基于多方法联合的故障诊断技术研究

针对基于故障树（ FTA）的故障诊断方法存在的空间爆炸问题和基于神经网络的故障诊断方法存在的训练样本整理困难问题,将故障树和BAM神经网络融合的方法应用于航电系统故障诊断,利用FTA得到系统的故障模式,进而分析归纳出BAM的训练样本,通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。对航电系统进行故障诊断仿真分析,验证了方法的有效性。并联合基于BP神经网络故障诊断方法,将二者优点结合进行联合故障诊断,验证了联合故障诊断方法的可行性。     

航空发动机主轴轴承故障诊断

某型航空发动机的主轴轴承由于频繁出现早期失效而引起发动机故障,因此,对滚动轴承进行状态监测和故障诊断具有重要的实际意义。针对常规方法难以准确分析非平稳信号的局限性,本文研究了基于小波分析的滚动轴承故障诊断方法,通过滚动轴承外表面损伤的仿真信号进行小波包频谱分析,验证了基于小波分析的滚动轴承故障诊断方法是可靠、准确的,可以应用于航空发动机主轴轴承的状态监测和故障诊断。     

液压元部件测试性研究

对液压系统的主要元部件—液压泵的主要故障模式 ,详细研究了其失效机理 ,提出了相应的故障诊断方法 ,并利用试验系统对故障诊断方法进行了验证。研究表明 ,通过对液压泵压力信号、加速度信号及回油流量信号的测试 ,利用相应的故障诊断方法 ,可以有效地实现多故障诊断。本方法也适用于直轴泵     

基于粗糙集-神经网络的机载设备故障诊断方法研究

提出了一种基于粗糙集-神经网络的故障诊断方法。将粗糙集理论同神经网络结合起来可以用于机载设备的故障诊断。采用粗糙集理论对原始故障诊断样本进行处理,并根据条件属性对决策属性的正域的大小来选择条件属性,提取出对诊断故障贡献最大的最小故障特征集,从而确定神经网络的拓扑结构;通过训练神经网络建立故障特征与故障之间的映射关系,实现故障的诊断。通过A320飞机燃油系统的故障诊断仿真实例,表明这种故障诊断方法的有效性。     

飞机燃油系统实时故障诊断专家系统研究

对于飞机燃油系统故障诊断问题,提出了一种利用专家系统进行飞机燃油系统故障诊断的新方法。通过构建专家系统知识库和推理机,同时利用LabVIEW工具建立了相应的软件环境,开发了飞机燃油故障诊断系统。仿真结果表明,该系统很好地发挥了专家系统的智能性,能够快速准确地诊断出燃油系统的故障,并能提出有效的重构方案,完全适合于飞机燃油系统的故障诊断。     

航空发动机故障诊断算法测试平台

在MATLAB/Simulink环境下搭建航空发动机故障诊断算法测试平台。利用已有的民用大涵道比涡扇发动机非线性模型进行仿真得到航空发动机故障数据,数据既可以用于故障诊断算法的开发,也可以用于故障诊断算法的验证。对用户提供的故障诊断算法按照统一的评价标准进行分析,得出诊断算法优良性的量化值,使得不同结构、不同平台的诊断算法能直接作出比较。通过故障诊断算法的诊断结果进行分析,得到的评价结果可全面反映故障诊断算法的性能。     

利用BP网络进行发动机故障诊断的研究

探讨了利用人工神经网络的ＢＰ网络进行发动机故障诊断的特点。通过发动机实际故障样本和模拟故障样本对ＢＰ网络的故障诊断功能进行了研究，并且对ＢＰ网络与主因子模型两种算法进行了比较。     

基于改进模糊SVM的转子振动故障诊断技术

首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行的和有效的.     

基于Petri网的飞机交流发电机故障诊断系统研究

针对目前飞机交流发电机故障诊断专家系统存在的知识表示复杂、诊断速度慢等问题,基于故障Petri网方法来进行知识表达,以快速准确对故障进行诊断,首先利用故障Petri网来建立飞机交流发电机的故障诊断模型,然后采用关联矩阵和状态方程的推理算法进行故障诊断推理,提高了推理速度,易于编程实现。最后通过实例分析验证了该方法的可行性和有效性。     

基于改进模糊SVM的转子振动故障诊断技术研究

本文首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机（FSVM）的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行和有效的,为转子振动故障准确诊断提供了一种新方法。     

基于二叉树支持向量机的装备故障诊断研究

本文提出了一种基于二叉树支持向量机的某型装备故障诊断方法,应用该方法构造了多故障分类器,并通过某型装备故障实例验证了该方法故障诊断结果的正确性,证明了该故障诊断方法具有良好的鲁棒性和推广性。     

Online condition diagnosis for a two-stage gearbox machinery of an aerospace utilization system using an ensemble multi-fault features indexing approach

