基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断

针对飞机起落架液压系统故障诊断精度低，深层故障特征提取困难的问题，提出了一种基于双路特征融合卷积神经网络（TSFFCNN）与粒子群优化支持向量机（PSO-SVM）结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入，采用一维卷积神经网络（1DCNN）与二维卷积神经网络（2DCNN）并行多通道网络结构自适应提取深层特征信息，并在融合层将深层特征信息融合，通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果，基于AMESim搭建了典型飞机起落架液压系统仿真模型，构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明，所提故障诊断算法精度能达到99.37%，能够有效实现起落架液压系统故障诊断；与其他智能算法对比，基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性，诊断精度更高。     

一种基于故障匹配的多重故障诊断方法

针对航空发动机数控（ FADEC）系统的传感器、执行机构为故障多发部件,并且目前国内的故障检测方法缺乏通用性的问题,基于故障诊断中卡尔曼滤波器的原理,以白噪声作用的一般离散线性随机系统为对象模型,结合多重故障假设法以及智能影响因子改进的残差平方加权和方法处理统计量信息,设计基于多重故障匹配卡尔曼滤波器（ FMKF）的故障诊断系统,可适用于FADEC系统多传感器与执行机构的软、硬故障诊断。仿真结果表明,方法能及时有效地检测到故障元件,并实现故障隔离,较常规滤波器,准确率高。     

基于专家知识的故障诊断隔离系统研究

对试飞阶段外场维护故障信息进行提炼,建立了基于专家知识的飞机排故系统,节省排故时间,提高故障诊断效率。针对已有故障,分析同一故障描述下多种隔离方法无法选择的问题,提出了基于信息库的灰色关联优化模型。针对新兴故障无从下手、排故效率低、周期长的问题,建立了基于电子交互维护手册(IEMM)的故障诊断系统。本文故障诊断系统可保证维护人员在故障发生时更有效地分析故障原因、隔离方法,提高自主排故及外场维护能力。     

基于原子搜索Kriging模型方法的民用飞机液压系统温度监测

温度是民用飞机液压系统性能的重要表征参数之一,为有效实现液压系统温度监测,基于Kriging 模型和原子搜索算法（ASO）,提出了一种基于原子搜索Kriging 模型（ASOKM）方法。首先,针对液压系统温度故障发生原因进行分析,建立其故障逻辑图,明确影响液压系统温度的特征参数;然后,结合快速存取记录器（QAR）数据,论述了ASOKM 方法建模原理;最后,通过某型国产民用飞机液压系统温度监测分析,对所提出的ASOKM 方法进行有效性验证。研究结果表明：ASOKM 方法的训练平均绝对误差、监测平均绝对误差低于响应面（RSM）、Kriging、BP 神经网络（BP-ANN）模型,具有较高的精度、效率和鲁棒性。所提方法可以为液压系统可靠性分析、故障诊断、预测维修提供借鉴。     

基于模型的故障诊断在飞机电源系统中的应用

传统故障诊断方法越来越难以应付更加复杂和智能化的现代飞机电源系统,基于模型诊断方法是为了克服传统诊断方法的缺点而兴起的一项新型的智能故障诊断技术。运用基于模型的故障诊断原理,建立飞机电源系统的定性仿真模型,对飞机电源系统负载故障进行模拟故障诊断,分析电源系统关键部件的故障对关键负载的影响,验证飞机电源系统的可靠性。     

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。     

基于DRSN与电压幅值分析的航空HVDC系统逆变器故障诊断

机载270 V高压直流（HVDC）系统的故障诊断一直是航电领域中的一个难点问题,为此提出了基于深度残差收缩网络（DRSN）的故障模块识别算法与基于线电压幅值分析的故障器件定位算法。首先对系统总电流进行采集,并进行差值标准化处理获得特征数据;根据特征数据的特点,利用Flatten层对原有DRSN结构进行改进,来提高算法对故障模块的识别精度。在确定系统逆变模块故障之后,利用两相线电压之比确定出故障相,再利用线电压均值模型确定故障器件。相比于现有方法,所提方法仅使用1个电流传感器和2个电压传感器便实现了系统故障诊断,满足了飞机对重量的限制要求。实验证明：所提出的方法故障模块识别精度,以及故障器件定位精度可达97%以上,具有较好实用性。     

发动机故障诊断主因子模型故障相关性准则的研究

】主因子模型是发动机状态诊断（基于故障方程的故障诊断）理论的一个新进展。故障相关性准则的正确选取是主因子模型的核心问题。本文给出三种建立故障相关性准则的途径，即利用线性回归分析、时序分析和系统辨识理论中的定阶准则建立故障相关性准则，以及利用数理统计中的线性模型线性假设显著性检验理论和区间预测理论建立故障相关性准则。文中对所得到的１１个准则进行了比较。研究结果表明，利用线性模型线性假设显著性检验理论建立的两个准则（变量显著性准则ＶＳＣ和子集显著性准则ＳＳＣ）要比近代回归分析、系统辨识或时序分析中通常采用的选择最优变量子集的定阶准则具有更强的故障辨识能力和鉴别线性模型多重共线性的能力。     

基于故障树的液压系统污染故障诊断技术研究

为解决某型直升机液压系统污染问题,提出了基于故障树的故障诊断方法,并结合实际工作经验,建立了故障树模型。为了检验故障树模型的有效性,结合实例进行了故障诊断分析,通过对故障现象的不断分析,确定了产生故障的根本原因。在整个诊断过程中,最大限度地减少了测量、试验次数,提高了故障诊断的效率和实用性。     

