航天器智能诊断系统开发研究

提出了基于故障树的故障报警方法和诊断方法,提出了面向故障树的报警知识和诊断知识表示方法及相应的报警和诊断推理策略,最后,在Windows环境下,用BorlandC++实现了一个原型系统,并通过对“实践-四号”卫星能源系统故障模拟实验台的诊断验证了系统的有效性。     

液体火箭发动机故障检测与诊断综述

对健康监控技术的中心问题－故障检测与诊断方法进行了综述，对可能用于液体火箭推进系统的各种故障检测与诊断方法进行了系统分类和详细评述，指出了近期必须研究和完善的几项主要工作。     

液体火箭推进系统健康监控技术的演变

按照液体火箭推进系统对健康监控的需求，考虑现代科技进展所提供的现实可能，叙述了液体火箭推进系统健康监控技术的演变。阐明了故障检测与诊断所遵循的基本原则。对系统框架、故障模式、故障检测与诊断等法、控制措施、传感器技术等作了扼要的介绍。还论述了液体火箭推进系统健康监控技术的演变趋势。     

SDES：一种卫星入轨故障诊断专家系统原型

文章探讨利用专家系统技术和汉语语音合成技术等,实现航天器智能测试诊断的问题,介绍以此为目的开发的一种卫星入轨故障诊断专家系统原型,和实现这种原型过程中的主要工作,如问题择选、硬软件工具选择、硬件环境设计、软件环境设计、知识获取、系统结构设计、系统实现、存在问题分析与发展考虑等等。     

利用改进时序模型提取空间推进系统特征参数

介绍了利用改进时序模型提取空间飞行器推进系统特征参数的方法，利用此方法，结合某飞行器推进系统试验的实测数据，提取出了相应的特征参数，并以此为基础得出了故障判据的阈值，数据回访表明此阈值较领域专家提供的阈值对“泄漏”故障更为敏感，结合多参数辅佐检测，可以很好地完成推进系统的故障检测功能，具有工程实用可行性。     

一种基于知识推送的故障诊断系统

分析了基于知识的故障诊断,针对现有系统不能主动将知识在适当的时候传递给决策者的缺点,提出了一种基于知识管理的、以数据流驱动的、知识主动推送的故障诊断系统的体系结构,分析了其主要层次结构及知识的组织和管理,提出了以数据流驱动的知识主动推送方式.建立了知识主动推送的控制模型,开发了知识管理和数据流驱动的集成原型系统,并以液体火箭发动机试车台的故障诊断为例,实现了基于知识推送的故障诊断系统,后续实验证明了该方法的有效性.      

雷达检测性能试验等效推算方法

 雷达检测性能是雷达最基本、最重要的性能,雷达检测性能试验是雷达试验的重要内容。由于各种原因,针对雷达的系统级原型试验常常难以开展或者只能极少量地开展,通常只能通过进行大量等效试验来辅助雷达性能的鉴定评估工作。本文针对缺乏原型试验条件下的雷达检测性能评估问题,提出了一种基于试验数据分析的雷达检测性能等效推算方法。首先给出了等效试验与原型试验之间的差异性度量方法,它是等效推算和性能评估的基础;接着对存在原型试验条件下的等效推算方法进行了研究;而后针对通常无法进行原型试验的实际情况,提出了一种基于预测模型和仿真试验相结合的零子样原型试验条件下的等效推算方法;最后通过仿真实例验证了本文方法的合理性和可行性。     

航空发动机高压转子试验模型的动力学相似设计

为了获得能够替代航空发动机转子原型进行动力学试验的模型，提出了发动机转子系统试验模型的动力学相似设计方法。采用相似理论推导了转子系统缩比模型的动力学相似准则，继而建立缩比模型与原型的动力学相似关系。通过动力学优化方法对转子缩比模型的动力学等效模型进行修正，目标函数由固有频率、临界转速和振型组成。以双转子发动机高压转子系统的动力学相似设计为例，通过有限元仿真对设计方法的有效性进行了验证。结果表明，在设计转速范围内，动力学相似模型与原型的前两阶临界转速相似误差分别为3.92%和0.86%，对应振型的相关性均大于0.98，且模型与原型的模态应变能分布基本一致。通过该方法获得的动力学相似模型能够较好地预测原型的动力学特性，并有效降低模型试验的成本和难度。     

液体火箭发动机基于关系模型的故障诊断方法

提出了一种新的描述液体火箭发动机系统的定性模型，阐述了系统部件行为模型和结构模型的构建方法，给出了求解基于关系模型诊断问题的推理机制，建立了液体火箭发动机基于关系模型的故障诊断方法。以空间推进系统为研究对象进行了实例诊断分析，结果表明：该方法是一种有效的基于定性模型故障诊断方法。     

基于CBR和RBR的航天测控设备故障诊断专家系统

采用CBR和RBR混合推理设计了航天测控设备故障诊断专家系统，建立了系统的层次诊断结构模型。介绍了产生式和基于案例的知识表示方法，并详述了系统所采用的基于规则和基于案例的诊断推理机制。最后，基于CLIPS和Visual C 混合编程的方法进行了系统实现，详细介绍了两种语言的嵌入设计。     

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.     

