專利名稱：一種基于抗體濃度的齒輪故障診斷方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種齒輪故障診斷方法，特別涉及一種利用人工免疫系統(tǒng)模型，建立抗體種類及濃度與齒輪故障種類及強度關(guān)系的齒輪故障診斷方法。

背景技術(shù)：
齒輪傳動是機械設(shè)備中最常用的傳動方式之一。齒輪由于經(jīng)常工作于高速、高負荷、高沖擊的環(huán)境下，容易產(chǎn)生磨損、斷齒、裂紋等多種故障，并進一步誘發(fā)其他機械故障。因此，對齒輪的故障診斷具有重要的意義。
當(dāng)齒輪發(fā)生故障時，其振動信號大多為多分量的調(diào)幅-調(diào)頻信號，因此解調(diào)分析是業(yè)界常用的齒輪故障診斷方法，從振動信號中提取調(diào)制信號、分析其強度和頻次就可以判斷零件損傷的程度和部位?，F(xiàn)有的齒輪故障診斷方法，如基于支持向量機的診斷方法和基于神經(jīng)網(wǎng)絡(luò)的診斷方法等，僅只能對判斷出齒輪有無故障和故障類型，但不能判斷出故障發(fā)生的嚴重程度，本發(fā)明提供的方法不僅可以判斷出齒輪有無故障和故障類型，還可以計算出故障發(fā)生的嚴重程度，這對于評價齒輪的工作狀態(tài)是非常重要的。


發(fā)明內(nèi)容
本發(fā)明的發(fā)明目的是為了解決現(xiàn)有齒輪故障診斷信號存在的上述問題，提供一種基于抗體濃度的齒輪故障診斷方法。
本發(fā)明的技術(shù)方案包括以下步驟 1)獲取齒輪振動信號，通過振動傳感設(shè)備，測試提取診斷齒輪正常工作和發(fā)生故障時的有關(guān)振動信號； 2)提取特征向量，采用小波包方法，提取正常工作和發(fā)生故障時的特征向量值，對每一信號經(jīng)小波包分解，求各頻帶的能量，得到一組與信號相對應(yīng)的能量序列{Ej|j＝1，2，...，2N}，由此確定與此能量序列對應(yīng)的特征向量選擇齒輪磨損、斷齒、裂紋和正常狀態(tài)進行故障特征提取，將選擇的振動信號時域波形，用小波包方法進行分解，分別提取不同頻段的特征信號，即由各頻段的能量譜求得齒輪發(fā)生故障時其振動信號的特征向量值； 3)建立診斷系統(tǒng)，選擇齒輪正常工作和不同故障類型發(fā)生時的特征向量作為訓(xùn)練樣本，生成診斷系統(tǒng)，系統(tǒng)采用自適應(yīng)免疫網(wǎng)絡(luò)模型產(chǎn)生抗體群體，采用故障分類及其強度評價模型計算各種故障類型的故障強度系數(shù)，計算所得的齒輪不同故障狀態(tài)下的故障強度系數(shù)作為具體診斷時的故障判斷標準； 4)輸入診斷數(shù)據(jù)，將第一步檢測并通過第二步特征提取所獲得的待診斷齒輪故障特征向量值作為抗原，輸入到建立的故障診斷系統(tǒng)，系統(tǒng)發(fā)生免疫應(yīng)答，產(chǎn)生相應(yīng)的故障特征抗體群體，然后，計算不同故障類型的強度系數(shù)； 5)輸出診斷結(jié)果，根據(jù)強度系數(shù)判斷出可能存在的故障類型并輸出相應(yīng)結(jié)果。
上述步驟3)中的所述的自適應(yīng)免疫網(wǎng)絡(luò)模型的算法描述如下 ①將待處理的數(shù)據(jù)定義為抗原集合AG＝{ag1，ag2，...，agI}，抗體識別抗原的過程就是免疫應(yīng)答識別待處理數(shù)據(jù)模式的過程。通過免疫應(yīng)答識別過程，獲得的記憶細胞集合M即為需要求解的模式。設(shè)系統(tǒng)中的抗原具體表示為 agij∈
