基于神经网络的多种油样分析技术融合诊断

针对4种最常用的油样分析技术(铁谱、光谱、颗粒计数及理化指标分析)的信息融合问题，依据基于规则的专家系统方法，建立了各油样分析技术的子专家诊断系统；依据专家经验建立各子专家系统的诊断结果与故障论域中各故障模式的关系，得到了用于神经网络学习的训练样本．在此基础上，通过对神经网络进行训练，并将待分析油样的各子专家系统诊断结论输入训练成功的网络，即得到融合诊断结果．实例分析表明所建立的分析方法便捷有效．     

BP神经网络及其在结构动力分析中的应用研究

回顾了ＢＰ神经网络在结构分析中的应用和发展过程，针对ＢＰ网络在实际应用时存在的收敛速度慢以及所需训练样本多等主要问题，提出了相应的网络快速学习算法以及训练样本正交化处理方法。同时，对网络结构设计、训练样本规范化处理、网络映射结果精度的自适应修正等具体技术问题也进行了详细讨论，并提出了相应的解决方法。文中最后给出了二个工程应用实例，结果表明：ＢＰ网络在结构动力分析中不失为一种崭新的有效方法。     

结构损伤的小波分形神经网络检测

用神经网络进行结构损伤检测、分析的有效性在很大程度上取决于训练样本的好坏。小波变换在时域和频域都具有表征信号局部特征的能力,小波包分析利用可以伸缩和平移的可变视窗能够聚焦到信号的任意细节,因此对有损伤的结构的非线性动力特性能进行有效的分析。利用分形几何方法不依赖于系统的数学模型的特点,将分形维数与小波分析相结合,建立了结构损伤的小波分形神经网络检测方法。研究结果表明,结构不同状态下的振动信号的各频段分形维数有明显的不同,可以将振动信号的各频段分形维数作为结构损伤检测的特征量,并用神经网络将结构的不同状态模式识别出来。     

基于复数神经网络的粘弹性材料动态模量拟合方法

固体火箭发动机药柱粘弹性材料除具有弹塑性特性,还具有粘滞性,这一特性使得材料变形具有明显的时间效应,本构关系复杂,进行动态力学分析时,动态模量难以有效拟合．本文提出了一种基于(Levenberg-Marquardt, L-M)算法的复数神经网络拟合粘弹性材料动态模量的方法．通过广义Maxwell模型推导得到材料的动态模量表达式,以此构造未定网络参数为复数的神经网络,从而提供了一种输入、输出样本均为复数的神经网络解决方法．将实数L-M训练算法进行改进,衍生到复数领域,提出复数L-M训练算法．通过粘弹性材料实验,将实验数据时温等效转换,获得复数神经网络的训练及测试样本．通过对神经网络进行训练,实现粘弹性材料动态模量的高精度拟合．数值算例表明,与传统神经网络拟合方法相比,所提方法在训练速度和泛化能力方面都有其优越性．     

既有钢桁梁桥损伤识别与诊断方法研究

从结构动力学基本理论出发，对既有钢桁梁桥的损伤识别与诊断方法进行了研究. 通过选取钢桁梁桥损伤前、后的固有频率作为特征参数，并应用BP神经网络方法和MATLAB方法对桥梁损伤识别和诊断过程进行了深入细致地分析，提出了一套完整的桥梁损伤识别和诊断过程流程图. 最后，用一实际钢桁梁桥的损伤识别进行了数值模拟，计算结果证明了该方法的准确性和有效性.     

基于转角模态和小波神经网络的连续梁损伤识别研究

基于小波奇异性检测原理和神经网络非线性映射能力,结合结构基本模态参数,提出了一种结合小波神经网络与结构转角模态的损伤识别方法．首先,建立三跨连续梁的有限元模型获取结构模态参数,并对其进行Mexihat小波变换,通过系数图突变点判断结构损伤位置．然后,将小波系数模特征向量作为BP神经网络的输入,分别研究了该方法在单损伤和多损伤工况下的识别能力．最后将不同工况下神经网络预测值与结构实际损伤程度进行对比,得到单处损伤预测误差平均值为0.22%,多处损伤预测误差平均值分别为0.22%和0.18%,结果表明该方法在结构损伤识别方面的有较高有效性及精确度．     

基于端到端模型的机器人室内单目视觉定位算法

在室内环境中,机器人使用视觉设备实现室内定位时,需要面临高强度的运算、建立并维护比较大的地图、环境光照影响等挑战。针对以上问题,提出基于端到端模型的机器人室内单目视觉定位算法。首先,使用机器人运动场景图像数据,对每张图像标注机器人此时在世界坐标系下的三维坐标。其次,将运动场景图像及标签输入神经网络,得到机器人运动场景网络模型。最后,在机器人运动过程中,将需要查询的图像输入网络模型中,预测并输出机器人当前所处空间位置,实现一个端到端的定位系统。与传统的视觉SLAM的定位模块进行实验对比,结果表明所提出算法能够将定位误差降低38%以上。此外,所提出算法的定位实现依靠构建神经网络模型,不需要建立环境地图,只需要50 MB左右的存储空间,5 ms的时间便可以实现定位。所提出算法提高了机器人室内定位的速度和精度,减少机器人端的存储要求和计算量。     

