故障诊断神经网络系统的专家知识表达方法

通过介绍其它故障诊断技术存在的问题，研究了故障诊断神经网络系统，提出了两种故障诊断神经网络的专家知识表达方法，并将其应用于飞行器液压动力系统的故障诊断，仿真结果表明：提出的方法是正确可行的，并且专家知识表达方法对诊断结果有很大影响，该方法可推广应用于其它动力系统的故障诊断     

基于定性模型的故障诊断方法

基于定性模型的故障诊断方法，利用定性模型描述系统结构和定性地预测系统行为，并通过与实际行为进行比较，可推理得到系统的故障诊断结果。详细介绍了基于定性模型故障诊断方法的诊断机理、建模方式及优缺点。此外，还概述了该方法的研究与应用现状及发展趋势。     

基于多Agent的卫星故障诊断融合技术研究

为提高基于多Agent的卫星故障诊断系统的诊断准确性，充分利用已有的各种诊断方法获取的诊断信息，在分析故障诊断原理的基础上，提出了将数据融合技术应用于多诊断Agent的思想；并根据卫星故障诊断的特点，将权重引入多诊断Agent的诊断结果融合技术中，给出了权重的具体确定方法和改进的D—S证据理论，最后举例验证了该方法的有效性。     

国外载人航天器故障诊断技术

详细介绍了故障诊断技术在国外载人航天器故障诊断中的应用及发展过程，并对专家系统技术进行了重点分析和介绍，国外载人航天器故障诊断经历了60年代简单的状态监测（水星号），70年代的基于算法的诊断（阿波罗），一直到80年代的基于知识的智能诊断（航天飞机），三个阶段，还介绍了NASA为其航天飞机主发动机透平泵和空间站电源系统开发的故障诊断专家系统，并对航天领域故障诊断技术特点进行了综合分析，同时指出了航天领域故障诊断技术的发展趋势。     

基于循环神经网络的卫星姿态执行器故障诊断

针对卫星姿态控制系统执行器机构故障问题，提出了一种基于循环神经网络的故障诊断方法。对卫星姿态控制系统建模，进行故障分析并采集星敏感器和角速度陀螺的连续时刻故障数据。设计六种异构的循环神经网络，对故障数据进行故障诊断和分类, 分别从网络深度、反馈单元、激活函数和训练算法对比网络效果。带有门循环单元的 (gate recurrent unit，GRU)深层循环神经网络训练效果更好，其故障诊断准确率达到了95.7%。结果表明对于时序的卫星数据，门循环单元和带有一定深度的循环神经网络故障诊断效果更优。     

基于组件的模糊推理在卫星故障诊断中的应用

利用COM组件技术实现故障诊断组件化 ,用模糊推理技术与故障诊断技术相结合的方法 ,给出卫星故障诊断组件化平台 ,并开发了模糊推理组件。最后针对某型号卫星的电源系统 ,将模糊推理组件应用在电源损耗器故障诊断专家系统中     

基于修正IMM的风机变桨系统故障诊断方法

针对交互式多模型（IMM）故障诊断方法固定模型转移概率导致的诊断准确性、速度下降和估计精度损失问题，提出了一种基于模型转移概率和模型概率修正的故障诊断方法，并与粒子滤波（PF）结合实现了风机变桨系统传感器的多故障诊断。在非模式切换阶段，采用后验模型概率梯度信息设计模型转移概率的修正函数，以抑制噪声对IMM估计精度的影响；在模式切换阶段，采用模型概率反转的策略快速切换模型，弥补模型软切换导致的诊断延迟和错误诊断。通过仿真实验证明所提方法的准确性、模型切换速度以及状态估计精度都得到了较好的提升。      

基于Agent卫星故障诊断系统的开发研究

本文研究并建立了基于智能Ａｇｅｎｔ的分布式故障诊断系统模型,同时还研制了基于智能Ａｇｅｎｔ的卫星故障诊断原型系统。该系统客户机／服务器集成机制,满足故障诊断的工程需要。使多种软件相互通讯,多种诊断方法相互融,从而提供了新的故障诊断分析方法与手段,使并行同步多故障诊断成为可能。     

应用证据推理理论实现卫星故障诊断信息的融合方法

针对卫星故障诊断中应用同一征兆域信息难以区分的故障，提出了一种基于证据推理理论的故障诊断新方法．该方法应用证据推理理论实现卫星故障不同征兆域信息的融合，从而获得更加准确的故障定位．文中分析了卫星故障诊断中应用证据推理理论进行信息融合的必要性，研究了应用证据推理理论实现卫星故障不同征兆域信息融合的理论方法，给出了该方法的实际应用，讨论了应用该方法需注意的问题，最后给出了结论．     

运载火箭十表捷联惯组配置的故障诊断与决策

容错技术及故障诊断技术是提高导航系统的精度及控制系统的可靠性的有效方法,尤其是捷联导航系统中的故障诊断技术,已经在运载火箭控制系统中得到了广泛的应用。针对运载火箭十表捷联惯组配置,提出了一种故障诊断和决策方法,并在此基础上进行了信息重构方案和故障诊断门限的设计。数学仿真结果表明：该方法能够快速诊断惯性器件表头故障并进行信息重构,实现故障情况下的输出,进而完成飞行任务,对工程应用具有一定的参考价值。     

基于BHS-树的定性故障诊断方法

基于定性模型的诊断方法,由于无需系统定量模型,尤其适用于航天器等复杂系统的故障诊断.该方法推理过程包括冲突集的确定及诊断集的生成.基于BHS-树的方法,是一种由冲突集生成诊断集的有效途径,但存在诊断结果冗余及反向递归过程复杂的问题.采取异常/正常特征量相结合的措施,有效地解决了诊断结果冗余的问题,能够准确确定诊断集;同时在系统单故障的假设前提下,对反向递归过程进行适当简化,降低了推理的复杂程度,并通过实例对上述改进进行了验证.     