m，i＝1，...，I；j＝1，...，m。式(1)中agi表示第i個抗原；agij表示第i個抗原的第j個向量。通過隨機產(chǎn)生抗體 abij∈
m，i＝1，...，k；j＝1，...，m。作為新生成的抗體。式中abi表示第i個抗體，abij表示第i個抗體的第j個向量。
②把抗原與抗體間的歐氏距離作為衡量二者之間匹配程度的一個指標。將抗原中的每個元素分別與抗體中的每個元素相匹配，對任意抗原agi和任意抗體abj，二者之間的距離d(i，j)可通過下式計算 對任意抗體abi和任意抗體abj，二者之間的距離s(i，j)可通過下式計算 對任意abj(abj∈AB，j＝1，L，k)，所受到的來自抗原agj(agi∈AG，i＝1，L，I)的激勵sl(i，j)為 i＝1，2，...，I；j＝1，2，..，k。在式(5)中 Tsl表示抗原對抗體激勵的閾值，其中ksl∈(0，1]且為常數(shù)。
③當(dāng)抗體abj所受到來自抗原的刺激達到一定程度(d(i，j)＜Tsl時，免疫系統(tǒng)被激活，系統(tǒng)開始對抗體進行克隆增殖。增殖是指免疫細胞發(fā)生無性、有絲分裂。自我復(fù)制(沒有交叉)的過程?？贵w克隆的數(shù)目與其所受到的激勵水平成正比，受激勵越大的抗體克隆的數(shù)目越多；受激勵越小的抗體克隆的數(shù)目越少。由于受抗原agi激勵所導(dǎo)致的抗體abj的克隆數(shù)目為
式(7)中

表示取與sl(i，j)最接近的整數(shù)。抗體abj經(jīng)agi刺激產(chǎn)生克隆的集合為Abji，抗體abj受抗原群體刺激所產(chǎn)生的克隆集合Cj為 相應(yīng)的抗體集合AB經(jīng)克隆過程后新生成的抗體集合C為 克隆細胞要經(jīng)歷突變(伴隨著高變異率)過程，從而使得新產(chǎn)生的細胞與所選擇的抗原以更高的親和力相匹配。在變異過程中每種免疫細胞變異的速率與細胞受體受抗原的激勵程度的大小成反比其受抗原的激勵越大，變異越??；其受抗原的激勵越小，變異越大。定義 Mut(i，j)＝d(i，j)(10) 為抗體abj受到抗原agi刺激后新產(chǎn)生的抗體的變異率。由抗原agi入侵引起的abj的克隆所生成的cj變異為 c′j＝cj+mut(i，j)×(cj-agi) (11) 抗體abj被抗愿群刺激產(chǎn)生的變異集合為C′j，變異產(chǎn)生的全部抗體集合為 變異保證了新產(chǎn)生的抗體具有充足的多樣性，這是免疫系統(tǒng)強化學(xué)習(xí)機制的內(nèi)在的特性，系統(tǒng)通過重復(fù)進行上述工作來增強自己識別抗原的性能。
④克隆變異之后首先進行克隆抑制(Clone suppression)。對集合C′，再次計算抗原與克隆變異后的抗體細胞的親和力，計算克隆變異后的抗體細胞之間的親和力。同時計算抗原-抗體抑制閾值Td和抗體-抗體抑制閾值Ts 式(13)中kd∈(0，1]且為常數(shù) 式(14)中ks∈(0，1]且為常數(shù) 在克隆抑制階段，首先刪除那些與抗原親和力大(于閾值Td)的抗體細胞，然后再根據(jù)抗體細胞之間的親和力，清除親和力小(于閾值Ts)的記憶細胞，此階段完成后形成的抗體集合為C″，其元素滿足以下條件 通過克隆抑制階段，形成的抗體集合C″比C′的規(guī)?？s減。隨后再進行克隆選擇，對集合C″的抗體，按照其與抗原的親和力大小，選擇ξ％克隆變異后的細胞作為該抗體的記憶細胞，ξ％可以預(yù)先設(shè)定。將選擇出的變異克隆細胞放入記憶細胞集合M中。
⑤經(jīng)克隆變異后的抗體中那些具有較高抗原刺激度的抗體轉(zhuǎn)化為具有較長壽命的記憶細胞，而那些具有較低抗原刺激度的抗體則隨著抗原的消亡而消亡。由于抗體細胞之間的互相識別易引起自身免疫應(yīng)答反應(yīng)，因此，為了消除自身免疫，在每次加入新的抗體記憶細胞后，需要對那些能夠自我識別的抗體進行抑制。
