小波分析及其在推进系统健康监控中的应用

详细介绍了小波分析的基本原理和Mallat算法，重点讨论了小波分析在推进系统健康监控中的应用。从工程应用的角度，提出了用小波分析方法进行信号滤波、故障检测与诊断的思路。研究结果显示：小波分析方法具有良好的时-频定位特性，特别适合于分析时变、瞬态或非线性信号，为液体火箭发动机状态监控与故障诊断提供了一种新的强有力工具。     

小波技术在组合导航系统故障诊断中的应用

针对组合导航系统中存在的故障类型和特点，提出一种新的基于信号处理的故障检测方法。该方法利用小波分析技术对含有故障信息的系统信号进行分析处理，并将此方法应用于SINS／GPS组合导航系统。仿真结果分析表明，小波分析技术能很好地及时检测出组合导航系统的硬故障，且更加简便灵活，从而可以将小波分析技术应用于组合导航系统的故障检测。     

基于扩展卡尔曼滤波的动量轮故障检测方法

 动量轮作为卫星姿态控制系统的关键执行部件,对其故障检测对维持卫星的正常运行具有重要意义。首先对动量轮系统的故障进行分析,在建立动量轮线性离散状态空间模型的基础上,把动量轮的故障检测作为时变参数系统的跟踪来处理,将动量轮的模型参数作为扩展的状态空间中的状态量,使得动量轮物理模型参数与状态空间中的状态量有对应关系,通过在扩展了的状态空间上采用扩展的卡尔曼滤波,完成时变参数的跟踪。然后,将离散空间的状态量变换回连续空间中,利用物理参数与状态量的对应关系,实现对动量轮物理参数的跟踪。此方法物理意义明确,为系统的物理参数提供了定量的估计值,为进一步诊断故障原因提供了良好的基础。数值仿真表明,此方法能够通过同时检测多个故障参量,实现故障的检测并满足卫星实时性要求。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

基于CWT-CNN的齿轮箱运行故障状态识别

针对传统故障诊断中提取的特征不具有自适应能力、很难匹配特定故障的问题,提出了一种基于连续小波变换（CWT）和二维卷积神经网络（CNN）的齿轮箱故障诊断方法。该方法对齿轮箱故障振动信号采用连续小波变换构造其时频图,以其为输入构建卷积神经网络模型,通过多层卷积池化形成深层分布式故障特征表达。利用反向传播算法调整网络各层的结构参数,使模型建立从信号特征到故障状态之间的准确映射。在不同工况和不同故障状态下的实验中,故障识别准确率达到了99.2%,验证了方法有效性。采用这种自适应学习信号中丰富的信息的方法,可以为故障诊断智能化提供基础。      

为飞机的健康把脉

近10年来,飞机制造商开发出了一系列飞机健康管理的软件和工具.随着机上自检测设备(BITE)和状态监控系统(ACMS)的日趋成熟,从飞机各系统采集到的故障信息不仅仅能用来为飞行中的驾驶员提供报警,也可实时地下传到地面工作站,让地面维修人员实时掌握飞机的健康状态并提前做好即将到站飞机的维修准备,从而大大减少了航班的延误和取消率.     

发动机转子系统早期故障特征提取方法

对飞机发动机转子系统早期故障特点进行分析的基础上,提出了利用虚拟仪器和Matlab小波工具箱分析软件对其早期故障进行检测和特征提取的方法.文中对早期故障特征量的选取、有用信号与噪声信号的分离方法、突变信号与奇异信号的特征提取等进行了分析和研究,并以转子早期碰摩和早期不平衡为例进行了实验研究.结果表明,Labview和Matlab小波分析软件相结合,能够快速有效地提取发动机转子系统的早期故障特征,为发动机转子系统早期故障的快速识别提供了一种新途径.     

飞机视情维修策略及模型研究

首先介绍了飞机视情维修策略的基本理论和关键技术,然后针对目前飞机视情维修检测周期决策缺乏理论支持,只能依据经验进行判定的现状,基于延迟时间模型理论,以系统潜在故障状态以及P-F间隔为出发点,以功能故障发生的风险小于可接受水平为目标,建立了单部件系统检测周期决策风险模型.着重考虑了由于检测设备及人为因素造成检测不完备性对...     

基于小波变换的信号突变检测方法

奇异点为信号中常见的现象，也往往是信号所反映的物理过程的重点，通过检测奇异点，能更好把握物理过程中的突变和非常规但影响很大的,对设备进行监控和维护时，维护信号的突变点，能确定可能的故障因素，小波变换提供了一种检测奇异点的有效方法。     

飞机着陆时的容错导航

研究了飞机在微波着陆环境中的传感器容错系统。该系统的主要目的是检测辅助导航设备和机载传感器的故障,并在这些传感器可能发生故障时提供可靠的飞机状态估计值。自动导航和控制系统利用这些状态估计控制和引导飞机按预定路线降落。     

叶片裂纹故障的多普勒在线监测技术仿真研究

本文研究了文献[1]介绍的叶片裂纹故障声学多普勒在线监测技术的监测原理;提出了一种新的基于裂纹叶片振动响应波形不对称性的监测方法;编制了这两种方法的计算及信号处理程序。仿真计算证明这些程序是可行的,同时表明,本文建立的新的监测方法在监测有效性、可靠性方面具有优势。      

