独立电源多智能体信息融合故障诊断方法

对独立电源系统进行故障诊断与预测研究是保证整个复杂运动装置系统安全性工程的重要环节.分析了目前独立电源故障诊断系统中存在的问题,提出采用多传感器信息融合和多智能体技术相结合的方法来提高故障诊断的可靠性和系统的扩展性.利用智能体的自主性、分布性和协作性,构建了独立电源多智能体信息融合故障诊断系统.根据独立电源故障征兆的特点,将D-S(Dempster-Shafer)证据理论引入到多神经网络的诊断结果融合技术中,阐述了多神经网络局部诊断智能体和D-S证据理论融合诊断智能体的具体实现方法.最后,以某型航空电源故障诊断为例,给出了故障实例的诊断仿真,结果表明该方法可有效提高诊断可信度.     

基于粗糙集理论的卫星故障诊断方法

卫星结构和控制的复杂性、独特性和诱发故障的多源性导致其故障诊断的困难．卫星的一种故障模式与许多症状变量有关,目前的故障诊断推理因未充分考虑症状变量的冗余变量而比较复杂．提出了基于粗糙集理论的故障症状约简新方法,用卫星故障实例研究了新方法的应用,结果表明该约简方法对消除卫星故障症状信息冗余、简化和优化故障诊断推理非常有效。     

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。     

融合粗糙集与D-S证据理论的航空装备故障诊断

针对航空电子装备故障诊断中出现的多源诊断信息存在冲突的情况,基于粗糙集与证据理论在处理不确定问题时的优势,提出了一种融合粗糙集与证据理论的故障诊断方法.该方法利用粗糙集将信息源给出的诊断数据转化为证据理论中的mass函数,进行结果融合.同时,该方法给出边界粗糙熵的定义,并基于边界粗糙熵获得反映各信息源在诊断融合过程中重要度的动态权重参数,提出一种新的证据理论的冲突合成规则.仿真实验表明,该方法可以有效地提升诊断信息融合结果的准确性,在航空电子装备故障诊断方面有较好的实用价值.      

改进BP算法在模糊神经网络中的应用

引入一种改进的BP算法——动量因子-自适应学习率算法.通过调节动量因子以及在学习过程中的学习率实现自适应,以提高学习速率和增强学习的平稳性.将该学习算法引入到串形结构的多层前向模糊神经网络中,通过学习确定了模糊映射关系,实现了对象的模糊故障诊断.在应用模糊神经网络进行故障诊断时,被监测的故障征兆信号与网络输入层相连,即将输入向量输入到网络中,经过模糊化处理,得到各故障征兆在所定义征兆的模糊子集上的隶属度向量,再利用神经网络的前向计算,得到故障原因的模糊隶属度向量,最后通过对向量的分析确定故障原因的类型.将上述模糊神经网络应用到空气静压轴承中,实现了设备的故障诊断,测试结果验证了该方法的有效性.      

基于联邦学习的星群故障诊断

针对卫星编队中单颗小卫星欠配置、测量信息不全和故障类型数据少等问题,提出一种基于联邦学习的卫星编队故障诊断方法.基于故障影响下的卫星动力学模型,利用Unity3D引擎搭建虚拟仿真环境,为后续卫星故障注入及故障数据产生奠定基础.考虑单个小卫星测量配置不全的问题,采用双向协调网络(BicNet)构建卫星本地故障诊断模型,借鉴邻居卫星的“远端”敏感器信息,实现本地卫星故障诊断.采用联邦学习框架进行分布式训练,每颗卫星上传本地模型参数进行协同建模,在不增加通信压力的情况下,整合整个星群的故障特征,提高星群对不同故障类型的故障诊断能力.所设计的编队故障诊断算法在编队卫星数量变化时也无需重新训练诊断网络,满足“即插即用”的工程需求.通过仿真实例验证,在测试集上精度达到99%,表明该方法有较高的准确性.     

卫星天线振动信息融合试验研究

讨论了D -S证据推理理论 ,给出了传感器特征信息融合算法。结合卫星天线振动频率分配控制问题 ,进行相应的实验研究 ,对传感器的特征信息进行融合 ,给出了振动响应频率特征信息提取方法 ,剔除边界条件对测试结果置信度的影响     

不完备信息条件下的并发故障诊断方法

在实际的装备故障诊断过程中,经常存在测试信息不完整的情况,而此时对并发故障进行诊断,则更为困难。针对这种情况,首先,对目前应用于不完备信息条件下的故障诊断方法以及并发故障诊断方法进行了分析。定义了不完备并发故障诊断决策系统对存在缺失的测试信息进行表述。提出了不完备边界粗糙熵对决策系统的不确定性进行度量,给出每条测试属性的重要度,同时给出了不完备信息条件下属性值频率的计算方法。然后,为了对并发故障进行诊断,在DSmT框架下构建了并发故障诊断模型,在此模型下提出一种融合证据特征的区间信度合成规则。最后,通过故障诊断实例,验证了方法的有效性和适用性。      

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.      

全球导航卫星系统多星故障排除新方法

在全球导航卫星系统中,多颗卫星同时发生故障的概率会随着观测卫星数的增加而增加,从而,在接收机自主完好性监测中需考虑多星故障的处理.针对故障检测比故障排除简单、且故障检测率比故障排除率高的特征,以故障检测为基础,提出了一种新的多星故障排除方法——随机搜索法.该方法采用二进制对观测卫星进行编码,通过随机初始化方式获得初始无故障星座,再通过逐步搜索未选卫星方式来得到最终的含有最多无故障卫星的星座,实现故障排除功能.仿真结果表明:大部分情形下,新方法能获得99%以上的故障排除率,既能进行单星故障排除,也能进行多星故障排除,能有效满足全球导航卫星系统关于自主完好性的要求.      

