基于HHT的航空直流串行电弧特征提取方法

由于飞机内部布线空间有限、电弧故障存在发生时间地点随机以及特征不明显等问题，导致检测困难。本文基于航空270 V高压直流（HVDC）系统开展直流串行电弧故障特征提取方法研究，采用希尔伯特黄变换（HHT）提取电弧电流交流分量的时域和频域特征量。选择HHT的固有模态函数IMF5瞬时幅值的峰峰值和标准差作为识别电弧故障的时域特征，与原始信号中提取的时域特征量对比，正常和电弧特征量的区分度更大；选择HHT的固有模态函数IMF1+IMF2、一定频带范围内的瞬时幅值计算得到的谐波功率和作为区分正常和电弧情况的频域特征量。与常用的快速傅里叶变换（FFT）方法相比，HHT三维时频谱能够反映信号的局部特征，HHT方法计算得到的正常和电弧特征量之间的区分度更大，电弧和正常特征量的比值最高可达346。基于HHT的电弧故障特征提取方法能够更好地区分正常和电弧情况，有助于提高电弧故障的检测率，降低虚警率，具有重要的工程应用价值。     

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

作动器故障下的无人机容错控制方法

在执行任务过程中,无人机的传感器、作动器等均可能出现故障。文章针对常规布局无人机的作动器故障,提出了 1种反步法和控制分配相结合的容错控制方法。首先,建立无人机数学模型,并对作动器故障进行分类和建模;然后,根据模型设计反步最优控制器和基于控制分配的容错控制器;最后,通过仿真验证表明,所设计的容错控制方法能够实现作动器故障下的姿态快速稳定控制,且稳定性好,基本无侧滑角,各操纵面均在约束范围内,达到容错控制要求。     

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。     

基于故障字典的旋转整流器故障检测方法

以交流电为主要电源的飞机普遍采用无刷交流发电机作为发电装置,但由于半导体器件抗干扰、抗过载能力差,旋转整流器成为故障发生率较高的部件,文中介绍了利用快速傅里叶变换（FFT）通过对励磁电流的分析来检测可能出现的故障,并利用故障字典快速地判断出故障原因。     

飞控系统执行器模糊故障的鲁棒容错控制

以某型飞机为研究对象,对同时含有参数不确定性和执行器带有模糊故障的飞控系统,利用Ｒｉｃｃａｔｉ方程,融完整性,鲁棒性于一体,给出了状态反馈容错控制器的设计方法。并把此方法应用一某飞机纵向飞行容错控制中,仿真结果证了方法的有效性,为飞控系统的容错控制提供了一种有效的方法。     

模糊外展故障诊断方法在飞机电源系统中的应用

讨论了一种模糊外展（ａｂｄｕｃｔｉｏｎ）故障诊断方法在电源系统应用。该方法在确定故障的种类的同时,还可得到故障的严重程度。特点是在测量信号不完整时可得到一个观测到的现象的“覆盖”集合。     

试建立基于检测振动加速度信号的设备故障部位诊断模型

往复式压缩机、内燃机等复杂设备,一旦出现故障,诊断的首要任务是要判断它们的故障部位。以检测振动加速度信号取代传统的耳听手摸的经验方法是这类设备诊断的一个趋势。尝试着提出了基于检测振动加速度信号的设备故障部位诊断模型--单特征模型和多特征集成模型。通过在往复式压缩机和内燃机上的实例验证表明,提出的单特征模型和多特征集成模型具有一定的可行性,其中多特征集成模型比单特征模型更有效。     

角速率平台伺服机构的智能控制与容错研究

介绍了角速率平台伺服机构智能控制研制进展。用单片机控制,对角速率反馈通道实现了2次故障判别、1次系统重构。用Fuzzy控制建立了相应隶属函数,确定了故障判别阈值。实验表明系统工作稳定,故障的Fuzzy差别合理,故障通道切换平稳,重构后系统工作仍正常。     

智能诊断的定量推理机制和最优推理环境

描述和分析了一种新的基于智能信息处理的故障检诊方法,可以处理复杂动态系统故障检诊面临的复杂故障组合模式和时间特性。从推理机制的量化和推理环境的优选两方面完善了该理论,使其诊断能力、实时性和适用范围都得到提高。推理机制的量化是通过引入概率信息实现的。考虑到诊断过程中可能出现新的故障。又进一步引入了候选项集合扩张机制描述该现象,并提供了相关的概率计算公式。推理机制定量化使得诊断结果可以精确度量,检诊过程也可精确控制。推理环境优选则是通过引入熵信息实现的,由此提高了诊断效率。