利用改进的CEEMDAN和RBF神经网络相结合的方法识别压缩机气阀故障。首先利用改进型CEEMDAN对实验采集的振动信号进分解,该方法克服了传统方法在处理模态混叠和虚假分量方面的不足,并提出基于改进型CEEMDAN和奇异谱熵相结合的信号处理手段,对振动信号构造特征向量,最后将特征向量输入RBF神经网络进行模式识别训练。研究结果表明基于改进型CEEMDAN和奇异谱熵的信号处理方法可以有效地提取出往复式压缩机阀片故障的特征,而RBF神经网络算法在对压缩机阀片故障进行模式识别时准确率高达99.58%。

针对管道缺陷的风险评估,预设了工程实际中常见的管道凹坑、孔洞和裂纹典型缺陷特征,构建了实验测试平台,传感器采集信号。针对信号非线性非平稳的处理问题,提出一种基于ICEEMDAN-ICA的管道缺陷多特征融合信号处理方法,对管道的孔洞、凹坑和裂纹缺陷进行多特征提取,提取样本熵、近似熵和奇异谱熵进行特征融合,通过ELM分类器进行模式识别。研究结果表明,特征融合的方法大大提高了识别的准确率,达到了95%。

针对某公司新建智能工厂设备布置和调度优化问题,通过Plant Simulation仿真平台进行流程优化。首先建立整个智能工厂的车间作业调度模型,对工序进行拆分,然后通过遗传算法-粒子群混合优化方式求得最优调度解。由仿真结果可知,与某公司的传统布置方案相比,优化的方法解决了工序排布不合理的问题,提高了车间作业效率,优化了生产节拍,为企业赢得了利润空间。

为了提高超声成像系统的分辨率，研制了用于检测双金属转子复合层扩散焊连接质量的超声换能器．论文提出了用声程相等的概念来设计超声传感器的聚焦，详细介绍了其制作工艺，并利用数字动态光弹仪器对超声换能器的聚焦声场进行了验证．制作的换能器中心频率为10MHz，波列只有两个周期，在实际的检测中可分辨0．5mm当量的缺陷．

该文就学生在使用分光光度计过程中,出现频率较高的几个问题加以归纳总结,分析了其产生的原因并提出相应的解决方法,旨在帮助学生处理其类似问题,提高学生实验结果的准确性和实验的效率。

介绍了新型便携式大气采样器的硬件设计和软件设计。采样器采用STC12C5410单片机、ADS1286和霍尼韦尔气体质量流量传感器AWM3300V为核心部件,具有携带方便、低耗能,易操作等特点。

用无网格伽辽金法研究了金属塑性成形过程模拟中的弹塑性大变形问题。采用修正的拉格朗日法建立金属大变形弹塑性无网格伽辽金方程，求解过程根据Newton—Raphson增量进行迭代，在增量刚度方程的计算中，引进修正的弹塑性应力应变矩阵，从而实现了金属塑性大变形问题的无网格模拟。应用FORTRAN语言对圆柱体压缩和反向平面挤压两个大变形弹塑性过程进行了编程模拟．验证了该方法的可行性。此法对网格没有依赖性，模拟大变形问题时不需要网格重构，计算简单。

提出由建压曲线判定电液伺服机构排气充分程度的方法,建立系统压力数学模型,进行仿真分析和试验验证,确定某型电液伺服机构排气充分的判据,即启机后系统压力达到蓄能器充气压力时间不大于0.073 s。此方法不用新增测量器件,仅依靠现有生产测试仪即可实现,方便易用。

针对运载火箭配套电液伺服系统产品结构复杂、生产工序繁琐、易生多余物、且其性能受多余物影响大的特点,现以提产品可靠性为目的,基于液压回路和电气回路的工作特点,分析多余物来源和典型故障模式,结合近年来质量问题数据统计,采用故障树法(Fault Tree Analysis)和矩阵图法(Matrix Diagram),对从设计至飞行的全生命周期内多余物引入模式进行识别和评定,梳理了设计、工艺和过程控制三方面的防控措施,改进了油液加注环节,建立了较为完善的多余物防控体系,为确保产品质量奠定了基础。

大吨位的锻压机械在进行压力加工后，其液压缸和部分管道会贮存大量的高压液体，回程时如释放不当， 会造成系统振动、噪声。针对高压容腔卸压时存在的问题，通过对阀口卸压过程的分析以及对卸压过程中产生冲击、振动和噪声的原因的分析，通过控制卸压过程的 动量变化量，可以有效控制卸压过程中的振动与冲击。论文得出一个比较合理的卸压过程对应的节流阀口的面积与腔体压力的关系，为高压容腔快速、无冲击卸压提 供了依据。