基于自适应UKF的敏感器故障诊断算法

针对非线性系统中敏感器测量过程存在异常干扰和出现仪器故障问题,提出一种基于自适应UKF(Unscented Kalman Filtering)的鲁棒故障诊断算法.算法通过新息特性分析引入自适应矩阵对异常干扰和仪器故障建立系统级抑制和部件级诊断.系统级检测将UKF的新息特性通过自适应函数引入状态预测,修正异常值对状态预测值的影响,达到对异常干扰的鲁棒性.部件级检测将新息特性分解成各部件参数的新息特性,建立各自敏感器的自适应矩阵,通过对自适应矩阵的迹进行判断,检测是否发生故障并隔离故障.仿真结果表明,算法对异常值具有较强的鲁棒性,对测量仪器失效造成的故障能够准确地检测并给出故障大小.算法结构简单,计算量小,对工程应用具有较好的参考价值.      

定量与定性相结合的动量轮故障可诊断性评价

为了提高动量轮的故障诊断性能,采用定量与定性相结合的方法对故障可诊断性评价方法开展研究。在分析动量轮和控制器模型的基础上,建立定量的动量轮闭环系统模型;分析动量轮的各种故障模式,将其分为测量类、驱动类和控制器类故障,并在动量轮系统模型中进行表示;依据故障到输出的传递函数是否等于0以及不同故障到输出的传递函数是否相同的思路,研究各类故障的可检测性和可分离性判断条件,对动量轮的各故障模式进行评价,给出相应的评价结果对于不可分离的故障集合,研究基于定性模型的故障可诊断性评价方法,即根据动量轮各功能模块之间的关系,结合动量轮的故障模式影响分析结果,建立故障与征兆之间的关联矩阵,通过分析各故障对应的数据,进一步给出动量轮故障可诊断性的评价结果。最后,提出故障可诊断性相关的定量指标,根据动量轮故障可诊断性评价结果,给出各故障以及动量轮的可检测度和可分离度等,为后续故障可诊断性设计提供依据。     

液发推力室和涡轮泵故障监测与诊断技术研究

研究了液发推力室和涡轮泵故障监测与诊断技术,介绍了取得的主要研究成果,内容包括:试车结果统计与故障特性分析、故障模式与影响分析、故障数据库的设计与实现、状态分类与特征分析等.此外也介绍了基于人工神经网络理论的动态过程监测与诊断算法、基于时序分析的稳态过程监测与诊断算法和基于频谱方法的事后故障分析与诊断等故障监测与诊断算法.最后,介绍了所研制的工程应用系统,并给出了具体的故障监测与诊断实例.      

基于博弈交叉效率DEA的装备设计方案评审

基于数据包络分析构建了可以处理效益型、成本型和固定型3种类型指标的多属性综合评价方法.通过引入交叉效率以使评价对象自评与互评相结合,解决了数据包络分析用于多属性综合评价时评价标准不一致的问题;在此基础上,通过引入博弈交叉效率,采取在其它评价对象提升自身效率的同时,被评对象也不断改善效率的策略,弥补了数据包络分析用于多属性综合评价时评价结果不唯一的缺陷,并提升了评价结果的区分度和合理性.通过算例对该方法进行了验证,并将该方法应用于装备设计方案评审,结果表明其能够较好的解决方案的评价排序和择优问题.     

基于深度学习的航空发动机故障融合诊断

通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合算法的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,先利用深度学习模型提取出性能参数中的隐藏特征,得出故障分类置信度;其后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D发动机故障系数用于数据仿真,通过算例验证本文算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。      

大虚警率下的多故障诊断算法

主要研究不可靠测试下多信号模型的多故障诊断问题。最优的多故障诊断是计算复杂度完全类(NP-Complete)问题,因此大型系统的诊断一般只能用次优的随机搜索算法。次梯度优化算法能够在虚警概率较小时给出较好的结果,但如果测试个数很多且虚警概率较大时,该算法就不能消除虚警的影响,会使估计的故障覆盖所有失败的测试,而不是找到系统真实的故障。针对这一问题,提出了能够同时考虑虚警和误警的目标函数,使算法能排除虚警的测试准确定位故障,并用改进的遗传算法搜索故障部件提高诊断速度。仿真诊断结果表明,同时发生故障的部件个数较少时,遗传算法的诊断速度明显优于次梯度优化算法,而且能够更有效地抑制虚警的影响。     

免疫支持向量机用于航空发动机磨损故障诊断

航空发动机在使用寿命周期内会不断磨损最终出现故障,通过对发动机油液监测铁谱分析数据的挖掘可实现磨损故障的诊断。本文研究免疫算法优化的支持向量机(SVM)在航空发动机磨损故障诊断中的运用。首先,总结了支持向量机和免疫算法的运行流程和关键算法。然后,用改进的免疫算法优化支持向量机惩罚因子、松弛变量及核函数参数。某型航空发动机的油液铁谱分析数据和加入噪声数据验证结果表明,该方法可有效实现航空发动机磨损故障诊断且具有较好的鲁棒性。最后,研究了核函数、多分类决策方法、初始种群大小、亲和力计算公式、支持向量机优化方法和归一化方法对磨损故障诊断准确率的影响,得到了最佳诊断方法。     

动量轮诊断测点配置与资源占用度成本评价

以动量轮为例开展诊断测点配置与成本评价方法研究.分析系统功能模块输出与故障模式之间的关系,建立DG图故障传播定性模型.对DG图回路进行处理,生成满足可检测性和可分离性的根节点,建立偶图.采用改进的贪婪算法选取关键测点,给出诊断测点配置方案.考虑测点对系统体积、重量、功耗、处理能力等资源的要求,提出用资源占用度的概念表示成本计算模型,合理设计了资源占用度的表达形式,可以突出某项重要资源要求对评价结构的影响,也可以避免某些重要指标被弱化,并且在需要考虑其他资源要求时可扩展.通过成本模型对测点配置方案进行评价.     