設(shè)定記憶細胞集合

中元素的個數(shù)為p1，定義記憶細胞親和力成熟閾值為 式(17)中k′s∈(0，1]且為常數(shù) 那么抗體經(jīng)親和力成熟過程后轉(zhuǎn)化后，記憶細胞集合M中的元素應(yīng)該滿足以下條件 式(18)中i＝1，2，...，p1；j＝1，2，...，p1。
⑥網(wǎng)絡(luò)訓(xùn)練終止條件判斷，任給一個抗體agi，在記憶細胞集合里都可以找到一個抗體abj，判斷是否滿足d(i，j)≤T′s。如果滿足，則訓(xùn)練結(jié)束，否則轉(zhuǎn)步驟③繼續(xù)。
上述步驟3)中所述的故障分類及其強度評價模型為基于齒輪故障問題與生物免疫系統(tǒng)所遇到的問題的相似性，齒輪工作過程中出現(xiàn)了故障，類似于免疫系統(tǒng)受到了抗原的入侵，利用自適應(yīng)免疫網(wǎng)絡(luò)模型，將齒輪故障作為抗原，建立抗體種類及其濃度與齒輪故障種類(對應(yīng)于抗原)及其強度關(guān)系模型，通過對模型中抗體種類和抗體濃度的統(tǒng)計，判斷齒輪故障是否存在和故障出現(xiàn)時故障的種類； 設(shè)定ni為對應(yīng)于齒輪的第i類故障發(fā)生時所產(chǎn)生的抗體數(shù)量，ci為齒輪正常狀態(tài)下系統(tǒng)所產(chǎn)生的抗體數(shù)量，當(dāng)齒輪的第i類故障發(fā)生時，定義其故障強度系數(shù)為 由本公式的定義可知0≤ri≤1，當(dāng)ri＝0時，表明齒輪當(dāng)前工作狀態(tài)下沒有第i類故障，當(dāng)ri＝1時，表明第i類故障存在，當(dāng)0＜ri＜1時，存在第i類故障的可能性，且ri值越大，表明當(dāng)前齒輪面臨的第i類故障可能性越高，在模型中，當(dāng)沒有故障存在時，系統(tǒng)各種抗體數(shù)目相對穩(wěn)定；當(dāng)故障存在時各抗體的數(shù)目急劇增加，因此，可以根據(jù)故障存在時刺激所產(chǎn)生的抗體種類及其濃度來識別故障種類及強度。
本發(fā)明采用自適應(yīng)免疫網(wǎng)絡(luò)模型產(chǎn)生抗體群體，采用故障分類及其強度評價模型計算各種故障類型的故障強度系數(shù)，計算所得的齒輪不同故障狀態(tài)下的故障強度系數(shù)作為具體診斷時的故障判斷標準；將檢測到得并通過特征提取所獲得的待診斷齒輪故障特征向量值作為抗原，輸入到建立的故障診斷系統(tǒng)，系統(tǒng)發(fā)生免疫應(yīng)答，產(chǎn)生相應(yīng)的故障特征抗體群體，然后，計算不同故障類型的強度系數(shù)；根據(jù)強度系數(shù)判斷出可能存在的故障類型并輸出相應(yīng)結(jié)果。本發(fā)明提供的方法不僅可以判斷出齒輪有無故障和故障類型，還可以計算出故障發(fā)生的嚴重程度。



圖1為本發(fā)明的流程圖； 圖2為齒輪振動信號波形圖；
具體實施例方式 附圖非限制的公開了本發(fā)明的一個具體實施例，下面結(jié)合附圖為本發(fā)明做進一步描述。
