课程文献中心 更多>>

关键词： 气路故障诊断   健康管理   军用航空发动机   自适应循环发动机  

摘要： 随着航空发动机健康管理系统中气路故障诊断技术的日趋进步，从飞行安全性提升及视情维修降低成本的角度出发，越来越多的军用航空发动机在研发过程中更聚焦于气路故障诊断设计。系统梳理了国、内外军用航空发动机气路故障诊断技术的发展历程，并按四个阶段进行技术特征的总结归纳；核心研究了基于模型的气路故障诊断、基于数据驱动的气路故障诊断、基于信息融合的气路故障诊断的一般方法和各自方法的优缺点，并提出了军用航空发动机气路故障诊断的关键技术；针对先进军用航空发动机-变循环发动机特点和需求，给出了军用航空发动机气路故障诊断设计工程上分阶段实施、不可测参数与可测参数关联研究、加强模式转换等过渡态故障设计、区分控制系统功能分配等发展趋势建议，从而为我国未来开展自适应循环发动机的气路故障诊断设计提供一定的参考。

关键词： 人机交互   手势捕捉   卡尔曼滤波   仿真操作系统   近似熵  

摘要： 为实现仿真掘进环境中的人机自然交互，设计出一种基于视觉动捕的仿真掘进机操作系统，包括视觉动捕、仿真平台两个单元。视觉动捕单元基于Mediapipe框架，通过相机捕捉手势动作，实现真实世界与虚拟空间的映射。针对手部关键点数据在大范围运动中的不合理跳变问题，通过设置加权质心提出一种改进的卡尔曼滤波算法，并依据操作者手势输出对应指令。仿真平台利用Unity3D虚拟引擎搭建，通过UDP(user datagram protocol)通信与视觉动捕单元实时信息交换，并根据指令实现掘进机运动过程的可视化与环境反馈。实验结果表明，本文改进方法在均方误差、信噪比、近似熵参数上更具有优势，所需的特定手势识别判断正确率可达92%以上，操作者可以实现对仿真掘进机的高效控制。

关键词： OBE理念   仪器分析   课程思政   学习闭环   科学思维  

摘要： 以OBE理念为指导，在仪器分析课程教学中以学生为中心，融入课程思政进行教学实践，使课程思政回归课程教学的本源。以绪论一章为例，分别在课前、课中、课后教学环节中融入思政教学，教与学密切结合，课内与课外密切结合，将科学精神和科学思维全方位的落实到整个教学过程中，使学生成为课程思政学习和实践的主体，构建学习闭环和思政闭环。基于OBE理念和思政育人目标的一致性，实现知识传授、能力培养、价值塑造三位一体的教学目标，提升课程的教学效果与质量。

关键词： 高压断路器   改进蜣螂优化算法   深度混合核极限学习机   故障诊断   逐次变分模态分解  

摘要： 针对高压断路器机械故障诊断准确率偏低的问题，本文提出了一种基于改进蜣螂优化算法（IDBO）优化深度混合核极限学习机（DHKELM）的故障诊断方法。首先采用逐次变分模态分解（SVMD）对高压断路器合闸振动信号进行分解，得到若干个含本征频率的固有模态分量(IMF)；接下来提取各IMF分量的功率谱熵构建特征向量矩阵，并利用t分布-随机邻域嵌入算法（t-SNE）对特征向量进行数据降维；进一步引入融合Tent混沌映射、黄金正弦策略、自适应t分布扰动策略对传统蜣螂优化算法（DBO）进行改进，并使用IDBO对DHKELM进行参数优化，完成IDBO-DHKELM高压断路器故障诊断模型的构建；最后通过搭建模拟故障的实物断路器实验平台进行验证，结果表明，本文提出的方法在故障诊断上的准确率达到了98.33%，相较于其它故障诊断模型在多项分类评价指标上均有显著提升，为准确、可靠地诊断高压断路器机械故障提供了新方案。

关键词： 变压器   故障诊断   轻量梯度提升机   特征变量   改进浣熊优化算法   卷积神经网络  

摘要： 为提高基于深度学习的变压器故障诊断精度，提出了基于油中溶解气体分析(Dissolvedgasanalysis,DGA)的LightGBM-ICOA-CNN变压器故障诊断方法。首先，基于变压器油中溶解气体含量对变压器特征变量进行丰富，利用轻量梯度提升机算法(Light gradient boosting machine,LightGBM)量化其重要性，实现特征变量优选；其次，引入改进浣熊优化算法(Improved coati optimization algorithm,ICOA)对卷积神经网络(Convolutional neural network,CNN)的学习率、卷积核大小与数量、全连接层神经元数量等超参数实现优化，提高模型诊断结果的准确率；最后，通过算例分析对建立的LightGBM-ICOA-CNN方法性能进行评估，验证了所提方法对变压器故障诊断的有效性，且收敛性较好，精度较高。

