状态关联及其在故障树自动建造中的应用

为了对状态关联复杂的系统进行精确的故障诊断 ,需要开发包括状态关联的故障树自动建造方法。提出了描述状态关联关系的状态树与状态关联矩阵 ,依据状态关联设置了状态叠加算子 ,描述了状态关联在故障树自动建造中的应用     

一种低复杂度的Multi-h CPM相干解调算法及FPGA实现

多调制指数连续相位调制（Multi-h Continuous Phase Modulation,Multi-h CPM）是一种恒包络调制,具有多个周期出现的调制指数,因此其频谱效率和功率效率比单调制指数CPM更高,但其接收机的复杂度也随之增加。本文在倾斜相位（Tilted Phase,TP）的基础上采用频率脉冲截断（Frequency Pulse Truncation,FPT）和状态空间分割（State Space Partition,SSP）相结合的方法来降低多调制指数连续相位调制的复杂度,使相位状态由512降低到16,理论损耗约为0.8 dB。同时,对降低复杂度的解调算法在现场可编程门阵列（Field Programmable Gate Arrays, FPGA）上进行了验证。仿真和在线测试的误码率曲线接近理论分析曲线,和常用的128状态解调算法相比,资源消耗降低了约59%。     

低温推进剂加注液位信号智能处理技术研究

低温加注系统是运载火箭发射场地面支持设备的重要组成部分,包括低温介质的储存、运输、供给、控制以及安全等内容。由于低温推进剂本身存在低温沸腾、易挥发的特性,其加注过程十分复杂,为满足新一代运载火箭推进剂精准的加注要求,需要实时准确监测加注过程中贮箱内的液位高度。本文针对火箭地面加注过程的液位信号数据,对其三角波电压和线性波电压的特征进行分析、提取,基于BP（Back Propagation,反向传播）神经网络算法完成对不同加注状态的识别检测,并应用于传感器节数判别,优化了液位计算算法,降低了节数人为干预需求,提高了液位测量准确性。经实验测试验证,该方法可有效识别低温加注状态,识别准确率达到90%以上,用于液位信号处理中可显著提升液位高度计算的准确性。     

基于模糊综合评判的某型双发飞机电源系统状态评估

针对飞机电源系统状态难以准确评估的问题,提出了基于模糊综合评判的飞机电源系统状态评估方法。以某型双发飞机为例,根据该飞机电源系统故障统计数据,分析故障原因,得到了电源系统部件和故障指标的层次关系。采用层次分析法计算故障指标的权重,运用模糊综合评判法对电源系统各部件状态进行评估,并以某型飞机为研究对象,对提出的方法进行了验证。     

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。     

三级轴向旋流燃烧室流场结构研究

为深入了解燃烧室内流场,研究不同来流状态对燃烧室流场结构的影响,基于粒子成像速度仪(PIV)技术,对采用三级轴向旋流器的航空发动机燃烧室进行流场测量,分别在Case 1常温低压(0.49MPa)、Case 2常温中压(0.98MPa)、Case 3常温高压(1.64MPa)、Case 4全状态(高温813K高压2.78MPa)来流条件下进行。研究结果表明,同一燃烧室模型在不同速度、温度和压力来流下有基本相同的流场结构,但在中心回流区尺寸、角落回流区尺寸、主燃孔和掺混孔射流等细节方面仍有明显差异,来流压力较高的流场中心回流区向下游扩展更深入,角落回流区被压缩,主燃孔和掺混孔射流速度增加且进气比例增大。     

基于状态维修的预防性维修策略优化模型研究

基于状态的维修着眼于系统的具体运行状况,对被监测装备的真实状态进行评估,克服了维修的盲目性,可有效减少由于维修不足而引起的意外故障和由于维修过剩带来的资源浪费。提出一种基于状态的多部件系统非周期预防性维修计划的优化方法,引入"机会维修阈值"概念,优化不同维修方式转移概率的表达式,将多个维修作业按照机会维修阈值进行归并,运用马尔可夫决策过程理论,给出不同维修方式转移概率的表达式和目标函数,并进行算例分析。结果表明:提出的优化模型减少了预防性维修活动,节约了维修工时和经费,可为系统预防性维修策略决策提供参考。     

基于PID和LESO的无人机控制

针对四旋翼无人机控制模型耦合程度高、非线性关系复杂,设计了一种基于PID和LESO的控制方法,选取无人机的某个状态变量作为控制量,通过简化模型对状态变量进行解耦控制,进而在控制系统中加入线性扩张状态观测器(LESO),提高模型的抗干扰能力。通过仿真和实际飞行与传统PID方法进行比较,充分验证了自抗扰控制(ADRC)在无人机飞行控制中具有鲁棒性强、精度高、易于实现等特点。     

基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

改进BA优化的MKSVDD航空发动机工作状态识别

为了提高航空发动机工作状态识别准确率和效率,避免人工识别中存在的误判和耗时耗力问题,提出了基于混沌脉冲蝙蝠算法（CRBA）优化的多核支持向量数据描述（CRBA-MKSVDD）智能识别方法。研究了多核支持向量数据描述（MKSVDD）改进策略,引入混沌脉冲发射率提高了蝙蝠算法（BA）的收敛速度和收敛精度,得到了CRBA;通过CRBA优化MKSVDD的惩罚因子和核参数,同时对飞参数据进行了特征提取;基于特征飞参数据训练了CRBA-MKSVDD分类器,并对某型发动机一个飞行架次的工作状态进行了识别。结果表明,该方法识别准确率达到97.547 9%,可用于与发动机工作状态的相关研究和应用。