如圖1所示本發(fā)明的診斷流程如下 (1)獲得齒輪振動信號，齒輪故障包括齒面磨損、裂紋、輪齒折斷、塑性變形、傳動軸的彎曲變形以及軸承故障等多個方面，檢測故障最有效的方法是檢測箱體或軸的振動信號，其振動信號中包含了復(fù)雜的多種頻率成份及噪聲，其中包含齒輪故障產(chǎn)生的附加振動信號，使用測振傳感器從3個處于工作狀態(tài)下的C618型車床主軸傳動齒輪箱軸端部測取振動波形，經(jīng)過低通濾波對檢測到的振動信號進行采樣，采樣頻率為2500Hz，以每20個采樣值為一組，檢測到的2幅振動信號圖附圖2所示； (2)特征向量提取，根據(jù)診斷實現(xiàn)步驟中的第二步對獲取的齒輪振動信號進行特征提取，利用建立的小波包工具分解檢測到的振動信號，得到一組與信號相對應(yīng)的能量序列{Ej|j＝1，2，...，2N}，并將其作為特征向量這里將測試獲得的10組振動信號時域波形，用小波包方法進行分解，分解層數(shù)為5層，分別提取第5層從低頻到高頻的8個頻率段的特征信號，然后求各頻段的能量值作為變速箱齒輪振動信號的特征向量值，并對這些數(shù)據(jù)進行歸一化處理，使它們都落入
上，其中一臺設(shè)備的20個特征向量值舉例如下(見附表1)； 表1部分齒輪特征向量值
(3)建立診斷系統(tǒng)，建立診斷系統(tǒng)包括構(gòu)建基于自適應(yīng)免疫網(wǎng)絡(luò)模型和構(gòu)建故障分類及其強度評價模型，并對構(gòu)建的系統(tǒng)進行訓(xùn)練，系統(tǒng)訓(xùn)練時，選取了C618型車床主軸傳動齒輪箱在磨損、斷齒、裂紋和正常狀態(tài)下的典型振動信號數(shù)據(jù)200組作為訓(xùn)練樣本，以建立特征向量與故障種類及強度之間的關(guān)系，通過訓(xùn)練所獲得的對應(yīng)關(guān)系見附表2。
表2特征向量與故障種類及強度之間的關(guān)系
(4)輸入診斷數(shù)據(jù)，將提取的待診斷齒輪故障特征向量值作為抗原，輸入到建立的故障診斷系統(tǒng)，系統(tǒng)發(fā)生免疫應(yīng)答，產(chǎn)生相應(yīng)的故障特征抗體群體，然后，計算不同故障類型的強度系數(shù)。
(5)輸出診斷結(jié)果，根據(jù)強度系數(shù)判斷出可能存在的故障類型并輸出相應(yīng)結(jié)果，本例診斷的三個C618型車床主軸傳動齒輪箱故障類型及強度見附表3。
表3診斷結(jié)果輸出

權(quán)利要求
1. 一種基于抗體濃度的齒輪故障診斷方法，其特征是包括以下步驟
1)獲取齒輪振動信號，通過振動傳感設(shè)備，測試提取診斷齒輪正常工作和發(fā)生故障時的有關(guān)振動信號；
2)提取特征向量，采用小波包方法，提取正常工作和發(fā)生故障時的特征向量值，對每一信號經(jīng)小波包分解，求各頻帶的能量，得到一組與信號相對應(yīng)的能量序列{Ej|j＝1，2，...，2N}，由此確定與此能量序列對應(yīng)的特征向量。選擇齒輪磨損、斷齒、裂紋和正常狀態(tài)進行故障特征提取，將選擇的振動信號時域波形，用小波包方法進行分解，分別提取不同頻段的特征信號，即由各頻段的能量譜求得齒輪發(fā)生故障時其振動信號的特征向量值；
3)建立診斷系統(tǒng)，選擇齒輪正常工作和不同故障類型發(fā)生時的特征向量作為訓(xùn)練樣本，生成診斷系統(tǒng)，系統(tǒng)采用自適應(yīng)免疫網(wǎng)絡(luò)模型產(chǎn)生抗體群體，采用故障分類及其強度評價模型計算各種故障類型的故障強度系數(shù)，計算所得的齒輪不同故障狀態(tài)下的故障強度系數(shù)作為具體診斷時的故障判斷標準；
4)輸入診斷數(shù)據(jù)，將第一步檢測并通過第二步特征提取所獲得的待診斷齒輪故障特征向量值作為抗原，輸入到建立的故障診斷系統(tǒng)，系統(tǒng)發(fā)生免疫應(yīng)答，產(chǎn)生相應(yīng)的故障特征抗體群體，然后，計算不同故障類型的強度系數(shù)；
5)輸出診斷結(jié)果，根據(jù)強度系數(shù)判斷出可能存在的故障類型并輸出相應(yīng)結(jié)果。
