DBNs (support vector regression-deep belief networks)模型,提升了模型映射的准确度;其次,从车辆噪声传递关系与层级目标分解角度出发,提出了一种多层级目标预测与分析方法;最后,将所提方法应用于具体车型的前围声学包性能、重量与成本多目标预测与优化分析.研究结果表明：SVR-DBNs方法对前围声学包性能、重量与成本目标预测准确度均在0.975以上,优于传统的反向传播神经网络（BPNN）、SVR与DBNs模型;基于SVR-DBNs模型的优化结果与实测结果接近,两者加权目标相对误差为1.09%（平均传递损失（MTL）、重量和成本相对误差绝对值分别为1.44%、1.04%与0.71%）,优化后的实测结果较前围声学包原始状态性能、重量和成本分别提升了5.51%、9.01%与4.40%.     

隧道富水断层超前预报方法对比分析

某客运专线长城岭隧道F6断层为富水断层,在涌水前后施工过程中采用TSP探测、红外探测、钻孔探测和地质素描预报探测,通过对其结果分析对比,说明各种预报手段在富水断层预报中的优势和不足,进一步论证相互补充、相互验证、取长补短的重要性。该种预报方法可为隧道施工提供可靠、准确的地质预报信息,并及时有效地指导施工,保证施工安全。     

基于多尺度排列熵和长短时记忆神经网络的航空发动机剩余寿命预测

针对航空发动机性能退化失效的变点和多状态参数的时间序列预测, 构建了基于多尺度排列熵算法和长短时记忆神经网络的剩余寿命预测模型; 使用多尺度排列熵算法对时间序列进行变点分析, 求解出性能退化过程中的突变点, 得到了有故障征兆的性能退化起始点; 构建了包含多变量的长短时记忆神经网络模型, 将多个状态参数代入到模型中得到对应的剩余寿命; 将变点后的航空发动机多状态参数和剩余寿命作为样本, 代入到长短时记忆神经网络模型中进行多步和多变量的时间序列预测; 通过综合航空发动机状态参数变点分析方法和时间序列预测模型, 得到最终的剩余寿命预测结果。研究结果表明: 多尺度排列熵算法能够及时监控各个状态参数的变化, 当发现状态参数异常时, 排列熵的值会发生跳变, 从而有助于及时发现故障征兆; 长短时记忆神经网络模型通过门控单元对长时间序列数据进行信息筛选, 充分保留了有效信息用于时间序列预测; 多变量长短时记忆神经网络能够对多状态参数进行同步分析, 并且将状态参数直接与剩余寿命相对应, 提高了模型效率; 通过多尺度排列熵算法和长短时记忆神经网络模型的结合, 能够考虑到航空发动机的多退化模式, 得到更符合实际退化过程的剩余寿命预测结果; 经过算例分析, 提出方法的剩余寿命预测的均方根误差为5.3, 与长短时记忆神经网络、反向传播神经网络和支持向量机相比, 误差分别降低了63%、72%和78%。      

受电弓区域气动激励特性及其对车内噪声的影响

基于三维可压缩黏性流体模型对350 km·h-1速度下受电弓区域的非定常流场进行模拟,分析了受电弓底板上的脉动压力特征;利用波数滤波方法,对底板区域的脉动压力进行分离,得到了对流压力和声学压力,分析了2种压力在波数和频率域的特性;基于统计能量分析方法建立了简化的受电弓区域车内噪声预测模型,分析了2种激励对车内噪声的影响...     

变压器油中故障气体的复合预测方法

为了提高对变压器故障的预测能力，提出了灰色粗预测、自学习神经网络在线修正的复合预测法．此法是利用GM（1，1）模型初步预测油中溶解气体的浓度及变化趋势，通过分析故障气体组分之间的影响及气体浓度时间序列之间的关系确定修正参数，将初步预测结果与修正参数作为自学习BP网络的输入，从而完成预测结果的在线修正．该方法已用于实际变压器油中溶解气体的预测，结果验证了其有效性．     

A Comparative Study of Three Machine Learning Methods for Software Fault Prediction

The contribution of this paper is comparing three popular machine learning methods for software fault prediction. They are classification tree, neural network and case-based reasoning. First, three different classifiers are built based on these three different approaches. Second, the three different classifiers utilize the same product metrics as predictor variables to identify the fault-prone components. Third, the predicting results are compared on two aspects, how good prediction capabilities these models are, and how the models support understanding a process represented by the data.