基于综合模糊聚类算法的液体火箭发动机故障诊断

基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值(FCM)算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达968%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。     

演化策略用于高维故障样本集最优统计聚类分析

针对液体火箭发动机推进系统超高维故障样本数据的聚类问题 ,提出基于演化策略的最优统计聚类算法。为预防算法过早收敛 ,演化策略采用了父本适应值的动态调整值与共享函数 ,并针对超高维数据聚类提出了控制参数的适应性调整技术 ;为使算法能最终跳出局部最优死区 ,提出算法的局部调整策略。该算法用于液体火箭发动机典型故障仿真数据集分析 ,并取得了最优聚类结果。此外 ,还基于IRIS数据集比较了该算法与FKCN模糊自主聚类算法。仿真分析表明了算法在高维数据聚类分析中的优点。     

演化策略用于高维故障样本集最优统计的聚类分析

针对液体火箭发动机的眼高维故障样本数据的聚类问题,提出基于演化策略的最优统计聚类算法。为预防算法过早收敛,演化策略采用了父本适应值的动态调整值与共享函数,并针对超高维数据聚类提出了控制参数的适应性调整技术;为使算法能最终跳出局部最优死区,提出算法的局部调整策略。该算法用于液体火箭发动机典型故障仿真数据集分析,并取得了最优聚类结果。此外,还基于ＩＲＩＳ数据集比较降该算法与ＦＫＣＮ模糊自主聚类算法。仿     

液体火箭发动机健康监控──故障分析与仿真

以故障分析为目的，建立了一种大型泵压式液体火箭发动机的基本数学模型及实时数学模型，采用历史数据统计及数字仿真分析结合的方法，对发动机的故障模式及其效应进行了分析研究。提出了液体火箭发动机故障诊断系统的框架。为了对液体火箭发动机健康监控的算法及软件进行验证，以实时数学模型为基础，提供并建立了一个实时仿真验证系统。     

基于混合知识模型和混合推理策略的液体火箭发动机智能故障诊断

以某大型泵压式液体火箭发动机为研究对象，围绕着发动机知识的统一处理、定性定量知识的集成与转化以及基于知识的智能故障诊断推理等技术和难点，研究发展了发动机基于混合知识模型和混合推理策略的智能故障诊断方法，并结合实际热试车数据和故障仿真实例进行了验证。研究结果对设计和实现工程实用的液体火箭发动机故障诊断系统具有重要的参考价值。     

液体火箭发动机健康监控──故障检测与诊断

以大型液体火箭发动机故障诊断系统框架为基础，按照发动机不同工作阶段的特点建立了相应的故障检测与诊断算法。利用发动机的高队数学模型，对基于推广的卡尔曼滤波器技术的新息检测算法进行了研究。根据发动机系统工作过程的特点，建立了降阶故障模式响应模型，并发展了相应的故障模式检验方法。为了适应在线实时检测的需要，利用发动机的试验数据，分别研究了基于人工神经元网络辨识模型的发动机启动过程检测算法和基于时间序列分析方法的发动机主机工作过程检测算法。通过试验数据的检测验证，证明了这些实时算法的快速性、准确性和鲁律性。     

液体火箭发动机涡轮泵故障诊断的新方法

针对传统的液体火箭发动机涡轮泵故障诊断方法只能在有样本数据并且样本数据充足的情况下才能进行准确诊断以及诊断时难以提取状态特征的缺点,提出一种适用于涡轮泵在线监测及诊断方法,该方法利用生物免疫系统的反面选择机理,利用生物克隆和学习机理使改进型反面选择算法产生的检测器具有不同的检测半径,使其能更有效地覆盖异常空间,能有效地提取涡轮泵的状态特征,避免了检测器产生效率低等问题。实例诊断结果表明:该方法较好地解决了故障样本难以获取及有效地提取涡轮泵的状态特征的问题,能准确监测出涡轮泵各种常见故障所引起的异常并能准确诊断,较高诊断精度表明该方法是可行的,并且具有较好的在线性、准确性及鲁棒性,为液体火箭发动机涡轮泵故障异常检测探索了一条新路。     

