基于MISG算法的风力发电机液压变桨系统故障诊断

针对受状态延时影响的风机变桨系统故障诊断,提出了一种基于多新息随机梯度(MISG)的故障诊断方法。该方法将复杂系统转化为状态空间模型,并建立系统辨识模型。将新息标量扩展成新息向量改善算法精度,利用系统发生故障引起参数改变的特征,算法对风机状态延时变桨系统完成参数估计,将系统故障诊断问题转换为系统辨识问题。仿真所得结果验证该方法可以达到诊断风机状态延时变桨系统故障的目的。     

基于多模型的飞控系统自适应重构技术研究

针对飞控系统执行器故障引起参数大范围跳变的问题,提出了一种基于多模型的自适应重构控制方法。建立了执行器故障参数模型,根据故障的特征模型设计一系列并行的辨识模型,采用固定模型与自适应模型相结合的方式,依据转换标准选择与当前飞机状态最匹配的辨识模型所对应的控制器。通过对某型飞机侧向控制系统进行仿真,表明在执行器严重受损的情况下,飞机仍能保持良好的性能。     

空气循环制冷设备状态监测与故障诊断系统设计

该空气循环制冷设备用于飞机机上环境控制系统不工作状态时,向飞机提供给定温度和湿度的空气,达到降温或除湿的目的。在对该设备工作原理进行深入研究的基础上,针对其热力性能故障,选取了30个监测参数,并采用故障树分析方法,设计了该设备的状态监测与故障诊断系统。这里主要介绍了该系统的状态监测与故障诊断原理、主要功能、及其硬件设计和软件设计。该系统能够快速、准确地确定故障部位,提高维修效率。     

基于SAPSO算法的异步电动机参数辨识

异步电动机等效电路参数的准确辨识对电动机的控制具有重要作用,同时,等效电路参数的变化可以反映电动机的运行状态,故参数辨识也被运用到电机故障诊断中。将现代最优化算法应用到三相异步电动机的等效电路参数辨识中。通过将粒子群优化算法(PSO)和模拟退火算法(SA)相结合,可以准确有效地对异步电动机的6个等效参数进行辨识,与遗传算法相比,SAPSO算法易于实现且收敛速度快。算法采用考虑铁耗的异步电机dq坐标系下的模型来实现,将温度对电阻参数的影响考虑在内。通过算例证明了算法能够有效地对电机参数进行辨识及跟踪电阻的变化。     

基于LMI的一类非线性离散动态系统的鲁棒故障诊断

 针对一类非线性不确定离散动态系统 ,提出了一种新型鲁棒故障诊断方法。该方法不但能够对被诊断系统进行故障检测 ,而且同时能够实现故障的分离和辨识。它首先通过构造一个辅助系统 ,将故障的辨识问题转化为min max问题 ,并且通过巧妙设计辅助系统的输出增益矩阵 ,使得辅助系统与被诊断系统的状态差值方程和输出差值方程稳定 ,然后将min max问题转化成LMI问题 ,最后通过求解LMI问题来实现故障诊断。分析了故障诊断方法的鲁棒性、灵敏度和故障的辨识误差。仿真结果验证了该方法的有效性。     

基于状态反馈的执行器故障容错控制

针对线性离散系统的执行器故障,提出了一种基于状态反馈的容错控制方法。该方法在应用自适应卡尔曼滤波进行系统状态和故障同步估计的基础上,通过故障信息和状态估计进行状态反馈,对闭环系统进行极点配置,从而修正执行器故障造成的系统误差,实现容错控制。最后,将该方法应用于飞行控制系统的执行器故障容错控制,仿真结果表明该方法不仅能够准确地进行故障估计,而且能够在故障情况下保证系统输出正常,具有一定的理论意义和实际工程应用价值。     

基于Kolmogorov熵的转子-机匣系统故障诊断研究

提出了基于Kolmogorov熵的航空发动机转子—机匣系统状态识别和故障诊断新方法。应用关联积分算法,基于实测的航空发动机机匣振动时间序列求解了转子—机匣系统不同工作状态和故障状态的Kolmogorov熵;基于Kolmogorov熵,对航空发动机转子—机匣系统进行了状态识别和故障诊断。研究结果表明,该法具有较高的状态识别和故障诊断能力。     

