某航空设备模拟电路故障状态分类器设计及仿真

采用传统故障诊断方法对复杂模拟电路进行故障诊断,存在诊断速度慢、故障点难以准确定位等缺点,为此提出基于神经网络理论的故障状态分类器设计方法,以某型飞机自动驾驶仪854C放大器为例,对故障状态分类器进行了分析设计和仿真研究.仿真结果显示:所设计的基于神经网络理论的故障状态分类器实现了对此类航空设备模拟电路故障的快速、准确和有效的识别与定位.     

人工神经网络在数模混合电路故障诊断中的应用

以某导弹测试设备功能模块电路的故障诊断为例,研究了神经网络方法在数模混合电路故障诊断中的应用,着重研究了基于仿真的故障模式获取方法及基于Matlab的网络训练方法。经过验证,该方法能够快速、准确地定位故障。     

涡扇发动机气路传感器故障诊断

为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了1种基于在线贯序极端学习机的故障诊断算法。其核心思想是在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,解决多故障混叠问题。在线信号重构算法以泛化能力指标为判定条件,利用选择策略对算法网络权值进行选择性更新,提高了故障诊断系统的实时性。以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明:该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性。     

基于NN-ELM的航空发动机燃油系统执行机构故障诊断

提出了一种航空发动机执行机构及其传感器单一故障诊断及定位方法.首先通过执行机构模型判断是否发生故障,然后运用发动机逆模型对故障进行定位.基于离线训练BP(back propagation)神经网络建立执行机构模型,根据某半物理仿真试验台的测试数据训练网络参数.提出离线训练和在线训练相结合的极端学习机(ELM)算法建立发动机逆模型,使网络在初始时刻就具有诊断能力,工作过程中具有适应能力,且在线训练过程采用阈值判别法筛选训练样本,减小了在线训练时间,提高了逆模型的实时性.以某型发动机燃油系统执行机构为例的设计和仿真结果表明:该诊断系统能够准确地对发动机在稳态和动态工况以及蜕化状态下的执行机构及其传感器单一故障进行准确诊断和定位,具有很好的实时性.      

航空发动机燃油系统执行机构及其传感器故障诊断

提出了基于执行机构模型和航空发动机逆模型的执行机构及其传感器单一故障诊断和定位方法.基于执行机构小闭环结构建立了3阶执行机构传递函数模型.基于两个并联的BP(back propagation)神经网络,建立了航空发动机稳态逆模块和动态补偿模块,形成航空发动机逆模型,以实现基于航空发动机输出的燃油流量估计.以执行机构模型输出和传感器输出之间的偏差为依据进行故障判别,以航空发动机逆模型输出和传感器输出偏差为依据对故障进行定位.以某型航空发动机及其燃油系统执行机构模型为对象进行的仿真,结果表明,该诊断系统可在航空发动机稳态、动态情况下准确地诊断出幅值在1.6%以上的执行机构及其传感器故障并进行定位,验证了所提出故障诊断方法的有效性.      

基于人工免疫网络模型的航空发动机传感器故障诊断

提出了一种用于传感器故障诊断的免疫网络,对其结构和特点进行了分析,给出了相应的诊断算法。对传感器典型故障进行了故障诊断仿真,分析了免疫网络能检测出的最小故障偏差水平以及在不同噪声水平下的故障诊断效果。仿真结果表明,所研究的方法能有效检测到故障传感器,并具有良好的灵敏性及抗噪声干扰能力。     

基于PNN网络的余度作动器智能故障诊断

提出了一种基于概率神经网络(PNN)的余度作动器故障诊断方法,分析了传统阀芯位置监控器的设计思想及设计缺陷,构建了基于PNN网络的阀芯位置监控器,最后完成了基于PNN网络的作动器仿真实验。实验结果表明,基于PNN的阀芯位置监控器具有较强的故障诊断能力,有效地提高了作动器两通道工作时识别阀芯位置监控器的故障准确率,可以成为作动器智能故障诊断与健康管理的重要方法之一。     