奇偶空间法用于液体火箭发动机故障诊断

基于液体火箭发动机系统测量输出之间的内在一致性,直接利用液体火箭发动机试车的测量参数, 采用奇偶空间方法对仿真的液体火箭发动机１６种故障进行分离, 结果证明该方法对实现液体火箭发动机故障诊断有较好的效果。     

变推力液体火箭发动机的故障识别

讨论了专家系统在液体火箭发动机故障诊断中的应用，研制出一个基于阈值判断的故障识别专家系统，应用该系统成功地识别出变推力液体火箭发动机故障模式。     

动态神经网络在液体火箭发动机故障检测与分离中的应用

应用动态神经网络在线辨识方法，提出了一种液体火箭发动机故障实时检测与分离基本系统。检测逻辑通过度量包含发动机故障信息的辨识残差信号实现火箭发动机故障检测，故障分离通过分析辨识误差相关函数的不同空间特征来实现。仿真研究表明动态神经网络可成功地应用于泵压式液体火箭发动机故障检测与分离。     

基于滑窗检测的机载设备故障诊断仿真系统

根据机载设备故障诊断的需求,结合飞机性能监控系统的结构框架和机载设备的特点,提出基于快速存取记录器（QAR）记录的飞行数据和滑窗检测原理的机载设备故障诊断算法,并实现相应的机栽设备故障诊断仿真系统。在简述QAR数据译码与数据选择方法的基础上,论述了滑窗检测的原理并对其性能进行分析：设计实现了基于QAR的机载设备故障诊断仿真系统并给出仿真结果。结果表明,该系统可以有效诊断存在的故障,并能大大降低虚警概率,对保障飞行安全具有重要意义。     

Real-time fault detection method based on belief rule base for aircraft navigation system

Real-time and accurate fault detection is essential to enhance the aircraft navigation system’s reliability and safety. The existent detection methods based on analytical model draws back at simultaneously detecting gradual and sudden faults. On account of this reason, we propose an online detection solution based on non-analytical model. In this article, the navigation system fault detection model is established based on belief rule base (BRB), where the system measuring residual and its changing rate are used as the inputs of BRB model and the fault detection function as the output. To overcome the drawbacks of current parameter optimization algorithms for BRB and achieve online update, a parameter recursive estimation algorithm is presented for online BRB detection model based on expectation maximization (EM) algorithm. Furthermore, the proposed method is verified by navigation experiment. Experimental results show that the proposed method is able to effectively realize online parameter evaluation in navigation system fault detection model. The output of the detection model can track the fault state very well, and the faults can be diagnosed in real time and accurately. In addition, the detection ability, especially in the probability of false detection, is superior to offline optimization method, and thus the system reliability has great improvement.     

基于滑动时间窗主成分分析的液体火箭发动机传感器故障诊断方法

安装在发动机上的各种传感器是发动机状态监测的主要依据,由于工作环境恶劣,传感器失效时有发生。由于发动机运行过程中的性能蜕变和台次差异,现有基于主成分分析（PCA）的传感器故障隔离方法应用条件苛刻且诊断效果有限。针对这些问题,在对发动机数据分析的基础上,将滑动时间窗方法与PCA方法结合,提出双滑动时间窗的PCA方法用于故障传感器的隔离,并基于发动机试车数据进行了方法验证。结果表明：该方法能降低发动机性能蜕变和台次差异对发动机传感器故障诊断的影响,没有参数相关性的限制,可以实现对四种常见传感器故障的有效隔离,以及对两种发动机试验过程中故障的准确检测。研究证明了高速运转系统性能蜕变和强耦合复杂大系统台次差异对基于数据的故障诊断方法效果的影响,验证了在线学习/训练算法对这两种现象的鲁棒性。     