2.如權(quán)利要求1所述的基于抗體濃度的齒輪故障診斷方法，其特征是所述步驟3)中描述的自適應(yīng)免疫網(wǎng)絡(luò)模型的算法描述如下
①將待處理的數(shù)據(jù)定義為抗原集合AG＝{ag1，ag2，...，agI}，抗體識別抗原的過程就是免疫應(yīng)答識別待處理數(shù)據(jù)模式的過程。通過免疫應(yīng)答識別過程，獲得的記憶細胞集合M即為需要求解的模式。設(shè)系統(tǒng)中的抗原具體表示為
agij∈
m，i＝1，...，I；j＝1，...，m。式(1)中agi表示第i個抗原；agij表示第i個抗原的第j個向量。通過隨機產(chǎn)生抗體
abij∈
m，i＝1，...，k；j＝1，...，m。作為新生成的抗體。式中abi表示第i個抗體，abij表示第i個抗體的第j個向量。
②把抗原與抗體間的歐氏距離作為衡量二者之間匹配程度的一個指標。將抗原中的每個元素分別與抗體中的每個元素相匹配，對任意抗原agi和任意抗體abj，二者之間的距離d(i，j)可通過下式計算
對任意抗體abi和任意抗體abj，二者之間的距離s(i，j)可通過下式計算
對任意abj(abj∈AB，j＝1，L，k)，所受到的來自抗原agi(agi∈AG，i＝1，L，I)的激勵sl(i，j)為
i＝1，2，...，I；j＝1，2，..，k。在式(5)中
Tsl表示抗原對抗體激勵的閾值，其中ksl∈(0，1]且為常數(shù)。
③當(dāng)抗體abj所受到來自抗原的刺激達到一定程度(d(i，j)＜Tsl時，免疫系統(tǒng)被激活，系統(tǒng)開始對抗體進行克隆增殖。增殖是指免疫細胞發(fā)生無性、有絲分裂。自我復(fù)制(沒有交叉)的過程。抗體克隆的數(shù)目與其所受到的激勵水平成正比，受激勵越大的抗體克隆的數(shù)目越多；受激勵越小的抗體克隆的數(shù)目越少。由于受抗原agi激勵所導(dǎo)致的抗體abj的克隆數(shù)目為
式(7)中
表示取與sl(i，j)最接近的整數(shù)?？贵wabj經(jīng)agi刺激產(chǎn)生克隆的集合為Abji，抗體abj受抗原群體刺激所產(chǎn)生的克隆集合Cj為
相應(yīng)的抗體集合AB經(jīng)克隆過程后新生成的抗體集合C為
克隆細胞要經(jīng)歷突變(伴隨著高變異率)過程，從而使得新產(chǎn)生的細胞與所選擇的抗原以更高的親和力相匹配。在變異過程中每種免疫細胞變異的速率與細胞受體受抗原的激勵程度的大小成反比其受抗原的激勵越大，變異越?。黄涫芸乖募钤叫?，變異越大。定義
Mut(i，j)＝d(i，j)(10)
為抗體abj受到抗原agi刺激后新產(chǎn)生的抗體的變異率。由抗原agi入侵引起的abj的克隆所生成的cj變異為
c′j＝cj+mut(i，j)×(cj-agi) (11)
抗體abj被抗愿群刺激產(chǎn)生的變異集合為C′j，變異產(chǎn)生的全部抗體集合為
變異保證了新產(chǎn)生的抗體具有充足的多樣性，這是免疫系統(tǒng)強化學(xué)習(xí)機制的內(nèi)在的特性，系統(tǒng)通過重復(fù)進行上述工作來增強自己識別抗原的性能。
④克隆變異之后首先進行克隆抑制(Clone suppression)。對集合C′，再次計算抗原與克隆變異后的抗體細胞的親和力，計算克隆變異后的抗體細胞之間的親和力。同時計算抗原-抗體抑制閾值Td和抗體-抗體抑制閾值Ts
式(13)中kd∈(0，1]且為常數(shù)
式(14)中ks∈(0，1]且為常數(shù)
在克隆抑制階段，首先刪除那些與抗原親和力大(于閾值Td)的抗體細胞，然后再根據(jù)抗體細胞之間的親和力，清除親和力小(于閾值Ts)的記憶細胞，此階段完成后形成的抗體集合為C″，其元素滿足以下條件
