一种基于具有回读功能锁存器的数字电路故障检测方法

电路故障诊断是提高电子设备可靠性的有效途径之一,数字电路故障诊断是电路故障诊断的重要组成部分。正确的故障检测是实现准确故障诊断的前提,本文介绍一种具有回读功能的锁存器,使用该芯片的数字电路故障诊断系统具有故障检测电路结构简单,系统资源开销小,故障诊断结果可信度高的特点。     

通用模拟示波器故障的分析与诊断

本文将通用模拟示波器电路分成五部分，总结和分析了每一部分电路故障可能引起的几种异常显示，给出了每一部分电路故障诊断方法及在相应电路中出现故障的常见器件，对有些故障与故障现象之间的因果关系做了进一步分析。     

高可靠容错多重微处理机

本文论述了制造可靠的容错微处理机所需的设计方法.这种方法的效用是通过设计具有二次故障工作的电传操作飞行控制处理机来验证.这种设计方法研究 LSI 器件所出现的多故障模式和现用的LSI 电路根据所设计的设备故障率所预测的元件可靠性降低.容错是根据一组从研究 LSI 电路特别是研究微处理机得到的一般准则通过重构来实现的.人们发现当处理机适当分成几小组器件时,要求二次故障工作的容错冗余级使得可靠性级超过两小时内故障概率小于1×10~(-9)的设计目标.这种方法其所以有许多可取之处是由于设计的一组特制的 LSI 电路有三种线路(其应用在下面讲座).上述三种电路包括两种自检检测器和一个专用分割互连电路.     

航空发动机故障融合诊断研究

结合气路诊断与振动分析方法,建立发动机故障融合诊断模型,探讨气路与振动故障融合诊断方法的可行性。构建故障融合诊断3级体系(故障特征级、故障模式级以及故障决策级融合),实现基于性能参数和振动参数的综合评估方法,获得基于小偏差法的气路故障判据,形成基于动力学分析的振动故障判据,提出故障特征融合的方法,通过算法实现故障融合识别,并在模拟试验器上进行涡轮叶片掉块故障试验验证,获得相应的故障诊断决策。结果表明:设计的发动机故障融合诊断方法合理,算法正确。     

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。     

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.     

临界短接--疑难故障诊断中值得关注的状态

1.临界短接的内涵一个网络从一种稳态达到另一种稳态,之间需要经历一个过渡,电路分析学科中称之为“暂态”,即电路完全响应表达式中的第一项。飞机的一个系统从正常到故障,之间也需经历一个过渡,许多故障的过渡状态非常短暂,类似于电路分析中的阶跃,如图1所示。另一部分故障,虽然过渡期略长,但发展趋势稳定,如图2所示。这两类故障相对而言较易诊断。较为罕见的过渡状态是在特定条件下它会保持较长时间,对偶然因素敏感,稍有变化,即可引起状态向不同的方向转化,使故障现象时有时无,或按常规无法分析诊断,甚至形成假象,引起误导,使诊断误入歧途…     

大功率三相异步电动机多功能保护电路

简述了大功率电动机故障产生原因、诊断方法.文中将由电器元件构成的传统保护电路与由电子元件构成的保护电路进行了比较,详细地介绍了所设计的多功能电子保护电路的电路结构,工作原理,保护功能和特点以及存在问题.电路主要由集成件构成,工作可靠,灵敏度高,可以在电动机自动控制系统的设计中作为单元电路参考应用.     

机载电子设备SRU级故障隔离方法

分析机载电子设备中SRU之间的关系,认为SRU之间存在着串联、分支、合并、反馈等关联方式;提出基于SRU级故障诊断的故障可检测定理和故障可诊断定理,以及多SRU结构的LRU故障诊断方法.     

基于CPLD的ARINC429总线手动发码器的设计

为了将机载设备的故障检测定位至器件级,研制了ARINC429手动发码器,通过以可编程逻辑器件为核心单元的硬件电路实现了ARINC429信息的输出,完成了样机设计,并已投入使用.     

