深度卷积神经网络在轴承多故障复合诊断中应用研究

基于深度学习具有强大的自特征提取能力和较优的分类能力,将深度卷积神经网络引用到轴承的故障诊断中,提出了基于一维深度卷积神经网络的轴承复杂工况故障诊断方法。在提出的方法中,将轴承的多故障振动信号作为模型的直接输入,通过训练深度卷积神经网络模型,利用模型中多个卷积层和池化层对输入的振动信号进行自特征提取,并进行故障分类。从而以基于数据驱动的方式形成端到端的故障诊断。研究表明,在一维深度卷积神经网络中直接输入轴承振动信号进行故障诊断,与提取时域和频域特征结合支持向量机进行故障诊断的方法相比,深度卷积神经网络可以更好地反映时域振动信号与特征间的关系,获得了比传统智能诊断方法更高的识别效率。     

航空发动机锥齿轮故障诊断技术研究

通过在锥齿轮相对应的附件机匣壳体上固定加速度传感器,在发动机试车过程中采集锥齿轮振动信号,识别特征信号,运用时频分析法、低秩稀疏分解算法、稀疏正则算法、谱峭度法分别对锥齿轮故障特征信号进行分析处理,通过比较分析,表明低秩稀疏分解算法能够有效滤除噪声和谐波干扰信号,增强故障特征信号的显著性,识别锥齿轮潜在故障,解决了锥齿轮微弱振动信号难以分离和识别的技术难题,实现了航空发动机锥齿轮故障诊断,保证了锥齿轮工作可靠性和安全性,为航空发动机锥齿轮故障诊断提供了新方法。     

基于振动参数聚类融合的空间轴承故障辨识方法研究#br#

轴承是飞轮和控制力矩陀螺(CMG)等空间惯性执行机构的核心部件，其健康状态直接影响整机性能和使用寿命.当前，由于轻载轴承在正常运转时也可能产生类似于微弱故障特征的现象，导致单一故障特征参数难以辨识正常和微弱故障状态.针对这一问题，本文提出了一种基于振动参数聚类融合的轴承微弱故障辨识方法.首先，通过轴承振动实验获得数据；然后，基于特征频率比值等方法对振动信号进行特征参数的提取；在此基础上，利用K Medoids算法对正常样本进行聚类，并根据3σ法则构建正常运转的安全边界；最后，计算不同轴承故障数据的超限概率，根据概率大小进行故障状态的识别.结果表明，该方法对轴承正常和微弱故障的辨识是可行和有效的.     

基于未知输入观测器的四旋翼无人机故障诊断与模型参考容错控制

对四旋翼无人机（Unmanned aerial vehicle， UAV）姿态控制系统的执行器故障诊断问题进行了研究，在系统模型方面全面地考虑了模型的非线性和四旋翼无人机在飞行过程中受到外部干扰的情况。由于未知输入观测器可以将干扰、误差等作为未知输入进行处理，对干扰不敏感而对故障比较敏感，故设计了一种新的未知输入观测器进行故障诊断。同时为了保持四旋翼无人机在故障发生后的稳定性或者仍然可以按照预定轨迹运动，在得到准确的故障估计后为四旋翼无人机姿态控制系统设计了模型参考容错控制器，使其可以跟踪给定的参考模型。仿真结果证明了本文提出的故障诊断与容错控制方法的有效性。     

基于模糊数学的民机机载气象雷达故障诊断

将模糊数学方法引入到民机机载气象雷达故障诊断中．提出由历史数据及专家择优综合确定模糊隶属度的方法,建立了模糊故障诊断模型,准确、快速地找出故障原因,实践证明该模型合理有效。     

航空发动机整机试验性能故障诊断系统设计

以航空发动机整机试验数据为研究对象,建立了1套气路性能故障诊断系统。该系统可对在研制和生产过程中的试验结果进行气路性能故障诊断分析;在分析发动机台架试车特点的基础上,阐述了该系统的设计功能和总体流程逻辑,并介绍了一些功能模块的流程设计;最后就系统的发展进行了讨论。经过带噪声的数值试验和真实试验数据验证,所建立的故障诊断系统诊断有效。     

转子振动故障的过程功率谱熵特征分析与定量诊断

针对传统旋转机械振动故障定性诊断的不足,提出了1种以信息熵理论为基础的转子故障特征分析与定量诊断方法。在转子试验台上模拟转子振动的4种典型故障,分别得到4个测点多转速下的振动过程故障数据;对这些故障数据进行分析和处理,提取反映其振动过程的故障特征——功率谱信息熵,建立能描述转子振动过程变化规律的多转速多测点下的故障信息熵矩阵,并对振动故障进行分析;通过对转子振动故障信号的实例计算和定量诊断分析,验证了该方法在转子振动故障分类和故障严重程度判断方面是可行的。     

基于G2的卫星控制系统故障诊断的半物理仿真

研究一种基于G2的集故障注入、故障模拟和故障诊断为一体的半物理仿真系统,包括基于VxW orks的实时硬件模拟系统、星载姿轨控计算机、数管及遥控遥测模拟器和专用接口箱等.开发了基于G2的以某一类典型卫星控制系统为对象的故障诊断专家系统,并对G2外部接口进行了扩展设计.最后,以典型故障为例,在半物理仿真平台上进行了演示验证.     

基于知识推理的航天器自主故障诊断方法

面向深空探测这类型号任务,提出一种基于知识推理的航天器自主故障诊断的智能方法,采取直接线性存储的知识库结构、主动监测事实更新并触发推理以及基于散列算法的事实管理三项关键技术,适用于航天器硬件处理能力和存储容量受限的应用环境.采用C语言在基于TSC695处理器的嵌入式系统上实现了该故障诊断方法,实验的结果表明该方法有效.