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。     

基于交互多模估计策略的故障检诊方法

针对多模自适应（ＭＭＡＥ）故障检诊（ＦＤＤ）方法的局限性,提出了一种基于交互多模（ＩＭＭ）估计策略的动态系统中多重故障的检诊方法。交互多模估计是针对包含有结构以及参数的系统的一种效率较好的自适应估计技术,它提供了故障检测、诊断和状态估计的集中框架。通过对在传感器和作动器中含有多个故障飞机的仿真。结果表明,所提供的方法比其它方法能够更快、更可靠地检测和隔离出多重故障。     

应用BP-ART混合神经网络的推进系统状态监控实时系统

应用ＢＰ－ＡＲＴ混合神经网络提出了一种供推进系统状态监控实时使用的系统,其拓扑结构为： 第一层处理单元由ＢＰ神经网络组成, 每个ＢＰ网络代表一个相应的推进系统组件; 第二层处理单元为一个ＡＲＴ神经网络, 网络的每一个输出代表推进系统的一种“健康状态”, 据此可对其故障进行“诊断”。该混合结构充分发挥了两类网络的优点, 给出的具体应用实例也显示出在推进系统实时状态监控与故障诊断应用中的有效性     

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。     

基于故障树和神经网络模型的航天器智能诊断研究

提出基于故障树和神经网络模型的诊断方法,提出面向故障树的基于框架和广义规则的知识表示方法及相应的确定性和可能性推理策略,对于可能性推理的结果,通过基于神经网络模型的学习诊断来进一步确定其状态。在Ｗｉｎｄｏｗｓ环境下,用Ｂｏｒｌａｎｄ Ｃ＋＋实现了一个原型系统。通过对“实践４号”卫星能源系统故障模拟实验台的诊断验证了系统的有效性。     

外测系统突发性故障的诊断方法研究

外测系统突发性故障的检测与诊断在航天测控中有十分重要的意义。基于动态测量数据的容错处理技术, 建立了三组实用的过程故障诊断方法： 无须建模的容错平滑器方法; 基于模型拟合的容错辨识方法; 基于状态空间模型的有界影响滤波方法。这些方法既可用于对测控网跟踪质量的事后分析也可用于（准） 实时在线处理。仿真计算结果显示, 这些方法不但能够以１００％ 的准确率检测出脉冲型故障, 还可快速有效地检测出任何形式的关联型故障, 准确率达９８％以上。     

自适应变结构神经网络在航空发动机故障诊断上的应用

根据样本空间的内积特性,提出一种无需迭代学习的自适应变结构神经网络。它的特点是学习速度快,准确性高,且能根据出现的新样本,随时改变结构。在对某型航空发动机故障诊断中,比原软件包采用的方法在准确性方面有显着提高,而且维护工作量减少,并具有实时处理能力,因此有着良好的推广应用前景。      

液体火箭发动机故障特性动态模拟

以某大型泵压式供应系统液体火箭发动机为研究对象, 建立了液体火箭发动机非线性动态数学模型。针对已发生过或可能出现的故障形式, 以阶跃形式输入, 进行了故障状态下动态特性模拟。数值方法用四阶定步长龙格-库塔方法发展而成的自适应变步长龙格-库塔法。计算结果表明, 所建模型较精确合理, 数值方法满足故障模拟的要求。该工作为故障模式提取、监控参数优化选择、基于模型的故障检测与诊断等发动机健康监控问题的研究奠定了基础。