基于小波分析的地形多分辨率建模方法

以提高运算效率和存储效率为目的研究了基于小波的数字高程模型（DEM,Digital Elevation Model）数据的多分辨率建模,根据DEM的数据特点在Mallat多分辨率分析算法的基础上,提出了基于小波分析的DEM数据多分辨率建模算法,对算法实现过程中的小波函数以及边界延拓方式的选取进行了阐述,提出了评价建模精度的相关指标,并通过仿真实验确定了恰当的小波参数.仿真结果表明,小波分析法是实现DEM多分辨率建模的有效方法,同时保证了良好的运算效率和存储效率.该方法可应用于地形的快速可视化、飞行器的动态和静态航路规划等工程应用中.     

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.      

基于多信号流图与分支定界算法的故障诊断

针对实时在线故障诊断问题,提出了一种基于多信号流图和分支定界算法的故障诊断方法。通过建立多信号流图模型生成相关矩阵作为诊断知识,进而由相关矩阵以及观测向量产生冲突集,使最小诊断集的求解过程映射为整数规划问题;采用分支定界算法,通过对冲突集的分支、定界以及剪支得到故障诊断的最优解,从而避免了穷举问题造成的搜索"爆炸"。以某型机载燃油系统为对象对本文提出的算法进行了验证。结果表明:本文算法与常用的多信号流图诊断推理算法TEAMS-RT相比,算法速度相当,故障定位精度更高,很好地涵盖单故障以及多故障组合,可以胜任大规模复杂系统的故障诊断。      

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.      

基于降维观测器的最优故障诊断算法研究

为降低诊断算法的计算量,优化算法参数,设计了一种基于降维观测器的最优故障诊断算法。首先,利用正交原理,将故障状态与系统状态进行解耦,从而构造了用于故障估计且无需进行矩阵分块运算的降维观测器。其次,基于对偶原理,将诊断算法的增益优化问题转化为诊断误差方程对偶系统的最优控制律设计问题,从而实现了对故障的最小方差估计。然后,利用诊断结果设计了基于故障补偿思想的容错控制律,以此实现了系统与故障的隔离。最后,通过数值仿真验证了所提方法的有效性。结果表明,对于二阶系统,该诊断算法可在7s内快速收敛到故障真实值。     

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。      

一种快速推理技术在发射决策系统中的应用

发射决策系统是在测试发射段对运载火箭进行故障诊断的专家系统,发射决策系统的推理技术需要适应运载火箭测试项目繁多,测试数据量庞大、更新快速,可供诊断的时间有限等特点.快速推理技术分为事实匹配和规则匹配2个环节,借鉴Rete匹配算法的设计思想,提出了事实匹配网络结构,提出规则和黑板的向量表示方法,定义向量与运算实现规则匹配,构建规则匹配网络完成规则匹配.在某型号运载火箭发射决策系统中的应用结果表明,快速推理法推理速度快,推理结果准确,程序实现占用系统资源少,满足实时性要求.      

基于FSS-kernelBSS方法的机械故障诊断

机械设备发生故障时,故障特征的提取是很重要的.为了从观测信号中分离出不同的故障特征源信号,并根据分离信号准确地进行故障诊断,从观测信号样本出发,提出了基于有限支持样本核函数的盲源分离(FSS-kernel BSS)方法.此方法利用有限的观测样本估计信号的概率分布,得到了评价函数,具有很好的自适应能力.仿真试验结果表明:此方法能成功地分离超、亚高斯混合信号,与其他盲源分离方法相比,此方法具有更好的分离性能.将该方法用于转子不平衡和支座松动的复合故障信号的盲分离,分离出了各复合故障的主要频谱.分离结果表明:此方法应用于机械设备复合故障诊断中是可行的.     

飞行器网络控制系统在线故障检测算法

针对飞行器网络控制系统具有网络诱导时延且采样周期较短的情况,提出了一种飞行器网络控制系统在线故障检测算法.考虑未知时延对网络控制系统的影响,建立飞行器网络化控制系统故障检测模型.基于此模型,构造了残差生成器,将故障检测问题转化为最小化优化问题.以矩阵Moore-Penrose逆的形式给出该最小化优化问题的解,在每个采样周期内进行飞行器网络控制系统在线故障检测.数值算例表明:当飞行器网络控制系统存在未知时延时,该故障检测算法对故障敏感,同时对未知时延引起的扰动具有鲁棒性.     

液体火箭发动机故障诊断器设计及其HIL验证

为了实现某型液体火箭发动机机载实时故障诊断,采用FPGA与DSP相结合的方式作为硬件架构设计了故障诊断器,其中FPGA控制高精度A/D转换器进行传感器数据采集,DSP运行故障诊断算法并将结果输出,对故障诊断器的硬件和软件分别进行了设计。提出了一种递归结构识别（RESID）算法用于液体火箭发动机故障诊断,该算法可在6 ms内诊断出流量衰减故障。搭建基于故障诊断器和工控机的硬件在环（HIL）试验平台,采用自动代码生成技术与手写代码结合的方式对RESID算法进行了试验验证,通过上位机界面进行观察。结果表明:RESID算法能准确地诊断出发动机常见的故障并在故障诊断器上实现,算法运行时间为3.9 ms,故障诊断器可以实现实时数据监测和故障诊断,相对于传统平台更加小型化和经济化,既可以作为机载装置使用,也可作为通用平台来开发新算法。