基于AHP-FCE的舰炮装备维修保障能力评估

良好的维修保障能力是舰炮装备保持战斗力的前提,不同单位的维修保障能力存在一定的差异,为了合理反映不同指标因素对于维修保障能力的影响,评估不同单位在装备维修保障过程中的维修能力,运用德尔菲法结合专家意见构建装备基地级修理情况下的各保障单位维修能力评价体系,运用层次分析法(AHP)确定各指标因素权重,运用模糊综合评价法(FCE)对各保障单位的维修能力进行综合评价。案例分析结果表明该方法思路清晰,计算简便,评价方法客观有效;对于检验不同维修保障单位的能力、指导军民融合维修保障体系建设,客观与科学选择维修保障单位具有重要意义。

传统机电工程专业从课程思政到专业思政建设路径初探

专业思政是把思想政治工作贯通人才培养全过程的有效手段。文章以某传统工科专业为例,系统分析了现阶段思政建设面临的问题以及专业思政内涵,提出了从课程思政到专业思政的建设思路与策略,并从教师思政能力建设、思政资源建设、专业思政机制建设等方面对专业思政建设各实践环节进行了论述。

基于改进受限玻尔兹曼机的滚动轴承健康因子构建方法

针对传统方法构建的健康因子各类性能指标不高、信息冗余的问题,提出一种基于改进受限玻尔兹曼机(restricted Boltzmann machine,RBM)的滚动轴承健康因子构建方法。首先,提取滚动轴承振动监测信号时域、频域特征组成物理健康因子集。其次,将RBM隐藏层节点数随时间变化斜率引入到正则化项中,提取物理健康因子集中的趋势性特征。最后,利用滚动轴承全寿命周期试验验证所提方法的有效性。实验结果表明,相对于主成分分析(principal component analysis,PCA)法、传统RBM虚拟健康因子构建方法,基于改进RBM构建的虚拟健康因子单调性分别提高178.0%和33.3%,趋势性分别提高126.8%和16%,鲁棒性分别提高60%和6.02%。

建构主义视域下的专业基础课程教学创新方法研究

专业基础课程是引导学生从力学基本原理到工程实际应用的重要桥梁,传统以教师课堂授课为中心的教学方式不利于学生工程意识的建立和实践创新能力的提高。建构主义学习理论有助于引导学生自主学习,实现对所学知识意义的主动建构。以机电工程专业基础课程为例,分析了建构主义学习理论视域下传统教学方式中存在的主要问题,将建构主义学习理论与机电工程专业人才培养需求相结合,提出了一种新的课程教学创新方法,阐述了建构主义用于课程教学的课堂教育效果,并对如何加强建构主义在实际课程中的应用、推广该教学方法提出了建议。

基于RCNN-ABiLSTM的机械设备剩余寿命预测方法

针对机械设备的关键退化信息易淹没在非线性、多维度、长时间、大规模监测数据中的问题,提出了一种基于残差卷积神经网络和注意力双向长短时记忆网络融合(residual convolutional neural network-attentional bidirectional long short-term memory network,RCNN-ABiLSTM)的机械设备剩余寿命预测方法。首先通过训练RCNN提取监测数据的深度空间特征;然后通过引入注意力机制,优化双向长短时记忆网络提取时间相关特征的权重参数,加强关键退化信息对剩余寿命预测的表达;最后通过航空发动机数据集验证了方法的有效性。分析结果表明,对于运行条件复杂和故障模式多变的多维监测数据,所提方法能够准确寻找退化时间点,有效提高长时间运行设备的剩余寿命预测准确度。