某型干扰弹投放器故障的模糊诊断

干扰弹在电子战中用于对敌导弹制导雷达、火控雷达实施箔条干扰和对敌红外追踪系统等实施红外干扰。它的可靠性至关重要，因此装机前对它的投放器进行检测是非常必要的。针对干扰弹投放器的检测，采用模糊诊断的方法，通过对其输出的投放脉冲波形进行分析，确定故障症候集合，得出故障产生原因，并能将故障定位于某一确定的电路模块上。实践证明，该方法故障检出率高，能有效减少检测时间，大大提高工作效率。     

基于Hilbert-Huang变换的电机故障诊断与仿真技术研究

对永磁同步电机发生退磁故障的有效诊断,一直是业界关注的主要问题之一。在AN-SOFT公司MAXWELL2D软件环境下,通过设置不同的永磁体矫顽力参数数值,建立永磁同步电机（Permanent Magnet Synchronous Motor,PMSM）正常与退磁故障模型。再将模型导入SIMPLOR-ER软件,与该软件中的电机驱动电路建立动态联合仿真,获得定子绕组相电流仿真信号。采用先进的Hilbert-Huang变换方法,求取电机相电流内禀模态分量（Intrinsic mode function,IMF）的瞬时频率。通过对比正常与退磁状态下相电流IMF分量的瞬时频率,可实现对永磁同步电机退磁故障进行有效诊断。研究结果表明,采用Hilbert-Huang变换方法,可有效诊断电机退磁故障,解决了永磁同步电机退磁故障难以有效诊断的难题,具有较好的推广应用价值。     

克服复共线性影响的方法探讨

数据建模是参数估计与精度估计的主要手段，也是实际工程中进行系统故障诊断与修复的主要途径。然而，由于变量之间的复共线性性，严重影响了目前广泛应用于工程实际中的最小二乘方法、主成分估计等方法的收敛性与估计精度，也成为制约各种估计方法实用效果的主要原因。本文详细分析了复共线性影响参数估计的机理，全面讨论了克服复共线性影响的几种常用方法的思想及优劣，并给出了工程实际中在参数估计方面应注意的问题。     

旋翼系统典型故障的诊断与预测方法

在分析直升机旋翼系统典型故障的基础上,提出了旋翼系统典型故障的诊断与预测方法,包括:桨叶疲劳寿命预测方法,桨毂疲劳寿命预测方法,拉杆疲劳寿命预测方法,自动倾斜器轴承故障诊断方法等。同时,介绍了基于飞行状态识别,基于虚拟传感器,基于载荷实测的疲劳寿命预测方法和自动倾斜器轴承故障诊断方法的关键技术,说明了旋翼系统典型故障的可测试性以及实现旋翼系统基于状态维修(CBM)的可行性。     

模拟电路故障诊断技术研究

介绍了模拟电路故障诊断的现状及特点,对基于网络撕裂法的故障诊断方法进行了研究,探讨了基于BP神经网络的故障诊断方法及其在模拟电路上的应用,并指出了故障诊断技术的发展趋势。     

定子匝间短路时双馈异步发电机电磁转矩的研究

定子绕组匝间短路故障会引起双馈异步发电机气隙磁场的畸变,从而导致电磁转矩的变化,因此电磁转矩可作为故障特征之一。基于能量法分析定子绕组匝间短路故障前后电磁转矩的变化特征,建立了双馈异步发电机的多回路数学模型,并对其正常和不同程度匝间短路时的电磁转矩进行仿真计算。对仿真结果进行频谱分析,得到了定子绕组匝间短路故障前后电磁转矩谐波分量的变化规律,验证了理论分析的正确性。定子绕组匝间短路故障和电磁转矩的关联特征可以作为诊断定子绕组匝间短路故障的依据。     

Semi-supervised gear fault diagnosis using raw vibration signal based on deep learning

In aerospace industry, gears are the most common parts of a mechanical transmission system. Gear pitting faults could cause the transmission system to crash and give rise to safety disaster. It is always a challenging problem to diagnose the gear pitting condition directly through the raw signal of vibration. In this paper, a novel method named augmented deep sparse autoencoder (ADSAE) is proposed. The method can be used to diagnose the gear pitting fault with relatively few raw vibration signal data. This method is mainly based on the theory of pitting fault diagnosis and creatively combines with both data augmentation ideology and the deep sparse autoencoder algorithm for the fault diagnosis of gear wear. The effectiveness of the proposed method is validated by experiments of six types of gear pitting conditions. The results show that the ADSAE method can effectively increase the network generalization ability and robustness with very high accuracy. This method can effectively diagnose different gear pitting conditions and show the obvious trend according to the severity of gear wear faults. The results obtained by the ADSAE method proposed in this paper are compared with those obtained by other common deep learning methods. This paper provides an important insight into the field of gear fault diagnosis based on deep learning and has a potential practical application value.     

灰色系统关联分析在故障识别中的应用

通过对现场采集的齿轮故障文件进行诊断,说明通过多参数灰色关联度分析诊断法诊断齿轮故障及识别其故障类型,只要样本文件数据准确、可靠性强,在类似的工作条件下,诊断齿轮的故障是可行的,其效果是较好的。     

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.