基于TRACE32的智能维修技术在在线检测中的应用

针对PowerPc产品故障诊断中存在的故障定位准确率低、测试难度大的问题,提出一种基于TRACE32的智能系统开发要求软件,该软件嵌入在TRACE32仿真软件中,它既能对PowerPc产品的寄存器、存储器、CACHE、MMU、串口网口等进行自动测试,又可完成高集成度复杂电路板故障的在线检查与自动测试。相比传统的离线测试方法以及普通的在线检测技术,该智能维修技术能够更准确、快速地定位故障。     

基于递阶残差神经网络的结构故障模式识别

提出了一种基于递阶残差分类神经网络的结构故障诊断新方法,与传统的基于模型的非线性系统的故障诊断方法相比,神经网络方法有着非线性逼近能力强和故障模式识别实时性好等优点。文中进行了残差特征提取和残差分类研究,设计了3层递阶残差结构分类器,提出了故障模式识别算法。最后以某型歼击机为例进行了仿真验证,仿真结果表明本文方法能有效识别歼击机结构故障的有无、位置、类型和程度。     

航空发动机故障诊断系统性能评价与仿真验证

航空发动机故障诊断系统对提高发动机安全性和可靠性具有重要的意义,其性能评价指标包括故障检测率、故障定位率、虚警率等.为此,基于混合卡尔曼滤波器组诊断原理,针对民用航空发动机常见的四种故障搭建了发动机故障诊断系统.采用蒙特卡罗仿真方法,对故障诊断系统在发动机健康和性能退化两种情形下的性能评价指标进行了仿真验证.仿真结果表明,两种情形下诊断系统均满足发动机故障检测率98％以上、故障定位率90％以上、虚警率不大于1％的工程应用需求.     

基于模型的故障诊断在飞机电源系统中的应用

传统故障诊断方法越来越难以应付更加复杂和智能化的现代飞机电源系统,基于模型诊断方法是为了克服传统诊断方法的缺点而兴起的一项新型的智能故障诊断技术。运用基于模型的故障诊断原理,建立飞机电源系统的定性仿真模型,对飞机电源系统负载故障进行模拟故障诊断,分析电源系统关键部件的故障对关键负载的影响,验证飞机电源系统的可靠性。     

基于小波变换的容差电路故障诊断

针对目前模拟电路中电子元器件存在的容差与非线性导致电路故障难以检测的现状,设计了适用于诊断由器件超出容差所引起的模拟电路故障的小波分析诊断方法。通过设定故障进行蒙特卡罗容差实验,采用小波神经网络,对故障输出信号进行小波分析提取其小波高频系数参量,经PCA分析和归一化后形成训练特征向量,并经过BP神经网络训练后,故障信号通过小波神经网络后能够快速精准的对故障器件进行定位。通过大量样本进行仿真计算表明所设计的小波特征参量故障诊断法对于模拟电路具有很好的故障分辨率。     

涡扇发动机故障诊断硬件在回路实时仿真平台

硬件在回路仿真是发动机故障诊断算法由理论转向实际工程应用的重要阶段,但目前航空发动机故障诊断算法的研究多数处于软件数字仿真阶段。构建民用涡扇发动机故障诊断算法硬件在回路实时仿真验证平台,开发考虑健康退化的民用涡扇发动机多维调度分段线性化模型,分析并模拟仿真民用涡扇发动机的四类典型常见故障。经过对相关诊断算法进行实验验证,表明该平台及使用的模型和方法都是行之有效的,具有一定的工程使用价值。     