通過克隆抑制階段，形成的抗體集合C″比C′的規(guī)模縮減。隨后再進行克隆選擇，對集合C″的抗體，按照其與抗原的親和力大小，選擇ξ％克隆變異后的細胞作為該抗體的記憶細胞，ξ％可以預(yù)先設(shè)定。將選擇出的變異克隆細胞放入記憶細胞集合M中。
⑤經(jīng)克隆變異后的抗體中那些具有較高抗原刺激度的抗體轉(zhuǎn)化為具有較長壽命的記憶細胞，而那些具有較低抗原刺激度的抗體則隨著抗原的消亡而消亡。由于抗體細胞之間的互相識別易引起自身免疫應(yīng)答反應(yīng)，因此，為了消除自身免疫，在每次加入新的抗體記憶細胞后，需要對那些能夠自我識別的抗體進行抑制。
設(shè)定記憶細胞集合M
中元素的個數(shù)為p1，定義記憶細胞親和力成熟閾值為
式(17)中k′s∈(0，1]且為常數(shù)
那么抗體經(jīng)親和力成熟過程后轉(zhuǎn)化后，記憶細胞集合M中的元素應(yīng)該滿足以下條件
式(18)中i＝1，2，...，p1；j＝1，2，...，p1。
⑥網(wǎng)絡(luò)訓(xùn)練終止條件判斷，任給一個抗體agi，在記憶細胞集合里都可以找到一個抗體abj，判斷是否滿足d(i，j)≤T′s。如果滿足，則訓(xùn)練結(jié)束，否則轉(zhuǎn)步驟③繼續(xù)。
3.如權(quán)利要求1所述的基于抗體濃度的齒輪故障診斷方法，其特征是上述步驟3)中所述的故障分類及其強度評價模型為利用自適應(yīng)免疫網(wǎng)絡(luò)模型，將齒輪故障作為抗原，建立抗體種類及其濃度與齒輪故障種類及其強度關(guān)系模型，通過對模型中抗體種類和抗體濃度的統(tǒng)計，判斷齒輪故障是否存在和故障出現(xiàn)時故障的種類；
設(shè)定ni為對應(yīng)于齒輪的第i類故障發(fā)生時所產(chǎn)生的抗體數(shù)量，ci為齒輪正常狀態(tài)下系統(tǒng)所產(chǎn)生的抗體數(shù)量，當(dāng)齒輪的第i類故障發(fā)生時，定義其故障強度系數(shù)為
由本公式的定義可知0≤ri≤1，當(dāng)ri＝0時，表明齒輪當(dāng)前工作狀態(tài)下沒有第i類故障，當(dāng)ri＝1時，表明第i類故障存在，當(dāng)0＜ri＜1時，存在第i類故障的可能性，且ri值越大，表明當(dāng)前齒輪面臨的第i類故障可能性越高，在模型中，當(dāng)沒有故障存在時，系統(tǒng)各種抗體數(shù)目相對穩(wěn)定；當(dāng)故障存在時各抗體的數(shù)目急劇增加，因此，可以根據(jù)故障存在時刺激所產(chǎn)生的抗體種類及其濃度來識別故障種類及強度。
全文摘要
本發(fā)明公開了基于抗體濃度的齒輪故障診斷方法，基于齒輪故障問題與生物免疫系統(tǒng)所遇到的問題的相似性，齒輪工作過程中出現(xiàn)了故障，類似于免疫系統(tǒng)受到了抗原的入侵，利用自適應(yīng)免疫網(wǎng)絡(luò)模型，將齒輪故障作為抗原，建立抗體種類及其濃度與齒輪故障種類(對應(yīng)于抗原)及其強度關(guān)系模型，通過對模型中抗體種類和抗體濃度的統(tǒng)計，判斷齒輪故障是否存在和故障出現(xiàn)時故障的種類。
文檔編號G01H1/00GK101738314SQ20091026298
公開日2010年6月16日 申請日期2009年12月14日 優(yōu)先權(quán)日2009年12月14日
發(fā)明者劉韜, 尚麗, 周燕, 趙志強, 陳杰 申請人:江蘇省現(xiàn)代企業(yè)信息化應(yīng)用支撐軟件工程技術(shù)研發(fā)中心, 劉韜