基于ARVM模型的液体火箭发动机试验台故障预测方法

针对液体火箭发动机试验台故障子样少,故障预测精度低,故障维修保障困难等问题,在分析标准RVM优缺点的基础之上,提出了一种自适应能力较强的故障预测模型——ARVM(Adaptive Relevance Vector Machine)。为测试该模型,以某型轨控发动机高空模拟试验台管路流量、燃烧室压力为输入参量对推力矢量进行了预测,预测结果表明,ARVM方法能够有效跟踪推力矢量参数的变化趋势,并且获得了较高的预测精度和模型稀疏性。该方法对于复杂系统的故障预测和维修保障具有一定的理论价值和工程应用意义。     

基于灰色递阶预测的动态插值生成方法

根据灰色系统白化插值生成理论和建模机理 ,分析动态测量中灰色模型插值的可行性。并将动态测量数据建立白化插值生成灰色模型 ,进行动态测量插值预测 ,验证其可行性。由于动态测量特性和灰色模型预测的局限性 ,对模型的测量准确度提出较高要求。因此 ,提出改进白化插值生成灰色模型 ,采用基于灰色递阶预测的动态插值生成方法 ,以保证长期预测插值的动态测量特性。     

一种基于灰色预测控制的动态测量误差修正系统

以灰色理论的灰色预测控制为基础理论 ,结合动态测量误差修正 ,在测量系统加以外控制量 ,把动态测量过程中的实时误差预测修正灰色模型GM (1,1)作为控制模型进行灰色预测控制。     

距离相关系数融合GPR模型的卫星异常检测方法

卫星在轨运行期间，遥测数据表现形式通常为多维时间序列。高斯过程回归(GPR)模型可以为重要的遥测参数提供动态门限，及时发现隐藏在工程阈值内的故障征兆，但是高维卫星数据使得GPR模型具有局限性。因此，为获取与多个遥测参数相关的动态门限，在GPR模型的基础上，融合距离相关系数对预测变量进行选择，减少信息冗余和计算量，提高模型的可解释性，并估计模型的泛化误差以设置更合理的预测区间，提高模型的泛化能力，检测数据流的持续异常。对实际在轨卫星数据进行仿真实验，验证了距离相关系数融合GPR模型的卫星异常检测方法可以在卫星故障早期检测到数据异常，而且提高了模型的预测性能，降低了虚警率。      

基于时序建模的卫星故障检测方法

为解决当前卫星故障检测面临的依赖规则库、多元特征融合不足以及数据正负样本分布不均衡等问题,从卫星数据的时序特性出发,提出基于时序建模的卫星故障检测方法与半监督模型,实现卫星数据规律的有效挖掘与数据驱动的故障检测。考虑卫星数据间的时序关联,提出基于长短期记忆神经网络的卫星故障检测方法,并引入滑动窗口机制实现卫星数据的有效预测与故障检测。考虑卫星数据多元特征参数间的关联关系,引入时间卷积和自编码器神经网络,同时建模不同时刻、多元特征参数间的依赖关系,实现融合多元特征参数进行卫星故障的有效检测。以某型号卫星电源分系统为实验对象,仿真结果表明,所提算法和模型在关键指标方面优于BP神经网络等传统故障检测方法和模型。     

基于RBF带学习能力高精度非线性FDD设计

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数（RBF）神经网络的动量轮非线性故障检测与诊断（FDD）方案。首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性;然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间;应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略。再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性。     

利用非等距灰色理论方法判定失效机理一致性

针对加速失效机理一致性判定中存在以下问题,基于数据处理和试验观察的方法需要加速试验数据和基于灰色理论的方法需要预试验数据等间距且预测精度不高,提出了一种基于非等距型灰色理论模型的失效机理一致性判定方法.该方法利用非等距的预试验数据,将非等距GM（1,1）模型和等维新息模型相结合,得出模型的残差,找出预试验数据的趋势改变点.通过对比试验,得出此方法的拟合精度和预测精度较高,进一步拓广了GM（1,1）模型在失效机理一致性判定上的应用范围.通过在光电编码器和加速度计中的应用案例,验证了该方法的有效性.     