涡喷发动机供油调节系统的故障仿真及分析

供油调节系统的性能是影响发动机可靠性的重要因素。针对某弹用涡喷发动机，在综合已经发生的各种故障基础上，提出了发动机供油调节系统的故障模式集，并通过发动机及其供油调节系统的联合仿真平台，采用改变模型参数和结构的方法对三种典型故障进行了仿真分析和评估。结果表明：供油调节系统故障对发动机正常工作有很大影响。所采用的仿真方法具有实际的工程运用价值。     

A strong robustness open-circuit fault diagnosis strategy for novel fault-tolerant electric drive system based on d-q-axis current signal

To diagnose the Open-Circuit (OC) fault in the novel fault-tolerant electric drive system, based on d-q-axis current signal, a strong robustness diagnosis strategy is proposed and investigated. Fewer independent power supplies and converters are required in the novel fault-tolerant electric drive system based on Dual-Winding Permanent Magnet Motor (DWPMM), and the system’s reliability, usage ratio and power density have been improved compared to the conventional fault-tolerant motor drive system. However, the novel fault-tolerant electric drive system has the OC fault diagnostic false alarms issue when load changes suddenly or under light-load condition. And it lacks the research on the diagnostic method when the system encounters intermittent OC fault in power switches. By theory derivation, simulation and experimental verification, it can be concluded that the proposed strong robustness OC fault diagnosis strategy based on d-q-axis current signal can overcome the OC fault diagnostic false alarms issue when load changes suddenly or under light-load condition. And it can detect and locate the OC fault of single-phase winding in real time, and diagnose the intermittent OC fault of power switches.     

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.     

基于模型的故障诊断方法在飞船推进系统中的应用

在飞船推进系统的物理和数学模型的基础上,研究了基于模型的故障诊断方法在飞船推进系统中的应用。该方法是某飞船推进系统状态监测与故障诊断专家系统中的关键技术之一。仿真结果表明,这项技术的提出和应用使得根据系统模型对推进系统的不可预知故障进行监测和诊断成为可能。     

A new bearing fault diagnosis method based on modified convolutional neural networks

Fault diagnosis is vital in manufacturing system. However, the first step of the traditional fault diagnosis method is to process the signal, extract the features and then put the features into a selected classifier for classification. The process of feature extraction depends on the experimenters’ experience, and the classification rate of the shallow diagnostic model does not achieve satisfactory results. In view of these problems, this paper proposes a method of converting raw signals into two-dimensional images. This method can extract the features of the converted two-dimensional images and eliminate the impact of expert’s experience on the feature extraction process. And it follows by proposing an intelligent diagnosis algorithm based on Convolution Neural Network (CNN), which can automatically accomplish the process of the feature extraction and fault diagnosis. The effect of this method is verified by bearing data. The influence of different sample sizes and different load conditions on the diagnostic capability of this method is analyzed. The results show that the proposed method is effective and can meet the timeliness requirements of fault diagnosis.     

集成时间信息的液体火箭发动机故障诊断推理

提出一种液体火箭发动机集成时间信息的定性建模和故障诊断推理方法。该方法以谓词逻辑公式和子句的形式对发动机定性特征和试车过程中的观测信息加以描述，同时基于归结原理和假言推理规则的演绎推理方法进行诊断问题求解。结合实际试车数据的检验结果表明，该方法为液体火箭发动机试车过程中动态诊断知识的表达和组织，提供了一种简洁有效的方式．计算量小．检测速度快，且具有较强的诊断能力。     

机载火控系统故障诊断技术研究

火控系统是高科技的复杂系统,故障诊断的难度较大。本文针对故障诊断领域的特点,介绍了一个用于火控系统故障诊断的专家系统。它利用测试装置和诊断测试软件,对火控系统的故障进行准确快速的自动定位,为技术人员进行航空火控系统的性能及故障检测提供了便利。     

航空发动机整机振动故障模糊信息熵诊断方法

为了获得航空发动机整机振动故障征兆与故障原因之间难以确定的复杂隶属关系,提高故障诊断的准确率,基于模糊数学理论和信息熵理论,提出了基于模糊信息熵的发动机整机振动故障融合诊断方法。通过建立模糊信息熵融合诊断的数学模型,使定量分析与专家经验和定性分析相结合,并应用于某型航空发动机整机振动故障诊断。实际应用表明,基于模糊信息熵融合的诊断模型较单一的模糊诊断模型准确率明显提高,验证了该方法用于航空发动机整机振动故障诊断是有效的。