外测系统突发性故障的诊断方法研究

外测系统突发性故障的检测与诊断在航天测控中有十分重要的意义。基于动态测量数据的容错处理技术, 建立了三组实用的过程故障诊断方法： 无须建模的容错平滑器方法; 基于模型拟合的容错辨识方法; 基于状态空间模型的有界影响滤波方法。这些方法既可用于对测控网跟踪质量的事后分析也可用于（准） 实时在线处理。仿真计算结果显示, 这些方法不但能够以１００％ 的准确率检测出脉冲型故障, 还可快速有效地检测出任何形式的关联型故障, 准确率达９８％以上。     

飞机电源系统故障诊断专家系统

应用人工智能理论,开发了飞机电源系统监控装置.利用专家系统理论对某型飞机电源系统进行了全面的分析,建立了完整的电源系统知识库,实现了实时状态监测和故障诊断,并能给出异常或故障信息,为整个飞机非航电系统采用专家系统进行故障诊断提供了经验,具有实际应用价值.      

基于分散化预测滤波的故障诊断方法研究

针对多故障源系统的故障诊断问题,提出一种采用分散化预测滤波与两种不同类型残差相结合的诊断方法。该方法针对不同类型故障敏感的特点,利用不同类型残差,区分系统组件／执行机构故障和传感器故障;利用模型误差估计与故障各分量的对应关系,辨识和隔离系统组件／执行机构故障;利用分散化滤波的结构,识别和隔离不同传感器故障。以卫星姿态估计系统为例,仿真验证该故障诊断方法,结果表明,分散化预测滤波与集中预测滤波相比,对多类型故障讲轩枪测识别以及系统舌柏古白体力事程．     

基于DWNN的机电作动器渐变性故障诊断

飞机飞行控制系统机电作动器（EMA）的渐变性故障很难准确预判,若不能及早发现而任其发展就会影响到飞机的飞行安全性。针对EMA的渐变性故障,提出一种基于动态小波神经网络（DWNN）的故障诊断方法。首先,利用EMA在电机电枢绕组匝间短路、传动装置丝杆和滚珠磨损等多种渐变性故障状态下的运行数据来训练DWNN故障诊断模型;然后,利用训练好的DWNN模型对EMA渐变性故障进行诊断。创新之处在于DWNN模型利用小波分解算法去除了传感器测量信号中高频分量的影响,利用反馈神经网络的记忆能力融合了过去输入的信息和过去预测的信息,提高了对EMA渐变性故障诊断的准确性。通过对某型EMA进行故障诊断实验,仿真结果表明所提出的DWNN方法可以实现对EMA部件渐变性故障的准确诊断。      

基于EEMD分解的直驱式机电作动器故障诊断

基于集合经验模式分解 (EEMD,Ensemble Empirical Mode Decomposition)算法,给出一种机载直驱式双余度机电作动器(DDDR-EMA,Direct-Driven Dual-Redundancy Electro-Mechanical Actuator)复合故障诊断方法.EEMD对信号加入有限幅度的高斯白噪声,利用高斯白噪声频率均匀分布的统计特性使信号在不同尺度上保持连续性,解决了经验模式分解的模式混叠缺陷并保留了自适应性.将EEMD方法应用于机载DDDR-EMA故障诊断实验振动信号分析,先对实测信号进行分解,得到一组无模式混叠的固有模式函数;再采用不同的方法分析各频段,提取各频段包含的故障特征.实验结果表明:与经验模式分解相比EEMD能提高故障信号的分析精度,准确诊断机载DDDR-EMA的复合故障.     

基于小波分析和信息融合的航空发动机转子早期裂纹故障诊断

针对发动机转子早期裂纹难以检测的特点,建立发动机转子早期裂纹扩展模型,提出了对裂纹振动信号进行小波分析和信息融合的方法对转子早期裂纹进行检测。最后,以转子系统为对象进行实验研究,结果表明,此方法能够有效地提取转子早期裂纹故障特征并能对故障进行准确识别。     

卫星姿态控制系统的故障可诊断性评价研究

在不依赖任何诊断算法的前提下,对卫星姿态控制系统中传感器和执行器的故障可诊断性进行评价,旨在将提高系统故障诊断能力的工作重点前移到设计阶段.由于反馈控制的存在,导致故障会在整个系统中进行传播,使得单故障源表现出多异常征兆,这给闭环系统的故障诊断带来极大挑战.将故障视作扩展状态,并考虑模型不确定性,得到卫星姿态闭环控制系统的状态空间模型;根据可观测性判据,给出并证明考虑建模不确定性的加性故障和乘性故障可诊断性条件.所得相关结论可为卫星姿态控制系统设计提供理论参考依据.     

基于键合图模型的SHA/EMA余度系统的故障诊断

针对液压伺服作动器（SHA）和机电作动器（EMA）组合的余度系统中故障模式复杂的问题,采用基于键合图模型的故障诊断方法,可以诊断出系统中多种参数故障。首先建立SHA/EMA余度系统的行为模型,然后根据因果关系倒置法转换成诊断键合图模型,进而推导出计算残差的解析冗余关系式（ARR）,并创建故障特征矩阵（FSM）作为故障隔离的依据。联立行为模型和诊断模型对可隔离故障进行诊断,并通过ARR估计故障参数以诊断不可隔离故障。选取典型故障进行仿真验证,结果表明可隔离故障和不可隔离故障均被成功隔离,验证了所提方法对SHA/EMA余度系统的故障诊断是有效可行的。