A multi-criteria fusion feature selection algorithm for fault diagnosis of helicopter planetary gear train

Planetary gear train is a prominent component of helicopter transmission system and its health is of great significance for the flight safety of the helicopter. During health condition monitoring, the selection of a fault sensitive feature subset is meaningful for fault diagnosis of helicopter planetary gear train. According to actual situation, this paper proposed a multi-criteria fusion feature selection algorithm (MCFFSA) to identify an optimal feature subset from the high-dimensional original feature space. In MCFFSA, a fault feature set of multiple domains, including time domain, frequency domain and wavelet domain, is first extracted from the raw vibration dataset. Four targeted criteria are then fused by multi-objective evolutionary algorithm based on decomposition (MOEA/D) to find Proto-efficient subsets, wherein two criteria for measuring diagnostic performance are assessed by sparse Bayesian extreme learning machine (SBELM). Further, F-measure is adopted to identify the optimal feature subset, which was employed for subsequent fault diagnosis. The effectiveness of MCFFSA is validated through six fault recognition datasets from a real helicopter transmission platform. The experimental results illustrate the superiority of combination of MOEA/D and SBELM in MCFFSA, and comparative analysis demonstrates that the optimal feature subset provided by MCFFSA can achieve a better diagnosis performance than other algorithms.     

基于小波包分析与多核学习的滚动轴承故障诊断

为了更准确地诊断滚动轴承故障,提出了一种基于小波包分析与多核学习的滚动轴承故障诊断方法.该方法首先对振动信号进行3层小波包分解,将振动信号分解为不同频带的信号,提取各频带的相对能量特征,构建特征向量;然后采用多核学习算法从训练样本集中学习核函数与分类器;最后使用训练出的分类器识别滚动轴承故障类型.为了验证方法的有效性,进行了滚动轴承故障诊断实验,实验结果表明该方法的故障诊断准确率达到98.25%,与传统的基于小波包与支持向量机的滚动轴承故障诊断方法相比,其故障诊断准确率更高,同时由于避免了核函数的选择问题,该方法更便于实际应用.      

基于支持向量机的航空发动机整机振动故障诊断技术研究

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的一种新型机器学习方法,由于它出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。针对某型航空发动机整机振动过大的现象,提出了一种基于支持向量机（SVM）的整机振动故障诊断方法。首先介绍了SVM理论,然后根据SVM学习方法的结构风险最小化原则,对某型航空发动机已知的整机振动故障模式数据进行了训练和预测,并建立了基于SVM的航空发动机整机振动故障诊断模型。最后通过对已有故障模式进行诊断预测,证明该方法在航空发动机整机振动故障诊断方面具有良好效果。     

Fault diagnostics and fault tolerant control

A novel simultaneous fault detection and diagnostics (FDD) and fault tolerant control (FTC) strategy for nonlinear stochastic systems in closed loops based on a continuous stirred tank reactor (CSTR) is presented. The purpose of control is to track the reactant concentration setpoint. Instead of output feedback we propose here to use proportional-integral-derivative (PID) state feedback, which is shown essential to achieve FTC against sensor faults. A new concept of “equivalent bias” is proposed to model the sensor faults. Both the states and the equivalent bias are on-line estimated by a pseudo separate-bias estimation algorithm. The estimated equivalent bias is then evaluated via a modified Bayes' classification based algorithm to detect and diagnose the sensor faults. Many kinds of sensor faults are tested by Monte Carlo simulations, which demonstrate that the proposed strategy has definite fault tolerant ability against sensor faults, moreover the sensor faults can be on-line detected, isolated, and estimated simultaneously     

基于EMD样本熵-LLTSA的故障特征提取方法

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.     

基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制

提出了一种基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制方法.该方法通过给误差变量赋予不同权值因子提高LS-SVM的鲁棒性,采用修剪算法提高LS-SVM的稀疏性;该方法从某涡扇发动机输入输出空间中建立其正常模型,采用阈值判别法对传感器故障进行实时监视与诊断,并用模型输出值代替故障传感器测量值反馈回闭环控制系统,实现对发动机的自适应重构控制.仿真结果表明,该方法能及时准确地定位故障,并进行有效的自适应重构控制.      

航空发动机递归神经网络分路式解耦控制

针对航空发动机多变量控制中变量之间的耦合问题,提出了一种基于递归神经网络的分路式动态解耦控制方法,给出了发动机双路式解耦控制系统的结构及其解耦原理和算法。利用递归小波网络较强的动态非线性映射能力,在线完成发动机各控制通道的模型辨识,并回馈对应的灵敏度信息;神经网络PID控制器根据回馈的信息在线自适应调整参数,实现发动机各通道的准确跟踪和分路独立控制。仿真表明,该方法在保证控制系统良好的动态和稳态性能的同时,有效地减小了各回路之间的耦合影响,能够成功应用于发动机控制系统的解耦。      

滚动轴承早期故障的特征提取与智能诊断

在基于小波变换的滚动轴承故障诊断研究中,目前普遍存在小波变换参数选取和故障特征计算无法自动完成的问题。基于此,提出了一种基于二进离散小波变换的滚动轴承故障特征自动提取技术,实现了小波函数参数的自动选取和故障特征的自动提取。同时,基于结构自适应神经网络方法建立了滚动轴承的集成神经网络智能诊断模型。最后,利用实际的滚动轴承实验数据验证了所提方法的有效性。