多操纵面飞机气动参数在线辨识新方法研究

以多操纵面布局飞机为对象,针对其操纵面冗余造成的激励信号线性相关及控制过程中存在的信号激励不足问题,对最小二乘辨识算法进行了改进。新方法将先验经验引入在线辨识过程,可以克服弱信号输入造成的辨识不准确;采用激励-补偿机制,增加激励信号,改善了辨识结果的精度。以六自由度非线性飞机模型为对象进行的姿态控制系统仿真验证表明,当操纵面完好时,该方法能够在线修正建模误差;当飞机操纵面损伤时,该方法能够迅速反映操纵面气动参数的变化,提高了控制系统的适应性和鲁棒性。     

推力矢量飞机自适应控制系统仿真平台研究

研究了具有自修复功能的推力矢量飞机自适应控制系统的结构功能特点,研究了RHO优化控制算法实现在线控制器设计,利用MSLS辨识算法实现在线飞行参数辨识和等价空间算法、传感器信息融合技术和概率统计理论实现FDI算法。并且根据系统各个部分的算法,采用面向对象技术语言VC 6.0和三维图形语言OpenGL开发了仿真平台,利用仿真平台实时演示了飞机存在舵面故障情况下的飞行控制系统运行仿真,解决了飞机飞行过程中存在舵面损伤和气动参数变化的问题,该仿真平台可以根据需求进行飞机故障加载,具备完备的推力矢量飞机自适应控制系统仿真功能。     

飞机自动制孔末端执行器控制系统设计与开发

针对飞机部件自动制孔工艺需求,在具体分析自动制孔末端执行器工作流程的基础之上,通过稳、动态设计和控制系统建模,基于TwinCAT软PLC开发了一套末端执行器控制系统,并最终实现了PID全闭环控制。试验结果表明,该控制系统操作方便,性能稳定,极大提高了飞机部件的制孔效率和装配质量。     

基于状态观测器的空间机械臂关节故障诊断

为了实时检测空间机械臂关节故障的发生并获得有效的故障信息,提出一种基于状态观测器的关节故障诊断方法。通过结合滑模变结构控制理论设计滑模状态观测器,获得机械臂各运行状态的残差信息,并将其与设定的阈值比较,实现关节故障的检测。进而引入不同的故障模式,构建故障数据库,将实际关节故障所导致的机械臂故障残差信息与故障数据库对比,完成故障发生位置及其故障程度的识别。所提诊断方法考虑了空间机械臂系统内部强耦合特性,能够及时检测故障的发生并获取有效的故障信息。最后以7自由度空间机械臂为对象开展数值仿真研究,验证了所提关节故障诊断方法的有效性。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

一种基于在线辨识和专家系统的飞行器智能姿态控制方法

针对未来战场形势对攻击型飞行器提出的大包线飞行、大不确定、主动容错控制问题,提出了一种基于在线辨识和专家系统的智能姿态控制方法。该方法通过在线估计飞行器的时域、频域关键参数,驱动专家系统实时计算并调整控制器参数;结合时域、频域辨识结果诊断、定位故障,实现故障隔离、控制策略调整。该方法综合了飞行器结构、气动试验数据和专家知识,通过在线辨识和估计丰富了专家系统推理计算所需信息,促进了专家系统的在线应用,是一种近期可实现的智能控制方法。仿真结果表明,采用该方法,姿态发散概率由无容错控制时的45%降低到容错控制时的0%,姿态控制任务完成率100%。     

考虑铁耗电阻的感应电机参数在线辨识技术

传统感应电机高性能控制方案中,电机模型忽略了电机铁耗的影响,与实际物理模型有一定的偏差。基于包含铁耗等效电阻的感应电机模型,建立新的励磁电流计算方法,对电流和电压信号进行高精度的采样和离散处理,并对电机模型进行数学推导,得到基于递推最小二乘法(RLS)的辨识模型,实现了对铁耗电阻、转子电阻等重要电机参数的在线辨识。建立了MATLAB仿真模型,对参数辨识算法进行验证。仿真试验结果表明:所提方法可以在不同工况下实现较高精度的辨识,并可以快速地跟随待辨识参数的变化,为感应电机高性能控制奠定了基础。     