基于DTCWPT和t-SNE的去噪方法及在故障诊断中的应用

为了提取被强噪声淹没的机械设备振动信号中蕴含的微弱故障特征,依据有用信号和噪声在空间分布特性的不同,将流形学习的方法引入到信号降噪中,提出一种将双树复小波包(DTCWPT)和t分布随机近邻嵌入(t-SNE)结合的去噪方法,充分利用了DTCWPT分解的多尺度特性以及t-SNE的非线性降维能力。将振动信号进行双树复小波包分解,依据各尺度小波包系数Shannon熵值搜索最佳小波包基,利用提出的新的阈值函数,对最佳小波包基的小波包系数进行去噪并单支重构组成高维信号空间,然后,采用t-SNE提取高维空间的低维流形,对低维信号序列进一步采用阈值去噪,利用谱回归分析重构回一维信号序列。最后,通过对仿真信号与滚动轴承振动信号进行去噪,结果证实了方法具有良好的非线性去噪性能,将仿真信号的信噪比从-1提高到8.6 d B,并且能更有效的提取强噪声干扰下滚动轴承的故障特征频率。

斜盘发动机热力过程分析与仿真

基于斜盘发动机结构参数,依次建立了其缸内工质状态模型、流率模型和散热损失模型,并对缸内工质质量、内能、压强和温度等热力学参数的变化趋势进行了仿真分析,得到了发动机稳态循环的示功图。仿真结果表明:所建立模型符合斜盘发动机六个热力过程。然后,对示功图进行分析,指出了提高发动机功率的途径。

基于FA-LN-BiGRU的机械设备剩余寿命区间预测方法

针对数据驱动融合模型存在前后模型不匹配、关键信息丢失等问题,提出了一种端对端的预测方法,即基于特征注意力机制的对数正态分布和双向门控循环单元融合(feature attention-lognorm-bidirectional gated recurrent unit,简称FA-LN-BiGRU)的剩余寿命区间预测方法。首先,利用特征注意力机制从多维度、非线性和大规模的传感器信号中提取出关键特征向量;其次,采用BiGRU网络从前向和后向2个方向对注意力加权特征的时变特性进行建模学习,并通过最大似然估计损失函数来训练网络参数,获得网络隐含状态输出向量的概率分布;最后,计算出基于对数正态分布的概率密度函数,实现设备剩余寿命(remaining useful life,简称RUL)不确定性的衡量。分析结果表明,对于运行条件复杂和故障模式多变的多维监测数据,所提方法能够深入挖掘性能退化信息,有效提高机械设备剩余寿命点预测和区间预测的准确度和可靠性。

基于物元分析的箔条诱饵反导效力评估

为了定量研究箔条诱饵的反导效力,以物元分析理论为基础,建立了箔条诱饵反导效力模型。通过分析,建立了基于箔条诱饵自身特性、环境因素及威胁源因素3个一级指标和箔条诱饵的有效反射面积等12个二级指标的评价指标体系,进一步确定这些指标对4个评估等级的经典域和节域。通过计算待评物元对评估等级的关联度,来评估箔条诱饵的反导效力。计算结果表明,箔条诱饵的反导效力属于较高等级,基于物元分析理论建立的效力评估模型准确合理。

热动力鱼雷发动机的摩擦噪声研究

噪声强度是热动力鱼雷的重要战技指标之一,为了充分发挥热动力鱼雷的战斗功效,在分析比较国内外摩擦噪声研究现状和方法的基础上,介绍了以试验、仿真方式展开对热动力鱼雷发动机摩擦噪声的研究方法,详细分析了摩擦系统的Stribeck曲线,列出了影响发动机摩擦噪声的参数,给出了摩擦噪声的描述公式。最后,结合摩擦学三公理,探讨了热动力鱼雷发动机摩擦噪声研究的3个方向,即摩擦噪声产生机理研究,热动力鱼雷摩擦噪声量化研究,磨粒的产生过程、大小和数量以及对摩擦噪声的作用研究。