航天器在轨故障特征数据生成方法

针对故障特征数据模拟生成算法与航天器的原理、模型关联度高,航天器状态描述模型不成熟、难以应用于工程实践的现状,根据反映航天器在轨故障的遥测数据表现形式和变化时间长短,将航天器故障进行分类。从遥测数据变化的角度,针对每类故障遥测数据的变化特点,研究了符合每类故障数据变化规律的故障特征数据生成算法及基于WEB服务的故障特征数据生成原型系统实现方式。生成的故障特征数据在故障检测、诊断与预警等方面得到成功应用,使航天器对象、状态演化规则和测控信息产生等故障输入数据更接近真实的动态特征。     

基于免疫聚类分析的特征提取及其在发动机故障诊断中的应用

以提高航空发动机故障诊断的快速性和准确性为目的，基于人工免疫理论中的克隆选择算法，结合聚类分析方法，提出了基于免疫聚类分析的故障特征提取方法。该方法通过删除对分类无关的特征以及压缩类间相关特征，得到最有利于分类的子特征集，提高了分类器的分类性能。并且该算法具有本质上的并行性、计算效率高和聚类能力强等优点。多类支持向量机的分类实验表明，经过基于免疫聚类分析提取的特征对发动机的故障具有更好的识别能力，为发动机的状态监测与故障诊断提供了依据。     

考虑性能退化的航空发动机故障诊断量化评估

航空发动机全生命周期内的故障诊断一直是研究的热点,为保障航空发动机在性能退化条件下故障诊断算法的可靠性,对考虑性能退化的航空发动机进行故障可诊断性量化评估有着重要的意义。本文从状态量的可测量性以及最优观测器设计两个方面对退化状态下航空发动机的滑动窗口模型进行解耦处理。从故障可检测及可隔离两个方面对故障的可诊断性进行量化评估,以巴氏距离为量化标准,将量化评估问题转换为多元分布概率距离求解问题。同时,从故障空间的角度对故障可隔离性进行定义,剥离了参考故障模式的影响,将可隔离性转化为故障空间中故障模式的固有属性,并给出航空发动机故障可检测及可隔离的判据。仿真实验证明,本文所提出的方法可以在发动机性能退化条件下对控制系统传感器、执行机构故障以及发动机气路部件故障进行可诊断性量化评估。     

液体火箭发动机地面试车故障检测的自适应阈值算法

提出一种自适应阈值故障检测算法,其检测阈值由实时估计的参数均值、标准差及由训练算法得到的带宽系数计算。用某发动机22次点火试验的试车数据进行离线故障检测,结果表明其综合性能优于红线系统和SAFD算法。     

基于一种灰色聚类滤波算法的飞机远程故障诊断虚警辨识方法

 在航线排故过程中,常会出现飞机远程实时故障报文信息的“飞机通信与寻址系统(ACARS)虚警”现象,使排故效率降低。对此,本文将灰色聚类和滤波理论结合提出了一种新的辨识算法——灰色聚类滤波算法,将常增益滤波引入灰色聚类算法,在灰色聚类算法中使用ACARS报文故障的当前数据分类故障、判断虚警的基础上,增加报文故障的历史数据,用滤波方法将历史的和当前的数据结合起来,提高辨识虚警的准确性。本算法应用于航空公司的波音777机队,能够有效辨识飞机实时故障报文信息中的虚警。     

传感器故障检测、识别和适应方法

对现有的方法进行了研究，着重阐述用检测滤波器思想进行传感器故障检测、识别和适应的方法。并利用这些方法，对一个具体的模型设计一个传感器故障检测、诊断和适应系统。通过故障仿真计算，验证了本文提出的方法使用的有效性     

液体火箭发动机启动过程实时在线故障检测算法

利用神经网络技术实现了液体火箭发动机启动过程的非线性辩识；提出并实现了一种基于辩识误差检验的故障检测策略。经大量实际发动机热试车数据验证表明，所提出的检测算法十分有效。由于算法所利用的监测参数均系实际发动机地面试车中所测量的参数，且检测算法在线工作时计算量十分小，因而所提出并实现的检测算法可以直接应用于工程实际。