基于GRNN算法的飞机用电设备非侵入式负荷监测方法

随着飞机的多电化和全电化,机上电气检测及其负荷管理至关重要,然而飞机上为诊断所设置的传感器数量要求越少越好,非侵入式负荷监测（NILM）方法无需分散进入负荷内部,仅检测汇流条级别电力参数可完成负荷识别。选择稳态电流谐波参数为负荷印记,采集某型飞机交流主汇流条上用电设备真实电流波形,提取1~19次谐波含量建立特征库,用广义回归神经网络（GRNN）算法辨识负荷类别,设置适当样本数和扩展速度以有效提高识别准确度。实验表明：GRNN算法较之BP神经网络算法和SVM算法识别准确度更高,计算速度更适于飞机电气系统负荷监测和管理。将非侵入式负荷监测方法引入飞机供电系统分析,将为飞机电气管理、故障诊断和预测等进一步研究提供有效参考。     

QAR数据处理在气动力矩参数辨识中的应用

长期飞行引起的结构疲劳损伤和复杂环境下的腐蚀损伤等因素导致飞机的气动模型会随时间略有变动,而飞机气动模型的辨识对于分析飞机当前的运行状况具有重要意义.为了完成飞机气动模型的再次辨识,通过分析、处理飞机自带的快速存取记录器(QAR)数据,根据动力学原理建立气动力矩数学模型,最后运用极大似然法辨识出各气动导数.经验证,辨识结果满足仿真要求,可应用于模拟飞行、机务维修信息指导和事故预警与重现等.     

遗传寻优神经网络在平台温控系统建模中的应用

温度直接影响惯性仪表及惯性平台的使用精度,而高精度温控系统的设计依赖于准确的平台加温模型,针对平台系统中多种惯性仪表加温过程复杂度高,当前采用的阶跃响应辨识方法存在模型适应性差、精度不高等情况,且针对基于梯度下降的BP学习算法存在局部收敛的问题.采用基于遗传算法寻优的神经网络辨识的方法,对惯性仪表加温模型进行建模,试验验证通过遗传寻优后的BP神经网络学习算法,提高了网络的学习精度,进而提高了平台系统中惯性仪表加温过程数学模型的精度,模型适应性较高,为后续惯性仪表的加温控制方法的设计提供了必要的条件.     

Rotating machinery fault diagnosis based on convolutional neural network and infrared thermal imaging

Rotating machinery is widely applied in industrial applications. Fault diagnosis of rotating machinery is vital in manufacturing system, which can prevent catastrophic failure and reduce financial losses. Recently, Deep Learning (DL)-based fault diagnosis method becomes a hot topic. Convolutional Neural Network (CNN) is an effective DL method to extract the features of raw data automatically. This paper develops a fault diagnosis method using CNN for InfRared Thermal (IRT) image. First, IRT technique is utilized to capture the IRT images of rotating machinery. Second, the CNN is applied to extract fault features from the IRT images. In the end, the obtained features are fed into the Softmax Regression (SR) classifier for fault pattern identification. The effectiveness of the proposed method is validated using two different experimental data. Results show that the proposed method has a superior performance in identification various faults on rotor and bearings comparing with other deep learning models and traditional vibration-based method.     

基于模型辨识的数控机床专用伺服电机位置控制

数控机床精密加工要求伺服电机具有精度高和响应快等特性,而传统的伺服控制器位置环采用的是简单的误差比例(P)控制,这种控制方法的响应性不能满足加工要求。提出一种基于模型辨识的伺服电机角位移控制方法。首先,采用最小二乘法辨识出传统闭环控制系统的模型；然后,分析模型的零、极点,根据模型特性设计补偿控制器；最后,通过试验结果说明所提方法能快速、准确地跟随系统输入。     

多操纵面飞机舵面损伤的快速故障诊断

针对多操纵面飞机舵面损伤的快速故障诊断问题,提出一种直接估计舵面偏转量的自适应补偿观测器方法。首先,设计了增广观测器进行系统输入估计,并提出了自适应补偿方法解决其动态跟踪性能差的问题;其次,设计了一种新的自适应阈值以快速检测故障并降低虚警率;最后,利用舵面故障特点,采用重置初值的限定记忆最小二乘方法实现了对突变参数的实时估计,用以进行故障隔离。仿真结果表明:在不同的舵面损伤故障情况下,所提出的观测器方法能在20 ms内发出故障预警,并在0.22 s内确定故障位置,所采用的辨识方法可以在故障报警后的0.2 s内准确估计出损伤程度。