电磁出钢装置中座砖内温度分布的分析

针对钢包电磁引流技术中,钢包不是固定装置,现场流动性比较强,无法对感应线圈进行连续冷却这一技术难点.提出了将座砖做成内外组合式,把感应线圈镶嵌到内部座砖里,然后在线圈的顶端和内侧添加高温隔热材料,来减少热量向线圈传递,防止没有水冷时线圈因温度过高而失去工作能力.在实验室条件下,对座砖内温度分布进行了测试,并以此为不同材质的隔热板隔热性能的高温实验做出指导,结果表明：通过添加40mm厚蛭石隔热板后,当高温面温度达到1 000℃,而低温面温度为294℃,低于铜的再结晶温度,线圈处于能够工作温度范围内.     

全天候海冰气象监测系统可靠性研究

目的】为了减少海冰对平台生产所造成的影响,JZ9-3海域首次引用了全天候海冰气象监测系统。为了确保系统的正常运行,需要对系统进行可靠性评估。【方法】采用动态模糊故障树法,对全天候海冰气象监测系统的可靠性进行评估,同时提出初步的预防措施。【结果】通过应用动态模糊故障树对系统可靠性进行评估,获取了系统的薄弱环节,并提出了有效措施对薄弱环节加以控制。【结论】通过研究,有效地提高了系统的可靠性,这也是动态模糊故障树在国内的首次应用,为未来动态模糊故障树的广泛应用奠定基础。     

一类设备故障过程的故障趋势预测方法研究

研究了一类带有指数故障过程的故障趋势预测问题。在测量变量受到平稳噪声干扰的情况下,首先依据对测量数据的统计检验判断出故障过程,然后根据对故障过程的先验知识,利用强跟踪滤波器辨识指数趋势项的参数,同时对建模误差进行ARMA时序分析,最后结合趋势项和时序预测给出故障趋势的总体预测。仿真实验结果验证了该方法的有效性。     

一种新型自适应粒子群优化粒子滤波算法及应用

基于粒子群优化的粒子滤波算法精度不高,运算复杂度大,难以在实际工程中应用. 为此,文中提出一种新型邻域自适应调整的动态粒子群优化粒子滤波算法. 该算法考虑了粒子的邻域信息,利用多样性因子、邻域扩展因子和邻域限制因子共同对粒子的邻域粒子数量进行自适应调整,控制粒子对邻域的影响,减轻局部最优现象,达到收敛速度和寻优能力的最佳平衡. 利用UNGM模型、目标跟踪模型以及故障检测模型对算法的性能进行仿真测试,结果表明：该算法与PSO-PF相比提高了精度和运算速度,具有实际工程应用价值.     

电视机故障检修的计算机仿真系统

摘要：传统的电视机实验存在着效率低,损耗大,效果差等难以克服的弊端。利用计算机软件制作电视机故障检修的仿真系统,作为辅助手段,能够很好地解决以上问题,大大提高电视机故障检修实验教学的质量。     

基于Park-HHT的故障特征提取方法

针对三相对称系统,提出了一种新的故障特征提取方法。该方法首先将系统输出信号进行Park变换,之后进行希尔伯特-黄变换(Hilbert-Huang transform, HHT),从HHT的本征模态函数中选取低频分量,提取信号幅度作为故障特征值。该方法兼具Park变换和HHT的优点,在降低变量维度的同时提高了故障分辨率,并且具有较强的抗噪声能力。最后,在三相逆变电路中进行了仿真实验,根据特征向量间距离分布对不同方法的提取效果进行评价,验证了所提方法的有效性。     

多深度学习模型决策融合的齿轮箱故障诊断分类方法

针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于卷积神经网络(convolutional neural networks, CNN)和改进堆叠降噪自动编码器(stacked denoising autoencoders, SDAE)的混合网络模型,根据改进的Dempster-Shafer(D-S)证据理论实现决策级融合诊断。以时频信号作为CNN的输入,以频域信号作为SDAE的输入,采用Adam优化算法和dropout、批量归一化技术训练该混合模型。实验结果表明：利用该融合方法对齿轮进行故障诊断相比单个的网络模型CNN和SDAE诊断正确率有所提高,为齿轮故障智能诊断分类提供了新路径。     

相控阵天线阵面通道故障数量预测方法

为预测定期维修条件下相控阵雷达天线阵面通道故障数量,提出一种改进的GM(1,1)方法。分析了传统GM(1,1)方法在预测天线阵面通道故障数量时存在的问题,针对天线阵面通道故障历史数据的波动性,通过滑动平均法对数据进行预处理,改善了原始数据用于灰色预测的适应性;针对固定背景值不能反映数据波动规律的问题,通过引入自适应算子对背景值进行重构;针对预测过程中的数据不便更新问题,引入新陈代谢方法对模型的初始数据进行更新。建立了改进GM(1,1)模型,给出了具体的计算步骤,并通过实例仿真与算法比较,验证了所提预测方法的有效性。     

基于改进EEMD的卷积神经网络滚动轴承故障诊断

集合经验模态分解(EEMD,ensemble empirical mode decomposition)对信号进行分解,得到的模态函数(IMF,Intrinsic model function)在2端点存在严重的发散现象,如果将分解结果直接应用到故障诊断系统中,会导致诊断的准确率下降。首先将支持向量机(SVM,support vector machine)和EEMD算法结合进行信号分解,并利用仿真信号进行可靠性分析;其次对SVM(support rector machine)-EEMD分解的分量进行选择后再分解并构建能量向量,最后和卷积神经网络结合,构建滚动轴承故障诊断模型并通过实验验证。结果表明,改进EEMD算法可以有效缓解端点发散问题,构建的故障诊断模型提高了故障诊断精度。     

Fault tolerant motion planning based on joint torque limit for redundant manipulators

0 IntroductionWith the development of science and technology,manipulators have been widely utilized in some specialfields of space , deeper ocean, and nuclear materialcleanup.Becausethese workingenvironments are distant ,harsh and dangerous ,itis difficultfor peopletorepairthefailed manipulators onthe spot .Therefore ,the manipula-tors should operate normally for a long time . To meetthese requirements ,the manipulators must have not onlyhigher reliability but also fault tolerance capabilities…