用人工神经网络预测摩擦学系统磨损趋势

人工神经网络具有高度的并行分布式、联想记忆、自组织及自学习能力和极强的非线性映射能力，在许多领域显示了广阔的应用前景．但是，将神经网络用于摩擦学行为预测的研究报道却还鲜见．在对基于神经网络的单变量时间序列预测方法与过程进行分析之后，提出了摩擦学系统磨损趋势神经网络预测模型．采用定量铁谱参数中的总磨损Ｑ作为预测磨损趋势的特征参数，讨论了磨损趋势神经网络预测的单步预测法和多步预测法，并用其对ＣＤ４０齿轮泵的磨损趋势进行了预测，预测值与实测值吻合较好     

子矩阵形式的辨识方程及其求解

本文以传递函数作为特征量，建立了结构故障诊断的辨识方程．提出在频域内滑动的最小二乘法求解辨识方程，提高了诊断精度和求解效率．通过具体算例说明上述理论和方法的可靠性及工程实际应用价值．     

钢筋混凝土蓄水池智能CAD──WSCAD

本文较系统地介绍了钢筋混凝土蓄水池智能ＣＡＤ──ＷＳＣＡＤ的构成与特点，讨论了ＷＳＣＡＤ中所采用的神经网络法．针对神经网络所存在的训练速度慢、系统结构通用性差等缺点，提出了一种表示蓄水池设计事例的层状神经网络模型．这种网络模型的提出为智能化的钢筋混凝土蓄水池标准图库的建立及其应用奠定了基础．     

基于遗传算法的信息融合在摩擦学组合故障诊断中的应用

根据8NVD48A－2u型柴油机现场运行油液监测试验结果和长期的实践经验,在600多个船舶柴油机故障诊断实例的基础上,总结出了各种零件磨损故障种类之间的关联度,结合D－S证据组合理论给出了零件磨损的摩擦学故障组合支持度;利用遗传算法搜索出了缸套活塞组的划伤、拉缸和腐蚀;轴承的擦伤、烧损、剥落和腐蚀、齿轮的点蚀、胶合和剥离等10种单一故障类型的5种组合故障,并确定了各种油液监测方法对这5种摩擦学组合故障的组合支持度。把遗传算法引入信息融合,为解决摩擦学组合故障问题提供了一种新的思路,对实际故障诊断具有一定的指导意义。     

干涉型光纤陀螺仪零漂建模方法

光纤陀螺仪零漂是衡量光纤陀螺仪精度的重要指标。文中对某光纤陀螺仪的零偏数据进行分析和预处理,采用时间序列分析法建立了AR（2）模型,同时基于BP神经网络建立了预测模型。建模结果分析表明：AR建模方法简单易行,但适用性不如BP网络模型,BP网络模型建模精度高,但算法复杂且收敛速度慢,容易陷入局部极小,因此采用了改进训练方法,改善了BP网络性能。     

青铜—石墨复合材料在干摩擦和水润滑下的摩擦磨损性能及磨损机理研究

对比考察了青铜 -石墨复合材料在水润滑和干摩擦两种状态下的摩擦磨损性能及磨损机理 .结果表明 :水润滑下青铜 -石墨复合材料的磨损率明显比干摩擦下的小 ,其最小磨损率为 1.0 1× 10 -6mm3 /N·m ,而摩擦系数比干摩擦下的大 ,复合材料在干摩擦下的磨损机理主要为粘着磨损、剥层磨损和犁削 ,磨损较严重 ;而在水润滑下 ,复合材料的磨损机理主要为磨粒磨损和疲劳磨损 ,磨损较小 .这是因为水有利于降低摩擦副接触表面的温度 ,有效地抑制了基体青铜的转移 ;同时水促进了不锈钢偶件的氧化 ,形成薄而致密氧化膜 ,从而降低了磨损     

磨损数值仿真技术的研究进展

综述了近年来国内外磨损数值仿真技术研究进展和现状，重点评述了数值仿真方法在磨粒磨损、疲劳磨损、磨损表面形貌模拟和实际摩擦副磨损研究方面的应用．指出磨粒磨损仿真主要集中于二体磨损的磨损表面形貌分析和磨损预测;疲劳磨损仿真主要集中基于断裂力学方法的建模以及基于有限元方法的参数定量计算和疲劳裂纹行为数值模拟；实际摩擦副磨损仿真主要侧重于齿轮、凸轮和缸套-活塞环等典型摩擦副的磨损研究．就当前磨损数值仿真研究的主要问题和发展方向提出了建议。     