基于双识别器对抗的开放域自适应故障诊断方法

领域自适应问题在机械设备故障诊断领域已被广泛研究,当前大多数封闭域自适应方法通常都假设源域和目标域共享相同的标签类型空间。然而,这不完全符合机械设备真实的诊断需求,实际上会出现新的故障类型,因而传统依据边缘分布对齐的方法难以处理此开放域问题,不能正确辨识出已存在的样本类型和新出现的类型。针对源域和目标域标签类型空间部分重叠的这另一典型开放域诊断问题,提出了一种基于双识别器对抗的开放域自适应故障诊断方法。两个结构相同的神经网络被引入进行对抗性训练,以增强模型对已知类型辨识的领域自适应性能,利用源域与目标域熵最大与最小化策略,以及目标域样本输出的二元交叉方案用以建立分界线隔离新出现的未知类型。利用轴承数据和自吸式离心泵数据进行分析验证,实验结果表明:所提方法相对于典型的封闭域和开放域模型,能更准确的判定机械设备已存在的故障类型和新出现的未知故障类型,在各诊断任务中,均能达到90%以上的正确率。

基于时间序列数据扩增和BLSTM的滚动轴承剩余寿命预测方法

针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题,提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先,采集训练用滚动轴承全寿命周期振动加速度和测试轴承振动加速度数据。其次,对采集得到的原始数据预处理后提取健康因子,将训练用数据和测试数据分别构成参考数据集和目标数据集。然后,以参考数据集为基础,利用动态时间规整算法扩增目标数据集数据。最后,使用数据扩增后的测试数据训练BLSTM网络,利用训练好的BLSTM网络预测滚动轴承性能退化趋势和剩余寿命。实验结果表明,基于动态时间规整算法的数据扩增模型能够根据已有全寿命周期数据,扩增性能退化过程相似的滚动轴承运行数据,利用扩增数据训练BLSTM网络,能够有效提高性能退化趋势预测能力,进而提高剩余寿命预测精度。

多输入混合深度学习网络的健康因子构建方法

工业大数据具有多类型、多维度的特点,单一类型的深度学习网络结构无法充分提取数据中包含的性能退化特征。针对上述问题,提出一种可同时融合处理一维时间序列数据和二维图像数据的多输入混合深度学习网络健康因子构建模型。根据输入数据类型特点搭建的混合深度学习网络包含时间特征提取层、空间特征提取层、融合层和全连接层。时间特征提取层主要由叠加的多个长短时记忆(long short-term memory,LSTM)网络构成,用于提取一维时间序列数据中蕴含的时间特征。空间特征提取层主要由深度卷积神经网络(deep convolutional neural network,DCNN)构成,用于提取二维图像数据中的空间特征。融合层将时间特征与空间特征融合。最后,利用全连接层输出健康因子值。滚动轴承全寿命周期试验结果表明:本文提出的多输入混合深度学习网络的健康因子构建方法能够深度挖掘不同数据类型包含的性能退化信息,有效降低了性能退化曲线的离散性,有助于减小剩余寿命预测结果的不确定性,同时在一定程度上提高了单调性和趋势性,提高了剩余寿命预测精度。

水下蒸汽涡轮发动机变工况热力特性数值分析研究

为研究水下蒸汽涡轮发动机变工况热功转换规律,考虑了工质绝热指数随温度的变化以及喷嘴内气流摩擦、涡旋对工质的加热作用,建立了变工况汽轮机喷嘴、动叶栅以及涡轮级能量损失的计算模型,并据此编写仿真软件对变压力比和喷嘴入口温度变化时的涡轮机热力过程开展仿真研究。计算结果表明,计算模型能够较好反映汽轮机动态过程能量转换规律,验证了模型建立与仿真的正确性;对于研究机型,变压力比下喷嘴速度因数决定了涡轮机内效率及其轮周效率的变化规律,喷嘴出口工质实际速度大小决定了涡轮机有效功率及其轮周功的变化规律。文中模型可作为水下涡轮机优化设计与控制研究的基础模型。

潜艇自航发射鱼雷的若干问题

潜艇自航发射鱼雷可以降低发射过程的辐射噪声,有利于提高发射艇的安全性。通过分析自航发射需具备的基本条件、现有533mm口径潜艇鱼雷发射管实现自航发射的可能性、后端补水的自航发射、有动力后端补水的自航发射等几个问题,得出了533mm口径的潜艇鱼雷发射管不可能实现自航发射的结论。另外,对降低潜艇发射鱼雷时的出管速度给鱼雷和发射艇带来的风险作了分析,得出了为保证潜艇发射鱼雷时的安全不能随意降低鱼雷出管速度的结论。