一种基于FMEA的故障诊断贝叶斯网络快速构建方法

贝叶斯网络(BN)建模问题一直是其在故障诊断应用领域的瓶颈,实际的工程系统中,贝叶斯网模型构建存在许多困难,提出一种基于故障模式影响分析(FMEA)的BN建模技术.首先,在分析现有FMEA所包含的故障信息基础上,提出基于单条FMEA记录的贝叶斯网络片段构建方法;然后,利用故障模式与故障原因因果传递关系将贝叶斯网络片段集成为系统贝叶斯网络模型;最后,以某型飞机前轮转弯系统为例进行BN模型构建和分析.结果表明:本文基于FMEA建立的BN模型不仅避免了传统建模过程中对大量工程经验的需求,并且突破了FMEA定性分析能力,能够有效融合多源信息对工程系统进行定量分析和故障诊断.     

基于双模型滤波算法的环控系统换热器故障诊断

 在建立飞机环控系统数学模型的基础上,提出采用双模型滤波方法进行参数估计、状态预测和故障诊断,提高飞机环控系统故障诊断的快速性和准确性。如果采用最小二乘算法,参数估计是静态的,故障诊断延迟一般较大;采用单模型扩展Kalman滤波算法,虽然能够实现动态估计,但不能同时兼顾稳态过程和过渡过程（突发故障）的参数估计,导致误差较大。为了解决上述难题,针对飞机环控系统换热器故障诊断,提出两模型滤波算法。该算法由两个滤波器组成,分别用于跟踪系统的稳态和过渡过程。由于采用了两滤波器模型分别匹配不同的系统特征,能够改善飞机环控系统不同状态下的参数估计和状态预测性能,从而提高系统故障诊断的精度和速度。仿真结果证实了该算法的有效性。     

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。     

航空发动机的模糊故障诊断方法研究

提出了一种基于T-S模糊模型的故障诊断方法, 该方法从样本空间提取模糊规则, 在模糊系统参数最优化的同时实现了对模糊系统结构的自适应优化, 并给出了故障判定的阈值确定方法.以某涡扇发动机定检稳态的机载记录数据为依据, 将基于T-S模糊模型的故障诊断方法应用于航空发动机, 研究结果表明, 该方法能准确地判定某涡扇发动机的健康状况, 将其应用于航空发动机故障诊断是可行、有效的.      

复杂动态系统的故障检测与诊断

提出元件模态转变的单向性假设以替代通常的诊断过程中元件模态不变的假设,指出模型基础诊断方法是适合此类系统的基本诊断方法。由此提出一套用于复杂动态系统故障检诊的综合检诊策略IFDDS（Integrated Failure Detection and Diagnosis Strategy）,针对飞控系统开发了其具体的检诊算法。     

基于MISG算法的风力发电机液压变桨系统故障诊断

针对受状态延时影响的风机变桨系统故障诊断,提出了一种基于多新息随机梯度(MISG)的故障诊断方法。该方法将复杂系统转化为状态空间模型,并建立系统辨识模型。将新息标量扩展成新息向量改善算法精度,利用系统发生故障引起参数改变的特征,算法对风机状态延时变桨系统完成参数估计,将系统故障诊断问题转换为系统辨识问题。仿真所得结果验证该方法可以达到诊断风机状态延时变桨系统故障的目的。     

航空发动机故障诊断装置硬件在环实时仿真平台

硬件在环仿真是将算法由理论转为实际应用的重要步骤,而针对航空发动机故障诊断算法的硬件在回路仿真平台的研制目前还处于初级阶段。基于已有的民用大涵道比涡扇发动机非线性模型,利用基于x PC的自动代码生成技术,搭建了基于工控机与DSP的故障诊断装置硬件在回路实时仿真系统,并对平台的性能参数、使用流程进行了说明。提出了1种故障诊断算法并进行了硬件在回路验证。针对搭建的平台,提出1种故障诊断算法的评价标准。     

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。     

基于基因算法的加工质量故障诊断研究与实现

以基于节约覆盖集理论的概率因果诊断模型为理论基础,以基因算法为该模型的求解策略,两者结合起来解决质量管理界的难点问题之一--机械加工过程质量故障诊断问题,其中又以构造一个合理有效的基因算法个体适合度评价函数为重点,同时引入了故障树分析方法,来提高诊断模型的准确性和可解释性。应用研究表明,该方法将有效地解决加工质量的诊断与改进问题。     

Integrated active fault-tolerant control using IMM approach

An integrated fault detection, diagnosis, and reconfigurable control scheme based on interacting multiple model (IMM) approach is proposed. Fault detection and diagnosis (FDD) is carried out using an IMM estimator. An eigenstructure assignment (EA) technique is used for reconfigurable feedback control law design. To achieve steady-state tracking, reconfigurable feedforward controllers are also synthesized using input weighting approach. The developed scheme can deal with not only actuator and sensor faults, but also failures in, system components. To achieve fast and reliable fault detection, diagnosis, and controller reconfiguration, new fault diagnosis and controller reconfiguration mechanisms have been developed by a suitable combination of the information provided by the mode probabilities from the IMM algorithm and an index related to the closed-loop system performance. The proposed approach is evaluated using an aircraft example, and excellent results have been obtained