China manned space station is designed to operate for over ten years. Long-term and sustainable research on space science and technology will be conducted during its operation. The application payloads must meet the ‘‘long life and high reliability" mission requirement. Gearbox machinery is one of the essential devices in an aerospace utilization system, failure of which may lead to downtime loss even during some disastrous catastrophes. A fault diagnosis of gearbox has attracted attentions for its significance in preventing catastrophic accidents and guaranteeing sufficient maintenance. A novel fault diagnosis method based on the Ensemble Multi-Fault Features Indexing(EMFFI) approach is proposed for the condition monitoring of gearboxes. Different from traditional methods of signal analysis in the one-dimensional space, this study employs a supervised learning method to determine the faults of a gearbox in a two-dimensional space using the classification model established by training the features extracted automatically from diagnostic vibration signals captured. The proposed method mainly includes the following steps. First, the vibration signals are transformed into a bi-spectrum contour map utilizing bi-spectrum technology,which provides a basis for the following image-based feature extraction. Then, Speeded-Up Robustness Feature(SURF) is applied to automatically extract the image feature points of the bi-spectrum contour map using a multi-fault features indexing theory, and the feature dimension is reduced by Linear Discriminant Analysis(LDA). Finally, Random Forest(RF) is introduced to identify the fault types of the gearbox. The test results verify that the proposed method based on the multi-fault features indexing approach achieves the target of high diagnostic accuracy and can serve as a highly effective technique to discover faults in a gearbox machinery such as a two-stage one.     

基于扩展单故障策略的多故障诊断算法

目前存在的测试性分析和故障诊断工具基本都是基于单故障假设,这一假设已经不适用于拥有很多元器件的复杂系统或者在运行过程中很少或不具备维修机会的系统。针对这一问题,研究了有效的基于扩展单故障策略的多故障序贯测试算法。该算法以最优单故障策略为基础,通过应用附加测试来隔离隐藏故障;通过更新故障状态集,重新调用单故障策略来隔离冒充故障。以某型机载电子设备为例给出实例分析,验证了该算法隔离隐藏故障和冒充故障的有效性。     

发动机故障诊断的变记忆约束滤波算法

为提高故障诊断可靠性,给出了3种利用多次测量信息减少测量误差影响的方法,即变记忆约束滤波算法、分段算术平均预平滑算法以及指数顶平滑算法。其中,变记忆约束滤波算法能够有效地避免由于故障方程多重共线性所引起的病态解。证明了多故障诊断问题中滤波算法与分段算术平均算法的等价性,证明了在衰减滤波的条件下（第一变记忆因子小于1）,随测量点数的增加,变记忆滤波算法的第一变记忆因子与指数平滑的平滑系数之和趋近于1。利用计算机仿真方法对于所得结论进行了检验。     

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。     

三层三级民机修理级别经济性分析模型的改进

现代民机产品普遍采用模块化设计，具有多层次特点，相应的维修场所也表现为多个维修级别。现有修理级别分析（LORA）模型在移级维修和报废时，可能存在父单元与其内部封装子单元成本重复累加的问题。引入跟随行为矩阵，对子单元中因父单元层级约束而做出的决策进行标记，能有效地避免父单元与子单元成本被重复计算。在此基础上，考虑实际维修活动中无故障发现事件（NFF）、二次维修等人为因素对LORA决策的影响，建立适用于民机的修理级别分析模型，较已有模型更加真实地反映决策的预计成本，提高了决策的可信度和工程适用性。最后使用混合惩罚函数法将原问题转化为等价的无约束优化问题，采用改进的二进制粒子群算法（BPSO）对多故障模式下的三层三级案例进行仿真优化，验证了该经济性分析模型的合理性和求解算法的有效性。     

一种求解D-S诊断识别框架方法

利用D-S证据理论进行故障诊断时,首先需准确地确定出诊断识别框架,这是D-S故障诊断的先决条件.在导弹武器等复杂系统中,存在着故障原因与故障征兆之间关联关系不确定的现象,增加了求取诊断识别框架的困难.为此,提出了一种求取复杂系统的D-S诊断识别框架方法.首先,基于基本诊断模型,给出了诊断贝叶斯网络模型.以及求解诊断贝叶斯网络模型的方法;然后,给出了征兆集合等概念以及求解故障识别框架的方法;最后,通过示例验证了方法的正确性.     

Elman网络在某型自动驾驶仪飞控盒多故障诊断中的仿真研究

目前采用传统故障诊断方法对复杂系统进行故障诊断时,还存在许多缺点,尤其在多故障同时发生的情况下,传统故障诊断方法难以准确定位故障点。为此,基于Elman神经网络,结合故障字典法,设计了一种基于Elman网络的综合故障诊断方法。为验证该方法的准确性,以某型飞机自动驾驶仪飞控盒的几种主要故障为诊断源,仿真研究了所设计的综合故障诊断方法。仿真结果表明,与传统故障诊断方法相比,所设计的基于Elman网络的综合故障诊断方法在进行多故障诊断中对故障的准确定位是有效的和快速的。     

基于不完备知识的飞机发动机故障诊断研究

飞机发动机故障诊断需要厂家提供的诊断知识和不断积累的专家实践经验，具有不完备性。基于粗糙集理论，研究了一种从不完备诊断信息中获取诊断知识的方法。该方法将厂家提供的飞机发动机故障诊断知识和专家实践经验形成统一的诊断信息表，利用粗糙集的知识约简方法处理，获得一致的诊断规则，为飞机数字化维修技术的实现提供了保障。实例分析结果验证了所提出方法的有效性和优越性.