《强电磁脉冲下柴油发动机系统薄弱环节识别》PDF+DOC
作者:刘恬诗,赵昱,祝挺,孙铁刚,武艺,孙晓颖
单位:北京航空航天大学
出版:《北京航空航天大学学报》2020年第03期
页数:10页 (PDF与DOC格式可能不同)
PDF编号:PDFBJHK2020030200
DOC编号:DOCBJHK2020030209
下载格式:PDF + Word/doc 文字可复制、可编辑
《贝叶斯预测蜂群算法在无线传感器网络优化中的应用》PDF+DOC2018年第05期 付光杰,胡明哲
《基于融合的贝叶斯网络的冷水机组故障诊断》PDF+DOC2018年第07期 王占伟,王林,梁坤峰,袁俊飞,王智伟
《基于贝叶斯网络的电控发动机可靠性分配》PDF+DOC2019年第03期 陈琳,谢学飞
《基于贝叶斯网络的信息融合汽车网络故障诊断方法》PDF+DOC2015年第10期 李宏梅,佟为明,程树康
《基于核主成分分析和RVM的传感器故障诊断算法设计》PDF+DOC2014年第03期 郭秀峰,任贺宇
《卡尔曼滤波在分布式拉曼光纤温度传感系统去噪中的应用》PDF+DOC2014年第05期 刘涛,张文平,陈慧芳,冯桂兰,刘月明
《基于多传感器信息融合的贝叶斯网络故障诊断方法研究及应用》PDF+DOC2013年第01期 刘希亮,陈桂明,李方溪,张倩
为识别强电磁脉冲环境下柴油发动机系统的薄弱环节,提出了一种加权故障树和分层贝叶斯网络相结合的柴油发动机系统薄弱环节识别方法。该方法综合考虑同层单元失效的相关性,加权故障树的局部应用解决了部分条件转移概率表不易获取问题。运用贝叶斯网络双向推理功能,首先,通过柴油发动机辐照试验和电磁仿真软件获得的各部件敏感度阈值及电磁应力数据,计算出强电磁脉冲下部件级到系统级的先验失效概率;然后,依据贝叶斯概率公式计算在发动机失效条件下各部件故障的后验概率,并排序以识别其薄弱环节,为电磁防护方案的设计提供参考和建议。以宽带高功率微波(WBHPM)辐照为例,说明了柴油发动机系统分层贝叶斯网络故障模型参数获取与概率计算过程。结果表明:执行器和凸轮轴位置传感器、曲轴位置传感器既为柴油发动机系统的重要部件,也为较薄弱环节,是需要重点防护的对象。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。