卫星导航系统传感器故障识别

传感器是卫星导航系统中的重要部件,其故障的检测和识别对提高系统可靠性具有重要意义。给出了一种基于模糊逻辑的卫星导航系统传感器故障识别方法。首先采用T-S模糊模型描述卫星导航系统,然后应用全解耦奇偶方程的方法进行故障检测,并利用卡尔曼滤波器进行故障参数识别。仿真结果表明,针对导航系统中多个传感器同时发生故障的情况,此方法能有效检测故障,并能准确识别故障参数。     

基于代理模型的制导火箭炮发射诸元计算方法

针对制导火箭炮发射诸元的快速计算问题,提出了一种结合大样本数据和代理模型计算发射诸元的新方法。运用代理模型建立射角、无控弹道侧偏与炮位纬度、炮位高程、射向、射程、目标点高程及药温之间的函数关系,并根据射程和无控弹道侧偏的预测值对射向进行修正。仿真结果表明,高阶多项式响应面、相关函数为高斯函数的Kriging、高阶单项式径向基函数、核函数为高斯函数的最小二乘支持向量机、激活函数为正弦函数的超限学习机以及由上述单一代理模型构建的组合代理模型均具有较高的预测精度,各种单一代理模型对射角和无控弹道侧偏的预测时间均小于1 ms,证明了基于代理模型的射角和无控弹道侧偏预测方法切实可行,且通过对射向进行修正有效减小了由于地球自转引起的无控弹道侧偏。      

奇异谱分析在故障时间序列分析中的应用

由于日益增长的飞行安全和飞机维护质量需求,飞机使用可靠性已经成为一个重要的研究领域。从某航空公司波音737飞机使用过程中现场所记录的18年的故障数据出发,应用奇异谱分析（SSA）方法,对故障时间序列进行了建模和预测,进一步以预测结果的均方根误差（RMSE）最小为优化目标对SSA模型参数进行了优选。在此基础上,提出了一种更为广泛的模型组合方法和实现算法,这种方法采用不同的时间序列模型来构造SSA分解出的趋势、周期和残差等成分。通过与三次指数平滑（Holt-Winters）、自回归移动平均（ARIMA）2种时间序列模型的实验结果对比,SSA及其参数优选和模型组合方法在故障时间序列分析中具有更好的拟合和预测精度。      

基于多模型滚动时域估计的卫星故障诊断

研究了卫星姿态控制系统故障诊断问题, 将滚动时域估计与交互式多模型(IMM)方法相结合, 利用滚动时域估计方法对系统状态进行估计, 系统转换概率也相应地利用了一个时间段的估计误差作为依据, 而不是只考虑一个时刻的估计误差, 因此有效减少了大噪声以及个别错误测量对诊断结果的影响. 最后的仿真结果证明了该算法的有效性.      

Lineament mapping and fractal analysis using SPOT-ASTER satellite imagery for evaluating the severity of slope weathering process

The present study describes a remote sensing approach for preparing lineament map that subsequently indicates the influence of lineament density in the severity of weathering development. In this study, SPOT-5 data, the integration of SPOT-ASTER and Digital Elevation Model (DEM) data were used and processed. The existence of an active fault system in the south of Mashhad city, NE Iran and presence of schistose rocks in this area result in the development of numerous lineament features. This region was selected for this research. Lineament features including fractures, bedding plane, cleavage, shear zones and schistosity were mapped in the study area. The results indicate that the highest concentration of lineaments occurred in the central-western and south-eastern parts of the study area, which coincide with metamorphic outcrops and NW-SE trending fault system. A comparison of lineament statistical analysis and field survey demonstrated that the structural discontinuities have a significant effect on forming and distribution of weathering profiles. It was observed that increasing the number, length and density of structural discontinuities led to strong severity in weathering, which can produce deep residual soils susceptible to landslide occurrence. The remote sensing approach developed in this study can be applicable for preparing lineament maps and evaluating the severity of weathering development in other active fault zones around the world.     

