基于核函数主元分析的航空发动机故障检测方法

航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间,在特征空间中使用线性主元分析(PCA)方法计算主元,构造T2和SPE统计量检测故障的发生。通过对某型涡扇发动机进行实例验证分析,结果表明,KPCA方法一方面克服了综合参数法由于没有确定的警戒值而无法有效地进行故障检测的不足;另一方面KPCA方法在非线性故障检测过程中能够提取重要的非线性特征信息,因而比PCA方法能更早地检测到早期潜在故障,且KPCA方法检测错误率更低。因此,KPCA方法更适合于具有非线性特征的航空发动机故障检测。     

基于EMD熵特征融合的滚动轴承故障诊断方法

研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断.      

重力异常特征提取方法研究

将主元分析和独立分量分析相结合应用于重力异常信号的特征提取.采用主元分析对测量数据进行去相关和降维预处理,再利用独立分量分析算法提取重力信号的特征系数.结合重力异常变化与特征系数的关系,提出了应用特征量化参数表征重力异常信号变化程度的方法.基于实测的重力异常信号进行了仿真试验,试验结果表明,本文提出的特征量化参数能有效的反映重力异常的幅值变化程度.     

发动机故障诊断的主成分算法

 给出了两种基于主成分分析的发动机故障诊断算法,即主成分估计算法和主成分降维算法。这两种算法可以有效地解决发动机故障诊断中的两个技术难点,即减少故障方程中故障因子的个数以及克服故障方程的多重共线性的不良影响．在主成分估计算法中提出了最优主成分个数的概念,解决了主成分个数选择的难题．还以JT9D发动机故障诊断问题为例说明主成分分析算法的应用。研究结果表明,利用主成分降维方法可以将JT9D发动机的26个故障因子压缩到9个,或者将5个单元体的10个故障因子缩减到５个综合变量。所给出的两种算法可以在故障方程存在严重多重共线性而又无约束条件可供利用的情况下给出满意的故障诊断结果。     

基于PSO-SVM的民航发动机送修等级决策研究

为降低航空公司维修成本,增强送修等级决策科学性,保障飞行安全,提出基于PSO-SVM的民航发动机送修等级决策算法.首先利用改进的粒子群优化(Particle Swarm Optimization,PSO)算法对支持向量机(Support Vector Machine,SVM)参数进行寻优,并提出将交叉验证(Cross Validation,CV)的平均分类精度作为PSO的适应度值.对某型发动机送修等级的真实数据进行了决策对比研究,研究数据表明:与传统的Grid和GA算法相比,PSO的参数寻优效果要更优;在小样本分类时,PSO-SVM的分类精度要远高于常用的神经网络分类模型径向基函数(Radial Basis Function,RBF)模型和学习向量量化(Learning Vector Quantization)模型.     

基于监督流形学习的航空发动机振动故障诊断方法

航空发动机故障诊断中一个有挑战性的难题就是如何处理具有高维数、非线性化特点的故障数据,传统模式识别方法很难发现这类数据集的真实结构,导致故障诊断准确性不高。针对这一问题,将一种新兴的非线性维数约简技术——流形学习引入航空发动机振动故障诊断,提出基于监督流形学习理论的航空发动机特征提取与识别方法。该方法首先采用最近兴起的监督局部线性嵌入流形学习算法对蕴含在高维振动故障数据中不同故障的流形特征进行学习,映射到低维嵌入空间以实现故障的特征提取,在降维后的流形特征空间中构造分类器实现故障识别。利用航空发动机转子故障数据对方法的有效性进行了验证,结果表明,该方法显著提高了故障诊断性能,克服了传统的模式识别方法PCA和LDA的不足,并且在训练样本数为每类100的条件下,该方法的平均故障诊断正确率比PCA和LDA分别高出2.93%和7.20%。     

基于ESN的航空发动机状态组合预测方法

基于回声状态网络(ESN)预测模型,结合小波分析和主元分析,提出一种组合预测方法.首先对含噪非线性时间序列进行小波降噪,并重构时间序列产生训练样本,再将训练样本通过主元分析进行降维处理,降维后的时间序列数据则输入ESN模型进行预测分析.对控制飞机动力输出的动压参数非线性时间序列数据进行了仿真对比实验,结果表明:组合预测方法的5步和单步预测速度累计提高了66.97%,预测的平均平方误差、标准均方根误差和归一化绝对误差也均有较大提高.该方法与传统基于ESN的预测模型相比,能有效地提高预测的效率和精度,是一种有效的非线性时间序列预测方法.      

基于改进主元分析的故障诊断方法研究

提出了一种主元分析与模糊聚类相结合的故障诊断方法,该方法首先用主元分析方法降维、提取故障特征,并计算出T2值和Q值,若超过阈值说明有故障发生,则用模糊聚类识别故障,具有诊断时间短、准确性高的优点.通过对田纳西-伊斯曼过程的仿真表明了该方法的有效性.     