基于MED和EEMD的滚动轴承故障诊断方法

针对滚动轴承早期微弱故障特征难以提取的问题,提出将最小熵反褶积(MED)和集成经验模态分解(EEMD)方法相结合用于提取轴承微弱故障特征的方法。首先,采用MED对滚动轴承振动信号降噪,以增强冲击特征;然后,利用EEMD分解降噪后信号得到一组固有模态分量(IMF),依据相关系数和峭度准则,选择敏感的IMF分量重构信号,并采用希尔伯特包络解调提取故障特征;最后,通过仿真信号和实验台信号验证了该方法的有效性。

增量式监督局部切空间排列算法及齿轮箱故障诊断实验验证

针对局部切空间排列算法面临的无法利用样本标签信息和不能高效处理增量式维数约简问题,提出一种新的增量式监督局部切空间排列算法(Incremental Supervised Local Tangent Space Alignment,ISLTSA)。为充分利用训练样本标签信息,在LTSA算法的基础上加入散度矩阵,构造新的最小目标函数,使得高维样本的低维嵌入坐标同类聚集、异类分离。对于新增样本可能影响部分训练样本局部邻域,更新全局坐标矩阵,获取训练样本低维坐标和新增样本低维坐标,并作为初值进行特征值迭代实现所有样本全局坐标的更新。结合支持向量机分类算法,将ISLTSA算法应用于齿轮箱的故障状态识别,实验分析验证了该方法的监督学习能力,可提高故障状态识别率,并具备增量学习能力,可降低维数约简方法的复杂度。

斜盘发动机缸内热力过程数值分析研究

为研究斜盘发动机缸内工质热功转换规律,基于喷管原理推导出工质流入、流出气缸的质量流率,其次基于发动机运动学分析,重点改进工质对外散热模型,使其同时考虑活塞周期性覆盖的影响以及缸套内壁面的轴向温差;对气缸开口系统列能量守恒方程完成缸内工质热力学详尽模型的建立。利用该模型编写计算程序,完成某型斜盘发动机缸内热力过程仿真。仿真所得示功图与参考文献提供的国外软件计算示功图一致性较好,且各仿真曲线反映对应参数在缸内6个热力过程中的变化规律,验证模型建立与仿真的正确性。模型求得的示功图可为斜盘发动机动力学分析提供初始数据。

橡胶隔振圈的结构刚度性能

根据以往研究成果,从不同本构模型的应用优缺点考虑使用Mooney-Rivlin二参数本构模型建立橡胶材料有限元模型,并通过实验验证了模型的正确性。通过动静刚度对比计算,验证了静态刚度计算方法在性能分析中的可行性。建立了不同结构参数的隔振圈有限元模型。然后,在ANSYS软件中对隔振圈各个方向的刚度值进行了仿真计算。计算结果表明:不同结构参数对各方向刚度的影响规律各不相同,而且径向刚度和轴向刚度之间存在刚度变化耦合的现象。最后,根据分析结果提出了调整隔振圈刚度的方法,该方法对提高隔振圈减振效果以及隔振圈的推广具有一定的参考价值。

改进双树复小波包变换及在故障诊断中的应用

针对双树复小波包分解存在频带错位和频带重叠的缺陷,提出了一种改进的双树复小波包分解算法。该算法通过交换高频子带节点小波包分解后的两节点频带顺序来消除频带错位缺陷,引入切比雪夫滤波器滤去除低频、高频子带理想通带范围之外的频率成分,以消除频带重叠缺陷。将改进双树复小波包谱峭度方法应用于齿轮箱故障诊断,首先将振动信号分解成不同频带的分量,然后利用谱峭度理论自动确定最优带通滤波器参数,获取最佳频带,再采用Hilbert包络解调,准确识别出故障齿轮的转动频率。实验结果表明,该方法能更有效地提取强噪声干扰下的齿轮箱微弱故障特征,验证了该方法的可行性和有效性。