基于AI+神经网络的数字化故障电弧识别方案研究

线路故障电弧的特征随着电力电子技术的提高更趋复杂，传统的故障电弧识别方式已无法应对新型用电系统。对比传统故障电弧识别方案，研究故障电弧产生类型和新型检测技术，提出基于谐波因素、总谐波畸变率、电流零休时间、电流变化速率、电流周期性等典型时域、频域特征的AI+神经网络的数字化故障电弧识别方案。该方案运用回归算法向量机对特征图进行分类处理，通过正向传输运算、反向传输运算和迭代回归运算三个步骤执行卷积神经网络，频繁迭代回归以获得最佳特征识别图。本文以调光器的故障电弧识别为例，对故障识别方案进行验证，结果表明采用此方案可实现更高效、更精准、更稳定地识别故障电弧。     

基于退化数据与故障数据的导弹竞争故障预测

针对具有多元退化量的导弹竞争故障预测问题,分析了导弹退化特性,并在考虑突发故障与退化故障相关性的基础上,建立了具有多元退化量的导弹竞争故障预测模型。对导弹性能退化数据与突发故障数据进行统计推断,确定了数据的分布类型,在此基础上对竞争故障预测模型的参数进行了求解。针对导弹性能退化数据分布参数存在非线性、小样本等问题,运用最小二乘支持向量机(LS-SVM)预测模型对性能退化数据的分布参数进行了预测,得到了性能退化数据未来某一时刻的分布函数;针对退化量与突发故障的相关性,应用位置-尺度模型分析了退化量与突发故障的关系,得出了突发故障与退化量的相关参数,进而根据导弹竞争故障预测模型得到了导弹未来一段时间内的竞争故障概率。以贮存状态下的整批导弹为例,实现了导弹竞争故障预测,并与其他预测方法进行了对比,结果验证了方法的合理性与有效性。      

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。      

基于故障树和快照技术的无人机特情训练方法

针对无人机操作手在执行任务时不能有效地识别与处置特情的难题,提出了一种基于故障树遍历分析和快照技术的无人机特情模拟训练方法,并以样例无人机为研究案例进行了关键技术解析、通用化特情训练系统设计实现和试验.利用故障树理论,建立完备的无人机故障树模型,分析了需重点模拟训练的特情.利用快照技术,实现了不同飞行阶段训练的解耦;结合RTW（Real-Time Workshop）技术、数据库技术和视景仿真技术,完成了通用化无人机特情训练系统的开发,并成功应用于某型无人机的特情训练.给出了样例无人机操作手在不同方法下的训练结果,通过统计数据对比,表明该方法与常规的方法相比,训练效率更高,训练的完备度更好.     

基于动态故障树的卫星可靠性分析

针对卫星系统的可靠性问题，提出了一种基于动态故障树的卫星可靠性分析方法。采用马尔可夫链和二元决策图相结合的分析方法，建立卫星的电源、姿轨控和推进3个分系统的动态故障树模型，在此基础上得到卫星的随机故障模型，并综合考虑损耗故障建立卫星可靠性模型。利用蒙特卡洛仿真对随机故障模型进行评估分析，并将其与Weibull分布模型进行性能比较，仿真结果表明该方法能够有效分析卫星的随机故障，具有计算精度高、效率高的优点，并能更有效地模拟卫星部件随机故障的动态行为。     

空间实验室天地一体化故障诊断技术研究

航天器故障诊断不仅可以提高航天器安全性和可靠性，而且可以节约航天器安全寿命期成本。文中详细阐述了空间实验室天地一体化故障诊断系统方案。整个故障诊断体系由在轨诊断系统和地面诊断系统组成，在轨诊断系统具有部分自主诊断能力，地面诊断系统又分为系统级故障诊断和分系统级故障诊断。强调了基于模型推理技术(特别是多信号建模技术)在空间实验室天地一体化故障诊断系统中的重要性；最后指出了当前需要深入研究的建模技术及故障诊断系统的组件化和网络化等关键技术。     

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。