缓变退化设备剩余寿命预测的随机阈值方法

针对一类缓变退化设备的样本平均在短时间内退化不明显的特点,将设备检测数据的样本标准差作为一个失效指标进行退化建模,从样本标准差的变化趋势来估计设备的性能状态,并且鉴于样本标准差数据非线性强波动幅度大的特点,提出了一种随机阈值的剩余寿命预测方法。通过惯性平台陀螺仪漂移数据实例验证证明,该方法能够对这类非线性强、波动幅度大的退化数据建模,并得到可信的预测结果。     

三阶灰色神经网络模型的建立及其在导弹故障预报中的应用

为了解决导弹武器故障数据量小,无法利用现有的方法对其进行故障预报的问题,在分析灰色预测模型与BP网络算法的基础上,对现有的一阶灰色神经网络模型做了进一步优化和完善,并在此基础上建立了基于时间响应函数的三阶灰色神经网络GNNM（3,1）模型,推导出了模型的理论算法。将此算法应用于导弹惯性器件故障预报中,通过实例证明了GNNM（3,1）模型对导弹武器故障预报的有效性。     

MIL-STD-1553B总线发送器IP核设计

为了开发具有自主产权的MIL-STD-1553B接口芯片,采用自顶向下的方法设计了一款专用的总线发送器IP核;通过自顶向下的方法完成系统设计与模块设计,使用VHDL语言书写发送器程序代码,以FPGA为平台对发送器进行了测试。结果表明,发送器的逻辑功能达到了设计要求,时序指标完全符合协议规范,实现了总线通信,具有消耗逻辑单元少的特点。     

基于新的AFCM算法的陀螺仪漂移预测

为克服模糊规则提取的盲目性和随机性,提出了一种基于新的自适应模糊C-均值聚类(AFCM)算法的T-S 模糊建模方法.首先利用减法聚类来确定聚类数目的上限和初始聚类中心,然后采用改进的模糊C-均值聚类(FCM).算法进一步优化聚类中心,最后通过聚类有效性评判方法自适应地确定规则数及聚类中心,同时改进的FCM算法也克服了野...     

整车电子系统工艺的开发与应用

该项目以S车型在总装的工业化过程中的整车电子电气系统的初始化、电子配置、整车电检、故障诊断等工艺项目的开发应用为题,着重介绍整车智能防盗系统的初始化工艺、BCM的配置、整车电控单元的通讯测试／制程故障清除、整车电控故障诊断等六个方面的系统分析、技术方案和实施效果。另外在S车型工业化后,如何与现有车型实现混流,以及未来更多动力总成及电子装备混搭,车型灵活多变等问题,在本项目中也予以考虑预防研究,通过软件开发模块化、硬件平台化、设备配置菜单化等手段,以应对未来车型细分变化快,缩短工业化准备和调试周期。     

从网络需求看长途波分技术发展

长途骨干传输网是用于城市间（或城域网间）业务传送的电信网，传送距离从几十公里到数千公里。它是运营商全程全网有效开展业务的基础网络。正如电信网由电话网，数据网发展到综合业务网，传送网也由电话网的附属网络发展成为面向多业务，独立运营的电信基础网。长途骨干网不仅要完成长途电话局之间数以万计的话路业务的传送，还要完成城市间高速     

新的证据冲突衡量标准下的D-S改进算法

 针对传统证据冲突衡量标准存在的不足及高冲突下Dempster证据组合规则失效的问题,通过pignistic变换,定义了新的证据冲突衡量标准,基于此,提出了一种新的D-S改进算法.该方法依据少数服从多数的决策思想,引入了描述证据重要度的权重系数,对证据进行预处理,再采用Dempster规则进行组合.通过仿真算例分析,并与其它改进方法进行对比,验证了新算法在处理证据冲突方面的性能显著改进,加快了收敛速度,同时降低了决策风险.     

基于LMBP神经网络的惯性器件故障预报方法研究

利用Levenberg-Marquardt(L-M)算法优化计算BP权值调整量,将L-M算法与传统的BP网络相结合开发出一种快速收敛的LMBP网络,并在此基础上提出了基于LMBP神经网络的时间序列预测方法。最后利用该方法对某惯性器件进行故障预报,通过仿真实验证明了该方法的有效性。     

代表点理论在粒子滤波算法中的应用

将统计学中的数论方法应用于粒子滤波,使用随机分布的均方差代表点,对粒子滤波中关键的初始粒子生成、重点密度采样及再采样过程给出了相应的代表点算法,得到了一个包含最少随机操作的、使用非等权值粒子的改进粒子滤波算法.     

融合非线性加速退化模型与失效率模型的产品寿命预测方法

针对高可靠性产品寿命数据少、获取成本高的问题,基于充分利用产品在研制、加速试验等不同环境下的退化数据、失效数据等可靠性数据的思想,提出了一种融合非线性加速退化模型和失效率模型的产品寿命预测方法.首先,根据退化数据对非线性退化过程进行分析,估计退化过程的参数;然后,根据加速退化数据及相应的加速退化模型估计加速退化模型的参数,从而得到退化参数与应力之间的关系.进一步,利用比例风险模型融合产品的寿命数据和未失效截尾数据,并基于此计算产品的可靠度函数、预测产品的寿命.实例应用验证了所提方法的有效性,同时说明了所提方法的应用价值.