基于DTBN的动量轮备份系统剩余寿命预测研究

可靠性及剩余寿命分析是基于状态的系统维护(CBM)的基础,具有重要的指导意义。目前对部件级寿命预测的研究比较成熟,但对系统级寿命预测的研究甚少。本文基于动态故障树对动量轮备份系统进行可靠性及寿命预测分析,对现有文献中备份部件失效概率密度的描述方法进行了改进,以满足当t→∞时累积失效概率和等于1,并将改进后的部件失效概率密度描述方法结合离散时间贝叶斯网络(DTBN)对备份门的求解进行了分析。最后,以动量轮备份系统为实例进行可靠性及寿命预测分析。

基于时序特征的草图识别方法

草图识别是一项很具有挑战性的工作。目前,大部分草图识别的工作都将草图当作普通的纹理图像,忽视了草图的时序性。因此,文中通过挖掘草图的时序性,将草图笔画按照时间分组。为进一步利用时序特征在草图识别过程中的作用,使用了循环神经网络将笔画分组按照时间序列作为输入,最后使用联合贝叶斯将各个时序下获得的草图特征进行整合,完成草图的识别工作。在公开标准数据集上对所提算法进行了测试,实验结果显示该算法的识别准确率明显高于其他算法。

利用贝叶斯网络方法判定整机产品薄弱环节

针对基于外场使用数据的统计分析方法和可靠性分析两类常见的整机产品薄弱环节确定方法进行研究,发现两类方法的应用均受到了限制,提出了一种把传统故障树转化为贝叶斯网络来确定整机产品薄弱环节的方法。该方法用Bayes模型确定贝叶斯网络中各节点发生的条件概率,首先利用Beta分布描述节点发生条件概率的先验分布,参考专家经验,通过极大熵方法给出先验分布中的超参数;然后,再结合整机产品相关试验、类似型号等数据,对节点发生的条件概率做出Bayes估计;最后利用贝叶斯网络的反向推理确定整机产品的薄弱环节。通过光纤陀螺对本方法进行验证,分析结果与工程实际相符合,为整机产品的薄弱环节分析提供了新的思路。

基于树增强朴素贝叶斯分类的台区关口表挂接关系在线校验方法

针对台区关口表挂接关系人工现场核查耗时耗力的问题,提出基于树增强朴素贝叶斯分类的在线校验方法。对于一个台区,首先从用电信息采集系统提取台区用户和变压器(关口表)的电压曲线;接着,分别计算一段时间内每个用户与变压器三相电压曲线之间的皮尔逊相关系数;然后,统计所有用户皮尔逊相关系数在不同区间的分布数量;最后,以台区用户相关系数在不同区间的分布数量为输入属性特征,以台区关口表挂接关系是否正确为输出属性,采用树增强朴素贝叶斯模型构建台区关口表挂接关系在线校验模型。该方法在某地市电网公司试运行,其应用效果表明,可有效提升台区关口表挂接关系数据的正确性。

美国首艘氢燃料电池客船即将开建

美国造船企业Bay Ship and Yacht公司日前宣布已经接获了一份合同，将为旧金山湾区的G0Iden Gate Zero Emission Marine（GGZEM）公司建造美国首艘氢燃料电池客船，也是全球首艘商用燃料电池渡船。该船长21．33米，船体完全采用铝制，由Incat Crowther公司设计，可塔载84名乘客，最高航速可达22节。