基于通道校准和HMM的机载雷达健康状态评估

性能退化与间歇故障是机载雷达健康状态的重要反映。针对传统机载雷达健康评估方法缺乏整机级的监测指标、未能综合考虑性能退化和间歇故障，传统BIT电路难以监测间歇故障等工程难题，提出了基于通道校准链路，综合运用通道校准仿真技术、正态云、HMM建立起健康状态评估流程。首先，对通道误差与间歇故障进行分析，得到4类校正系数，建立误差与间歇故障注入仿真流程；然后，基于正态云，利用校正系数的样本方差来表征雷达系统的健康状态，提出统一健康模型，并给出HMM拓扑结构与参数设计方法；最后，建立起基于数据驱动的评估流程并开展应用研究。仿真实验验证了误差和间歇故障仿真流程的可行性、健康状态评估方法的有效性，可获得大于95%的评估准确率；应用案例表明所提方法可行，能解决工程上机载雷达健康状态评估的问题。     

支持向量机在航空发动机故障诊断中的应用

提出了一种基于支持向量机的航空发动机故障诊断方法。该方法在利用恰当的工具或方法提取到发动机故障的特征信息之后,采用支持向量机对特征信息与故障模式进行关联,实现故障模式的分类。该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,将其应用于某型发动机的故障诊断中,取得了较好的效果。该方法尤其对于新型发动机的故障诊断具有一定的参考价值。      

基于改进支持向量机的模拟电路故障诊断研究

针对支持向量机（Support Vector Machine）及小波分解用于模拟电路故障诊断时,一对一算法具有操作简单、诊断精度高、所需确定参数少,小波分解能表现电路响应特征但最优小波基选取目前缺乏有效方法的特点,提出利用混合粒子群算法（Hybrid Particle Swarm Optimization,HPSO）对小波基及一对一支持向量机的参数进行联合优化。将该方法应用于模拟滤波器的仿真电路实验,结果表明：利用该方法很容易求出全局最优解,能实现对最优小波基选取及支持向量机参数进行联合优化,避免了参数选择的盲目性,提高了模型的诊断精度。     

基于改进RBF神经网络的某型机载雷达电路故障诊断

RBF神经网络在故障诊断中的应用是一个十分热门的研究课题。但RBF神经网络用于故障诊断需要大量的隐含层节点,隐含层节点越多其训练时间越长。针对此问题,提出了一种改进的RBF神经网络故障诊断方法。通过仿真实例,可以看出隐含层的节点大大减少,训练时间缩短,该方法用于雷达故障诊断非常有效。     

广义回归神经网络在冗余捷联惯导故障诊断中的应用研究

针对冗余捷联惯导的故障诊断问题，研究提出了一种基于广义回归神经网络的故障诊断方法。该方法在传感器输出数学模型未知的情况下，仅通过传感器之间的冗余关系，利用传感器正常工作时的测量值和改进的神经网络估计输出值生成残差进行故障诊断。仿真试验表明，利用神经网络补偿产生的残差可以检测到未补偿时的故障。该方法不仅可以检测到单故障，还对多传感器同时发生故障具有一定的检测能力。     

基于经验模态分解的机械故障欠定盲源分离方法

针对传统的机械故障源分离方法限于非高斯、平稳和相互独立的源信号, 且传感器的观测数多于源数, 机械故障源信号通常不易满足这些假设的局限性, 提出了一种基于经验模态分解的机械故障欠定盲源分离方法.该方法对混合观测信号进行经验模态分解, 然后重组本征模函数分量作为新的观测信号进行盲源分离, 仿真和实验结果表明, 该方法是有效的.      

基于未知输入观测器的非线性动态系统故障估计

针对一类受扰非线性动态系统的执行器故障估计问题,提出一种未知输入观测器来实现故障估计。首先,通过坐标变换将原系统转化为合适的形式;其次,采用线性矩阵不等式与Lyapunov泛函分别设计H_∞输出反馈控制器和未知输入观测器,在此基础上实现对系统中执行器故障的渐近估计;最后,通过机械臂系统仿真分析并验证了所提方法的有效性。与已有方法相比,所提方法不要求故障可导,也不要求故障或干扰上界已知,因此易于在工程实际中实现对非线性系统执行器故障的估计。