燃烧型喷流等离子体发生器及其电子密度诊断实验研究(英文)

以微型固体火箭发动机为模型,根据等离子体物理学和空气动力学,研制出燃烧型喷流等离子体发生器.利用朗缪尔探针阵列研究发生器喷流流场中电子密度轴向和截面的分布;在处理探针测量数据时,采用由带电粒子连续性方程和Poisson方程得到的朗缪尔探针连续流理论模型.实验结果表明:发生器产生的喷流流场为非均匀等离子体流场,流场中存在大量的自由电子和离子,喷流中心的电子密度最大超过4×1012cm-3.喷流等离子体发生器是一种非常有发展前景的飞行器隐身等离子体产生技术.     

航空发动机滑油综合监控中的磨损故障融合诊断研究

单一的滑油光谱监控手段容易漏报航空发动机磨损故障.根据滑油光谱监控和自动磨粒检测互补的特点,在某型航空发动机上实施滑油综合监控,应用Dempster-Shafer(D-S)证据理论实现发动机磨损故障的融合诊断,并开发出基于上述监控方法和信息融合诊断的滑油监控专家系统.通过对实际诊断案例进行分析,结果表明:提出的滑油综合监控和融合诊断方法可有效解决该型发动机轴承故障预报的难题.      

基于振动传递符号有向图的齿轮箱嵌入式传感器优化配置模型与算法

针对嵌入式条件下振动信号的采集方式、传递路径与传统方式不同的特点,采用有限元仿真方法,分析了嵌入式传感下齿轮箱故障振动的传递特性,在此基础上建立了基于故障振动传递符号有向图的优化配置模型,并研究了基于粒子群优化的求解算法.案例仿真结果验证了上述方法的有效性,为在齿轮箱内部合理嵌入传感器提供了一种可行途径.      

减速器振动信号的经验模态分解

时域同步平均是直升机减速器诊断技术的基础,目前这种方法依赖于转速传感器提供相位同步信号。探讨了应用经验模态分解代替时域同步平均分析减速器振动信号的方法。构建了一个减速器振动信号模型,提取了故障特征信号。对经验模态分解过程进行了理论推导,证明经验模态分解可以分离出故障特征信号,给出了信号分离的充分条件。将这种方法应用于直升机减速器的两种故障(点蚀和裂纹)振动数据,结果表明经验模态分解正确地分离出了故障特征信号,信号特征更为显著。     

航天发射故障基本分析方法

阐述航天发射故障诊断基本程序,提出航天发射故障分析方法和故障诊断方法。     

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.     

基于扩展故障树的运载火箭故障诊断专家系统

针对运载火箭故障诊断专家系统中知识获取的瓶颈问题,通过将扩展故障树分析法 和 基于规则的诊断专家系统有机结合,建立基于扩展故障树的运载火箭故障知识获取及表示方 法,实现了从扩展故障树到诊断知识的自动转换和诊断知识的规范化表示,解决了基于规则 的诊断专家系统的知识获取难题。在此基础上,结合扩展故障树给出了运载火箭故障诊断专 家系统快速推理策略。该策略基于诊断优先系数,实现了对发生概率大、结构重要度高、危 害严重的故障的优先诊断,并通过浅层推理与深层推理相结合,保证了推理过程的精确性和 严密性。     

产品UUT诊断策略设计与分析的工程化原则与实践

分析了系统研制中推广应用“被测对象（Unit Under Test,UUT）测试点与诊断策略设计与分析技术”的必要性和重要性。重点介绍了一种对UUT测试点与诊断策略进行书面设计与分析的简便有效的工程化方法,以及在应用中的实践经验与体会。     

传感器测量偏差下的航空发动机智能性能诊断

以某型涡扇发动机为研究对象, 构建了基于神经网络的航空发动机智能性能诊断方法, 讨论了测量噪声及测量偏差对诊断结果的影响及其处理方法.建立一簇并行的神经网络组和发动机模型, 通过比较各模型输出与发动机测量参数之间的误差, 判断传感器是否存在测量偏差.仿真结果表明, 该方法能有效消除测量噪声, 准确判断并隔离有测量偏差的传感器, 得出正确的发动机性能诊断结果.      

基于分布式专家系统的运载火箭故障诊断技术

针对运载火箭结构庞大,各分系统纵横交错、相互耦合的特点,基于分布式专家系统思想,提出了一种分布式运载火箭故障诊断技术方案.该方案采用产生式知识表达技术,将专家知识通过由测点表、征兆表、规则表和结论表组成的4表结构来表示,具有表述清晰、易于扩展和移植的特点.推理机制采用分布式推理和分级推理相结合的方式.分布式推理将运载火箭的系统级故障与各分系统级故障分别同时进行诊断,可有效提高诊断速度.分级推理将危害级别高的故障优先进行诊断,因此运载火箭一旦有危害程度大的故障发生时,可以及时发现、及时处置,从而使故障对系统的影响降至最低.