基于自适应观测器的飞轮故障诊断物理仿真

研究了反作用飞轮的故障诊断问题.针对反作用飞轮的非线性数学模型,分析了其故障模式,建立了其故障的参数化描述方法,并在此基础上提出了一种基于参数自适应投影的反作用飞轮故障诊断方法.该方法通过构造观测器,利用参数自适应投影算法来更新参数信息,保证观测器的误差收敛到零.最后对飞轮的正常模式和3种故障模式进行了物理仿真实验,结果表明提出的方法有效可行.     

基于非线性未知输入观测器的航天器故障诊断

针对一类满足Lipschitz条件的非线性系统,设计了一组非线性未知输入观测器,并依据故障解耦的思想,产生结构化的残差集,实现非线性系统执行器的故障隔离。研究考虑了未知扰动对非线性系统的影响,并利用Lyapunov理论证明了所设计观测器的稳定性。最后,以三轴稳定卫星的姿态控制系统为对象,仿真验证了所提方法对各种典型执行器故障诊断的有效性。     

航空发动机传感器故障与部件故障诊断技术

结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中,用于区分传感器故障与部件故障,使得该分类机具有一定的稀疏性.对于传感器故障,利用ELM分类机对故障进行定位.对于部件故障,利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计,从而对部件故障进行定位.仿真结果表明,提出的故障诊断方法能够准确地区分传感器故障和部件故障,实现故障的有效定位,验证了方法的可行性.     

非线性系统多故障诊断方法

给出了非线性系统的一种基于模糊奇偶方程的多故障诊断方法.解决了非线性系统中同时出现多种故障时的故障检测与识别问题.首先构造线性系统的全解耦奇偶方程,再应用T-S模型融合非线性系统各个工作点处的线性模型的全解耦奇偶方程得到模糊奇偶方程.模糊奇偶方程产生的残差仅对一个执行器故障敏感、对一个传感器不敏感,而对其他执行器不敏感、对其他传感器敏感.将传感器和执行器故障模型表示成偏差的形式,根据残差信息可以估计出故障的模型参数.给出了应用递推最小二乘方法对各故障模型的参数进行估计的方法.给出了铁路牵引控制系统的感应电机仿真实例.结果表明,新方法能够对传感器故障和执行器故障同时存在的多故障进行诊断.     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展,智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记,因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法,为在轨航天器实时故障诊断提供了可行方法.首先,对航天器运行数据进行预处理,将多维时域信号转换为二维图像信号;其次,搭建基于残差网络的故障诊断深度学习框架,并利用地面测试数据与其他航天器在轨运行数据对网络进行预训练;进而,为了实现当前在轨航天器实时故障诊断,本文采用迁移学习自适应方法,设计网络联合分布自适应代价函数,对故障诊断模型进行参数重调,使模型适应当前在轨航天器故障诊断任务.仿真结果表明,所提出的基于深度迁移学习的故障诊断方法可以快速准确的诊断出航天器故障.     

基于G2的卫星控制系统故障诊断的半物理仿真

研究一种基于G2的集故障注入、故障模拟和故障诊断为一体的半物理仿真系统,包括基于VxW orks的实时硬件模拟系统、星载姿轨控计算机、数管及遥控遥测模拟器和专用接口箱等.开发了基于G2的以某一类典型卫星控制系统为对象的故障诊断专家系统,并对G2外部接口进行了扩展设计.最后,以典型故障为例,在半物理仿真平台上进行了演示验证.     

基于RBF神经网络的控制电器元件故障诊断

针对控制电器元件故障征兆与故障类型之间的非线性映射关系,提出了基于径向基函数神经网络RBFNN(Radial Basis Function Neural Network)的控制电器元件故障诊断方法.在分析控制电器元件故障机理和失效形式的基础上,提取出描述故障类型的典型故障特征矢量.给出在获得足够多故障信息的情况下,运用RBFNN进行故障诊断的模型及整个故障诊断算法的实现过程.为了验证故障诊断模型的有效性和合理性,利用训练好的RBFNN对故障特征矢量进行识别.仿真结果表明,RBFNN能克服诊断过程中容易陷入局部极小的缺点,并能满足故障诊断的快速性和准确性要求.      

基于故障树和神经网络模型的航天器智能诊断研究

提出基于故障树和神经网络模型的诊断方法,提出面向故障树的基于框架和广义规则的知识表示方法及相应的确定性和可能性推理策略,对于可能性推理的结果,通过基于神经网络模型的学习诊断来进一步确定其状态。在Ｗｉｎｄｏｗｓ环境下,用Ｂｏｒｌａｎｄ Ｃ＋＋实现了一个原型系统。通过对“实践４号”卫星能源系统故障模拟实验台的诊断验证了系统的有效性。