基于加权D-S证据理论与共轭梯度下降BP神经网络结合的柴油机故障诊断

针对在柴油机故障诊断中,传统的D-S理论无法解决证据冲突问题,以及传统BP神经网络存在局限性,本文以某大功率柴油机为例,提出一种将加权D-S证据理论与共轭梯度下降BP神经网络相结合的新的柴油机故障诊断方法,通过对V12四缸柴油机的进行数据测量与实验对比,证明该方法中加权证据理论能有效地处理存在冲突证据时的融合问题,避免了传统BP神经网络存在的局限性,将两种改进后的方法相结合也避免了构造D-S证据理论的基本概率赋值函数的困难性,同时利用神经网络大规模并行工作方式增强了信息处理的快速性,并且可以尽量减少不确定性因素的影响,说明本文提出的方法是非常有效可行的。

NNWA-PF算法在柴油机故障诊断中的应用

针对柴油机故障诊断的效率与准确度,以某大功率柴油机为例,提出一种新的粒子滤波技术NNWA-PF,对经过此粒子滤波降噪的数据和没有经过处理的数据分别用BP神经网络进行训练、测试和诊断,结果说明经过NNWA-PF降噪后的数据诊断效果比较好,也证明了基于神经网络粒子滤波降噪的效果较好。

某型产品发动机压力实时检测系统设计

在本设计中,只在通过单片机及专用芯片的相关技术,完成对压力传感器采集到的模拟信号进行处理,从而达到某型产品发动机的压力检测的目的。在本文中,具体介绍了压力实时检测系统对应的单片机硬件电路设计,在此基础上,进行了设计的软件编程。在本设计当中,主要完成对该发动机的压力进行实时检测并显示,测量范围(0~6)MPa、(0~20)MPa,测量准确度±2%。引言:在固体火箭发动机的功能研制、技术参数定制、零件生产等环节工程中,离不开对产品进行地面点火试验。此试验的作用旨在评估弹体发动机机构的稳定性以及其各分系统的匹配性及整个弹体的弹道特性。作为地面试车试验的一个重要的技术参数及工作载体,固体火箭发动机的工作原理比较复杂且工作时间较短,对测试系统的数据采样频率非常高,因此,为了能够确保火箭发动机压力测试结果的准确可靠,必须选择合适的测量方法。本文根据某型产品固体火箭发动机压力测试的要求,通过单片机完成对压力传感器采集到的模拟信号进行处理,达到某型产品发动机的压力检测。从而确保每次试验结果的准确可靠。