热空气老化法测定橡胶贮存寿命研究进展

简要介绍了热空气老化法的基础理论,概述了热空气老化法测定不同橡胶密封材料贮存寿命的研究进展,为装备可靠性的提高和装备的维护提供理论依据和参考。     

TST超前地质预报技术在贵州岩溶地区的应用

为探索岩溶地区有效的超前预报技术方案,结合岩溶区的地震波场特征,尝试使用基于散射和反射混合模型的TST隧道超前预报技术进行地质超前预报。主要研究成果如下:1)基本查明斗磨隧道进口平导和大独山隧道1#横洞掌子面前方150m预报范围内的地质情况;2)探明隧道掌子面前方岩溶裂隙、溶洞的分布范围、规模以及发育情况;3)预报的结果与实际情况基本一致,为提前采取支护措施提供准确的地质依据。     

电动汽车电排用浸塑聚氯乙烯老化研究及寿命预测

通过热老化试验,研究老化温度与老化时间对电动汽车电排用浸塑聚氯乙烯(DPVC)断裂伸长率、质量变化率和绝缘电阻的影响.通过试验数据分析和拟合,建立不同温度下老化时间和断裂伸长率、质量变化率之间的函数关系;结果表明,绝缘电阻失效时间与质量损失降至50％时的临界时间较为接近,在实际使用过程中,可以DPVC质量损失作为其绝缘...     

New method for predicting full-scale power performance of pumpjet propulsion system based on statistical learning北大核心CSCD

[目的]针对“适配于螺旋桨的船尾线型+泵喷推进器”构成的船舶泵喷推进系统,提出一种基于统计学习的实船快速性预报新方法。[方法]以某大型水面船舶泵喷推进系统为对象,通过神经网络学习典型推进泵的推力系数图谱曲线,综合运用船-桨配合时的K_(T)-J曲线和船体-喷泵配合时的推力特性曲线,建立“仅需船舶阻力曲线就能实现船舶泵喷推进系统实船快速性预报”的新方法,并基于船模阻力试验、泵喷模型敞水试验及船体-泵喷自航试验的测量换算结果对实船推进性能的预报结果开展精度校验。[结果]校验结果表明:在航速18~30 kn范围内,船舶泵喷推进系统的自航转速、推力和功率的预报误差可控制在5.4%以内,其中设计航速附近的误差甚至小于2%;船体-泵喷的相互作用程度介于船-桨与船体-喷泵之间且幅值相对较小,推力减额系数为趋向于0的极小值,故船舶泵喷推进系统是介于桨轴推进系统和喷水推进系统之间的产物。[结论]该预报方法有利于提升船舶泵喷推进系统实船快速性预报的能力,可为新型舰艇泵类推进系统总体设计/研究提供参考。     

Residual life prediction for marine diesel turbocharger based on Wiener process北大核心CSCD

[目的]针对船舶柴油机增压器难以收集到全生命周期性能退化数据的问题,提出一种基于维纳过程的寿命预测模型。[方法]首先,采用K-Means模型对增压器实际运行工况进行聚类,提取出典型工况数据;然后,使用贝叶斯突变点检测模型识别增压器的缺陷点;最后,建立基于维纳过程的退化模型,并以某型船用柴油机增压器为应用对象,预测增压器的剩余使用寿命。[结果]结果显示,基于维纳过程的寿命预测方法能够在不需要同类设备历史退化数据的情况下对增压器的剩余寿命进行预测。[结论]所提方法对缺少故障样本的船舶柴油机增压器寿命预测具有一定的参考价值。     

基于注意力机制的CNN-LSTM剩余寿命预测研究

机械设备剩余寿命的准确预测可以降低昂贵的维护费用,提高机械设备的安全性。随着深度学习的发展以及注意力机制被广泛应用于各个领域,基于数据驱动的剩余寿命预测方法为机械设备寿命预测提供了众多的方法。文章提出了一种基于注意力机制的CNN-LSTM剩余寿命预测方法,该方法利用不同的注意力机制包括通道注意力、CBAM机制和自注意力等进行剩余寿命预测试验。注意力机制可以向CNN-LSTM提取的特征信息分配不同的权重,突出关键的特征信息,过滤无用信息,进而更准确地表示设备的退化特征信息,最终得到设备的剩余寿命。文章对NASA发动机数据集进行了剩余寿命预测试验,同时研究了不同注意力机制影响,试验结果表明,基于注意力机制的方法可以有效地进行剩余寿命预测,所提方法具有一定的应用价值。     

电力机车用复合绝缘子运行性能及使用寿命预测方法概述

电力机车用复合绝缘子是受电弓、真空断路器等高压网侧设备的支撑装置,其在运行环境等因素下的老化失效问题直接影响电力机车运行可靠性。文章系统分析了电力机车用复合绝缘子老化的影响因素和作用机理,重点对复合绝缘子的外观现状、电气性能、憎水性能、老化性能等运行性能及使用寿命预测方法进行了研究。通过对试验结果、试验数据的分析,提出一种电力机车用复合绝缘子使用寿命预测方法,可用于电力机车用复合绝缘子老化性能的评估。     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

小管径垂直管水下排气完全携带点实验及分析

船用柴油机采用水下排气方式具有降低排气噪声、改善舱外空气质量等优点，在大型豪华游轮等特殊船舶中具有广泛应用前景。为防止海水由排气管倒灌入柴油机造成事故，需弄清水下排气管内水倒流发生的条件。对大管径垂直管防止水倒灌临界条件即完全携带点的已有认识较为统一，而对小管径垂直管仍未有清晰的认识。在管径25~100 mm范围对垂直管的完全携带点进行了实验，探究了小管径垂直管的完全携带点预报方法。实验结果表明在小管径范围，垂直管完全携带点对应的临界表观气速随管径增大而升高，但气相Wallis数随管径增大而减小，说明Wallis数过度关联了管径对临界表观气速的影响。基于气相Kutateladze数和无量纲气相黏性，对小管径垂直管提出了新的完全携带点预报模型和相应实验关联式。     

Analysis of air traffic control operational impact on aircraft vertical profiles supported by machine learning

The Air Traffic Management system is under a paradigm shift led by NextGen and SESAR. The new trajectory-based Concept of Operations is supported by performance-based trajectory predictors as major enablers. Currently, the performance of ground-based trajectory predictors is affected by diverse factors such as weather, lack of integration of operational information or aircraft performance uncertainty.Trajectory predictors could be enhanced by learning from historical data. Nowadays, data from the Air Traffic Management system may be exploited to understand to what extent Air Traffic Control actions impact on the vertical profile of flight trajectories.This paper analyses the impact of diverse operational factors on the vertical profile of flight trajectories. Firstly, Multilevel Linear Models are adopted to conduct a prior identification of these factors. Then, the information is exploited by trajectory predictors, where two types are used: point-mass trajectory predictors enhanced by learning the thrust law depending on those factors; and trajectory predictors based on Artificial Neural Networks.Air Traffic Control vertical operational procedures do not constitute a main factor impacting on the vertical profile of flight trajectories, once the top of descent is established. Additionally, airspace flows and the flight level at the trajectory top of descent are relevant features to be considered when learning from historical data, enhancing the overall performance of the trajectory predictors for the descent phase.