正弦余弦算法优化的SVM模拟电路故障诊断

针对容差模拟电路故障诊断中软故障诊断样本较少和正确率低的问题,提出一种基于正弦余弦算法(Sine Cosine Algorithm, SCA）优化的容差模拟电路软故障诊断方法。对实验电路进行Monte Carlo分析后采集输出电压信号后采用小波变换提取小波熵组成故障特征集,采用主元分析法(Principal Component Analysis, PCA）对特征降维,利用基于SCA的支持向量机(Support Vector Machine, SVM）对故障集进行分类。通过对Sallen-Key带通滤波电路的分析,SCA-SVM分类算法具有较好的分类准确率与较快的诊断速度,优于网格搜索(GridSearch）、遗传算法(GA）和粒子群算法(PSO）。最后,在四运放双二次高通滤波器电路上进行测试。结果表明,SCA SVM在容差模拟电路软故障诊断中具有较强的适应能力。     

粒子群优化的粗糙集-神经网络在航空发动机故障诊断中的应用

提出了一种基于粒子群优化算法的邻域粗糙集-神经网络的发动机智能故障诊断方法,首先利用基于邻域粗糙集模型的属性约简方法对样本数据进行属性约简,然后采用粒子群优化算法替代传统BP算法来训练神经网络的权值和阈值,再用训练好的神经网络对航空发动机气路故障进行诊断.仿真结果表明:该方法降低了神经网络结构的复杂性,减少了网络训练时间,提高了诊断精度.     

装备可靠性维修性保障性效能模型及其扩展

在装备效能分析中 ,装备的可靠性 (R)、维修性 (M )及保障性 (S)指标是影响装备效能的重要指标。通过对ADC模型分析的基础上 ,提出了装备的可靠性、维修性及保障性 (RMS)效能的概念 ,并从完成单阶段单任务拓展到多阶段多任务 ,推导出不可修装备RMS效能的综合表达式。从而为完成多阶段多任务的不可修装备的可靠性维修性保障性的效能的定量分析提供了理论依据。     

多频段多目标海上测控模拟器的设计与实现

介绍了多频段多目标海上测控模拟器的设计和实现方法。在硬件设计上,模拟器采用工控机和工作站架构,数字化可重组基带硬件平台技术,实现了不同频段、不同目标航天器的仿真功能。在软件设计上,采用RS422/232接口双中断驱动技术,实现了遥测和数传的同步;采用软件模块化和数据库融合设计技术,实现了多型号目标航天器的仿真需求。     

航空军民两用高新技术发展研究

本文从定量和定性两个方面介绍了航空工业的技术带动效应,对航空工业高新技术军民两用产业的发展重点进行了论述。     

西安飞机研究所的改革创新实践与发展

西安飞机设计研究所依靠科技创新突破了一批重大航空技术关键,在制度和管理改革中不断创新实践,实现了经济和技术快速发展,使研究所科研设计能力和手段发生了质的飞跃,成为我国航空工业可以依赖的飞机设计研究基地     

Ion Energization and Escape on Mars and Venus

Mars and Venus do not have a global magnetic field and as a result solar wind interacts directly with their ionospheres and upper atmospheres. Neutral atoms ionized by solar UV, charge exchange and electron impact, are extracted and scavenged by solar wind providing a significant loss of planetary volatiles. There are different channels and routes through which the ionized planetary matter escapes from the planets. Processes of ion energization driven by direct solar wind forcing and their escape are intimately related. Forces responsible for ion energization in different channels are different and, correspondingly, the effectiveness of escape is also different. Classification of the energization processes and escape channels on Mars and Venus and also their variability with solar wind parameters is the main topic of our review. We will distinguish between classical pickup and ??mass-loaded?? pickup processes, energization in boundary layer and plasma sheet, polar winds on unmagnetized planets with magnetized ionospheres and enhanced escape flows from localized auroral regions in the regions filled by strong crustal magnetic fields.     

TQM与SMS的内涵与联系

全面质量管理(Total Quality Management,TQM)在生产制造、服务及公共事业单位得到广泛推广与应用,主要为改善组织的质量管理水平,目的是达到顾客满意;安全管理体系(Safety Management System,SMS)在民航业被强制实施,主要为提高安全风险防范能力,目的是将人员伤害或财产损失的风险降低并保持在可接受的水平(ALOS)或其以下。本文在简要阐述了TQM与SMS的内涵的基础上,主要对TQM与SMS的联系进行了分析。分析结果表明,理解TQM的思想精髓与理念及其与SMS的联系,有助于民航从业人员对SMS的理解更为清晰、深入,对我国民航业推行SMS建设具有重要的实际意义。另外,本文还对比研究了在民航业TQM与SMS的差异及不足之处。     

直面外部困局加速转型升级——访中国机床工具工业协会常务副理事长吴柏林

行业产销增速下滑明显,需求结构加速升级 吴柏林先生告诉记者,目前中国机床工具工业协会2012年全年最后的统计数据还未出来,但据国统局数据显示,2012年1～10月机床工具行业累计完成工业总产值5766.7亿元,同比增长11.1％.2012年1～10月我国机床工具行业工业总产值增速相比上年呈大幅下滑,但始终保持正增长.第4季度机床工具行业工业总产值的增速回落态势趋稳,但金属加工机床行业的增速回落还有可能持续稍长一段时间.