关键词： 民航发动机   故障诊断   部件级建模   信息融合   非线性气路分析  

摘要： 针对民用航空发动机传感器数量不足、难以实现有效故障诊断的问题，提出了融合先验信息的自适应气路分析模型（AGPAM-PI），提升发动机故障诊断的准确性与效率。AGPAM-PI结合了发动机指印图的先验信息和非线性气路故障诊断方法，首先通过指印图对故障信息进行有效补充，对故障因子求解范围约束限定，然后再利用非线性气路分析模型进行故障诊断。以一台在实际运营过程中发生故障的CFM56-7B发动机数据进行验证，结果表明模型对该发动机的故障进行了准确的定位并通过发动机故障诊断规则分析了发动机故障模式，证明了模型的有效性。相比传统的气路故障诊断方法，先验故障信息的引入增强了单元体故障的识别能力，提高了诊断精度。

关键词： 工业硅烧穿器底盘组件   静动态特性   拓扑优化   多目标优化   轻量化设计  

摘要： 工业硅烧穿器底盘组件作为整机的主体支撑结构，其性能直接影响工业硅烧穿器工作的可靠性。文中以工业硅烧穿器的底盘组件为研究对象，在保证结构静动态性能条件下，基于拓扑优化与响应面法结合对其进行轻量化研究。首先，对底盘组件进行静态和模态分析，结果表明：底盘组件存在较大材料冗余，1阶固有频率有待提高。其次，通过拓扑优化方法对底盘组件整体进行了结构优化改进。最后，构建以质量最轻、最大变形量最小和1阶固有频率最大为目标函数，基于响应面模型和多目标遗传算法，对底盘组件进行多目标优化。优化后进行仿真验证，结果表明：底盘组件质量由优化前的2 206.4 kg降低到1 619.8 kg，减重比达26.59%，且1阶固有频率提高12.25%，最大总变形量减少1.43%，优化效果较好，满足轻量化设计要求。

关键词： 高压断路器   故障诊断   MSMOTE   CNN-LSTM  

摘要： 本研究旨在实现对断路器的高效故障诊断。针对采集数据不平衡的问题，采用了基于马氏距离的合成少数类过采样技术(Modified Synthetic Minority Over-sampling Technique， MSMOTE)进行数据扩充，并通过萤火虫算法(Firefly Algorithm， FA)优化了卷积长短时记忆网络 (Convolutional Neural Network-Long Short-Term Memory， CNN-LSTM)的隐藏层节点数和学习率。将经MSMOTE算法扩充后的数据输入到FA-CNN-LSTM模型中进行训练分类。实验结果表明，所提方法在故障样本较少的情况下同样能实现对断路器的高效故障诊断。通过FA算法的优化，分类准确率达到了99%。因此，本研究提出的断路器故障诊断方法具有较好的性能，为电网设备状态分析提供了一种新的有效途径。

关键词： 电压源型静止同步补偿器   信号分解技术   残差网络   自注意力机制   故障诊断  

摘要： 电压源型静止同步补偿器（VSC-STATCOM）可以减少电压峰谷波动、有效控制谐波和补偿无功功率，从而改善电能质量.其中VSC-STATCOM正常工作是逆变器稳定运行的前提，并网情况下逆变器绝缘栅双极型晶体管（insulated gate bipolar transistor,IGBT）开路故障诊断需要考虑负载动态变化所导致故障信号复杂程度高、复杂系统各元件间相互作用以及高背景噪声的影响等因素，对故障信号特征提取和识别提出了更高的要求.论文以并网逆变器VSC-STATCOM不同类型开路故障为对象，提出一种融合双模态分解信号处理方法与残差注意力网络RES-SA模型的组合故障诊断方法.针对单模态多尺度信号分解方法对高背景噪声和复杂信号特征提取不充分的问题，提出利用CEEMDAN和SSD两种分解方法对同一故障信号进行双模态多尺度分解，并将三相电流双模态多尺度分量整合为输入特征矩阵，为RES-SA深度学习组合模型提取隐藏特征提供基础.不同方案的仿真结果表明提出的方法特征提取能力强，且抗噪性能好，对并网型逆变器IGBT开路故障识别率高.