多工况过程动态SDG故障诊断

通过分析多工况过程的故障动态特性,在符号有向图(SDG)中引入工况条件,补充对未测节点的表达,提出了一种新的定性描述模型——过程动态有向图,给出了建模方法和基于故障依赖性关系 D 矩阵的诊断流程.该模型满足了随工况变化调整结构和参数的需求,诊断算法解决了实际系统部分状态常常因未测量而造成信息缺失的问题.同时综合不同过程的SDG诊断能改善静态SDG模型定性推理分辨率.利用提出的方法建立了某民用飞机发动机引气系统的诊断模型并进行了诊断,结果表明该模型有效且实用.      

面向民用飞机排故的增强型符号有向图

针对民用飞机故障的动态特性及维修体制,在符号有向图（SDG）模型中引入动态元素,并融合系统结构模型,提出一种结构和参数能随工况变化而调整的增强型有向图（ESDG）模型。进而提出基于故障依赖矩阵的相容根树搜索算法与分层诊断策略,能解决实际排故中常常因部分状态未测量而造成诊断信息缺失的问题。该方法能满足分级维修中不同诊断精度的要求。多个工况的综合诊断进一步提高了推理分辨率。最后以某民机发动机引气系统为实例说明了该方法的有效性。     

基于TMSDG的民用飞机故障诊断隔离策略

 针对民用飞机排故时交互式故障诊断与隔离需求,在符号有向图(SDG)中补充状态节点的故障概率信息和未测状态表达,引入对测试节点的描述,提出了一种附带测试维修信息的SDG(TMSDG),给出了基于此模型的交互诊断流程。首先根据初始征兆获取可疑集,然后综合可靠性和测试代价等因素生成一种基于最小测试代价的诊断二叉树对初始可疑集进一步隔离。该模型能描述复杂系统中存在的状态关联和故障测试依赖关系,对其中故障进行交互式诊断和隔离指导。利用该方法建立了某飞机发动机高压引气的诊断模型,实验结果表明提出的方法有效。该方法适用于飞机的外场故障诊断与隔离。     

涡轮冲压组合发动机燃油系统温升仿真研究

为了实现涡轮冲压组合发动机(简称组合发动机)燃油系统温升仿真计算,基于Flowmaster软件平台首次建立了组合发动机燃油系统温升仿真计算模型,为提高精度,根据试验数据自定义了航空煤油随温度压力变化的物性模块代替软件内置物性模块,基于此进行仿真计算得到不同工作模态下燃油系统温升情况。计算结果表明:涡轮模态工况下自定义物性模块计算得到的主要节点温升与软件内置物性模块相比总体偏低,且压力变化越大计算结果偏差越大;模态转换期间各子燃油系统流量迅速变化对燃油温度影响十分显著;冲压模态工况下燃油流量为2.68倍主燃烧室燃油流量时,可承受的最大发动机热负荷为400kW,最大飞行马赫数为5。实现了对发动机燃烧室入口燃油温度的预测和评估。     

基于定性定量知识集成的液体火箭发动机故障诊断方法

首先从知识表示和处理的角度对 SDG方法进行了简要的分析 ,然后根据液体火箭发动机系统的特点 ,提出了改进的途径 ,通过建立只包含发动机测量变量的 SDG,对故障模式进行初步诊断 ,然后对不能区分的故障模式采取加入适当定量信息的办法来进行进一步诊断 ,并对液体火箭发动机中出现的多故障模式建立了诊断方法。测试结果表明本文所提出的方法是可行的     

航空发动机内窥检测智能诊断专家系统

内窥检测在航空发动机维护中得到广泛应用,但是目前的人工检测方式已经难以满足民航业的需求,将智能诊断专家系统引入到航空发动机内窥故障检测中,并集合了基于规则的专家系统和基于案例的专家系统的优点．研究了一种航空发动机内窥检测智能诊断混合专家系统,该系统首先对处理后的内窥图像进行规则推理,若无法找到匹配规则再转入案例推理,直至给出故障诊断结果和维修策略。通过实验检验,专家系统可以准确、快速地给出诊断结果。     

基于快速原型的涡扇发动机气路部件在线健康监控系统设计

为实现涡扇发动机全包线范围内具有较高精度的快速实时仿真,结合快速原型技术和发动机非线性模型设计了一种气路部件在线健康监控系统。该系统采用涡扇发动机非线性模型模拟真实发动机进行实时计算,并将基于优化拟合法获得最优的发动机线性化模型融入扩展Kalman滤波算法,对气路部件健康参数进行实时跟踪,将该跟踪方法运用于基于CompactDAQ和CompactRIO平台设计的发动机在线故障诊断原型系统进行仿真试验验证。仿真结果表明,基于快速原型技术与发动机非线性模型构建的在线健康监控系统能够实现对气路部件故障的有效诊断,平均正确率达到98.28%。     

基于规则的航空发动机孔探图像诊断方法研究

针对军用航空发动机内部损伤频率高、诊断决策时间长的问题,运用基于规则的推理方法,结合案例推理,进行了航空发动机内部损伤维修决策的专家诊断研究,开发了基于孔探图像的航空发动机内部损伤维修决策专家系统。依据领域专家的经验,通过分析得到了对该型发动机的专家知识,并将其转换为if-then的知识规则存放于知识库中;利用图像处理方法,对损伤进行测量,得到损伤的尺寸参数;根据损伤尺寸,依据相应的知识规则,应用正向推理得到损伤的维修决策。运用多个航空发动机内部损伤实例验证了所开发的专家系统的有效性。     

基于NN-ELM的航空发动机燃油系统执行机构故障诊断

提出了一种航空发动机执行机构及其传感器单一故障诊断及定位方法.首先通过执行机构模型判断是否发生故障,然后运用发动机逆模型对故障进行定位.基于离线训练BP(back propagation)神经网络建立执行机构模型,根据某半物理仿真试验台的测试数据训练网络参数.提出离线训练和在线训练相结合的极端学习机(ELM)算法建立发动机逆模型,使网络在初始时刻就具有诊断能力,工作过程中具有适应能力,且在线训练过程采用阈值判别法筛选训练样本,减小了在线训练时间,提高了逆模型的实时性.以某型发动机燃油系统执行机构为例的设计和仿真结果表明:该诊断系统能够准确地对发动机在稳态和动态工况以及蜕化状态下的执行机构及其传感器单一故障进行准确诊断和定位,具有很好的实时性.      

基于状态分类评价的发动机故障诊断专家系统

传统的专家系统,完全在假设的情况下诊断,诊断效率不高,对监控数据很难量化,不易提供线上诊断.为了解决这个问题,提出基于状态分类评价的专家系统,依据发动机构造的特点,将技术状态分成2类:物理类和逻辑类.物理状态通过基本功能参数与零件几何特性关系建立动态故障模型,逻辑状态通过推理对专家知识采用D-S算法和预测故障程度相结合的方法.从而达到对发动机故障进行整体诊断.