几种酰胺类化合物作为添加剂对钢—钢和钢—铝摩擦副摩擦学性能的影响

采用四球摩擦磨损试验机和SRV摩擦磨损试验机考察了 4种酰胺化合物对钢 -钢和钢 -铝摩擦副摩擦磨损性能的影响 ,用X射线光电子能谱 (XPS)分析了丙烯酰胺润滑下铝合金磨斑表面元素的化学状态 .结果表明 :对钢 -钢摩擦副 ,酰胺类化合物表现出一定的抗磨减摩作用 ,对钢 -铝摩擦副 ,丙烯酰胺和乙酰胺表现出良好的抗磨减摩性能 .XPS分析结果显示 ,铝合金磨斑表面存在 3种价态的氮的化合物及 2种价态的铝 ,表明其磨损表面生成了复杂的反应膜     

蜗杆传动用摩擦副材料在滑动干摩擦条件下的摩擦磨损性能研究

采用MG-200型摩擦磨损试验机评价了ZQSn12-2锡青铜、ZZnAl27Cu2锌合金、S16MnCr合金钢和20CrMnTi合金钢等几种蜗杆传动用材料在干摩擦滑动条件下的摩擦磨损性能,采用扫描电子显微镜观察了其磨损表面形貌,并分析了蜗杆副材料的摩擦磨损机理.结果表明,ZQSn12-2和S16MnCr组成的摩擦副的磨损轻微,磨损率较低,其磨损表面仅出现细小的擦伤痕迹,在蜗杆传动中具有推广价值.     

因子模糊化BP神经网络在磨粒识别中的应用

在引入磨粒形态学描述了提取磨损颗粒显微形态特征的基础上,用人工神经网络技术,编制了用于磨损颗粒自动识别的ＢＰ网络计算机模拟程序,应用所引入的因子模糊化训练法可使训练速度加快,以异或问题为例,速度可提高５～１０倍。用此网络对磨粒测试库进行识别实验发现,识别速度快且正常率在９０％以上,优于传统的磨粒识别方法。     

Q235钢高能喷丸纳米化表面的摩擦磨损行为

利用球盘式试验机研究了高能喷丸、喷丸抛光及原始样品在干摩擦和油润滑条件下的摩擦磨损行为.结果表明:高能喷丸使Q235钢表面纳米化的同时在表面产生大量凹坑,干摩擦下高能喷丸及其抛光样品的磨损量均大于原始样品;由于表面凹坑的储油作用,在液体石蜡润滑下高能喷丸样品的磨损量小于原始样品,3种样品的摩擦系数均接近0.1;当液体石蜡中加入ZDDP后,由于纳米化表面的活性高,高能喷丸样品的耐磨性提高幅度更为显著,在35 N载荷下是原始样品的1.63倍,是喷丸抛光样品的1.26倍.     

研磨子抑制高速列车车轮多边形磨耗的机理研究

高速列车车轮多边形磨耗是我国高速列车自2008年开行以来出现的最严重的问题之一，直接影响到高速列车的运行安全. 利用高速轮轨滚动试验机试验研究了研磨子的增黏作用和局部缺陷修复作用，探讨了其作用机制. 建立了由轮对、钢轨和整体道床组成的轮轨系统滑动摩擦自激振动模型，研究了轮轨黏着和滑动工况下的轮轨系统摩擦自激振动发生趋势，指出研磨子抑制高速列车车轮多边形磨耗的主要机理在于以下两个方面:(1)研磨子的增黏作用，使轮轨系统制动和牵引时不容易发生滑动，消除了车轮多边形发生的条件；(2)研磨子中硬质颗粒能够有效地将车轮踏面的微观缺陷及时打磨清除，从而有效抑制车轮多边形、异常磨耗及接触疲劳裂纹的产生.      

The frictional sliding response of elasto-plastic materials in contact with a conical indenter

Over the past decade, many computational studies have explored the mechanics of normal indentation. Quantitative relationships have been well established between the load–displacement hysteresis response and material properties. By contrast, very few studies have investigated broad quantitative aspects of the effects of material properties, especially plastic deformation characteristics, on the frictional sliding response of metals and alloys. The response to instrumented, depth-sensing frictional sliding, hereafter referred to as a scratch test, could potentially be used for material characterization. In addition, it could reproduce a basic tribological event, such as asperity contact and deformation, at different length scales for the multi-scale modeling of wear processes. For these reasons, a comprehensive study was undertaken to investigate the effect of elasto-plastic properties, such as flow strength and strain hardening, on the response to steady-state frictional sliding. Dimensional analysis was used to define scaling variables and universal functions. The dependence of these functions on material properties was assessed through a detailed parametric study using the finite element method. The strain hardening exponent was found to have a greater influence on the scratch hardness and the pile-up height during frictional sliding than observed in frictionless normal indentation. When normalized by the penetration depth, the pile-up height can be up to three times larger in frictional sliding than in normal indentation. Furthermore, in contrast to normal indentation, sink-in is not observed during frictional sliding over the wide range of material properties examined. Finally, friction between indenter and indented material was introduced in the finite element model, and quantitative relationships were also established for the limited effects of plastic strain hardening and yield strength on the overall friction coefficient. Aspects of the predictions of computational simulations were compared with experiments on carefully selected metallic systems in which the plastic properties were systematically controlled. The level of accuracy of the predicted frictional response is also assessed by recourse to the finite element method and by comparison with experiment.