基于小波包分析与多核学习的滚动轴承故障诊断

为了更准确地诊断滚动轴承故障,提出了一种基于小波包分析与多核学习的滚动轴承故障诊断方法.该方法首先对振动信号进行3层小波包分解,将振动信号分解为不同频带的信号,提取各频带的相对能量特征,构建特征向量;然后采用多核学习算法从训练样本集中学习核函数与分类器;最后使用训练出的分类器识别滚动轴承故障类型.为了验证方法的有效性,进行了滚动轴承故障诊断实验,实验结果表明该方法的故障诊断准确率达到98.25%,与传统的基于小波包与支持向量机的滚动轴承故障诊断方法相比,其故障诊断准确率更高,同时由于避免了核函数的选择问题,该方法更便于实际应用.      

基于局部均值分解和峭度图的滚动轴承包络分析方法

提出了基于局部均值分解(local mean decomposition,LMD)和峭度图(kurtogram)的滚动轴承包络分析方法.该方法中,原始滚动轴承故障振动信号通过LMD进行自适应的频率成分分离和初步降噪,包络分析中带通滤波器的参数通过峭度图客观地提供,从而提高滚动轴承包络分析的准确度.通过对滚动轴承仿真信号以及实验信号的分析,结果表明:在低信噪比情况下,LMD可以自适应分离出滚动轴承的固有振动成分,峭度图可以自动确定包络分析中带通滤波器的参数,与传统包络分析比较,所提方法能更加清晰准确地提取滚动轴承的故障特征.      

航天器空间自主交会故障诊断与容错控制的集成设计

提出了一种航天器圆轨道自主交会故障诊断与容错控制的集成设计方法。在考虑推力器输出约束的情况下,完成了故障诊断与容错控制的集成设计,该集成设计包括鲁棒容错控制器设计和鲁棒故障观测器设计两大部分。为了提高交会过程中的过渡性能,对该控制器完成了鲁棒D稳定性分析。仿真表明该设计具有良好的动态性能和对推力器故障的容错性,并且能够快速准确地诊断出推力器和交会敏感器的故障。     

基于参数自适应变分模态分解的行星齿轮箱故障诊断

针对变分模态分解需要人为设定模态数量以及在强噪声情况下容易造成分解错误的问题,提出了依据功率谱密度极值点自适应确定模态数量与中心频率的参数自适应变分模态分解方法,通过信号仿真分析验证了方法的有效性。基于参数自适应变分模态分解提出了一种行星齿轮箱故障诊断方法,应用于行星齿轮箱第2级太阳轮裂纹的故障诊断,行星齿轮箱传动实验台的试验结果表明:该方法能实现振动信号准确分解,有效提取和辨别出故障特征频率,实现了在强背景噪声和微弱故障信号情况下对第2级太阳轮裂纹故障的准确诊断。      

双馈异步风力发电机气隙偏心故障诊断研究现状与发展

双馈异步风力发电机(DFIG)机械故障在实际运行中尤其不可忽略,不论是转子刚度不足还是轴承磨损或安装误差,都会导致气隙偏心,严重时甚至会烧毁电机,因此对风机进行准确高效的气隙偏心故障诊断至关重要。简单介绍DFIG产生气隙偏心的故障机理,再对当前已有的相关故障诊断方法做重点归类阐述,最后展望未来的DFIG气隙偏心故障诊断方法的发展趋势和方向。     

基于SSD-HT时频阶比跟踪的变转速转子故障诊断

为解决变转速工况下转子故障特征难以提取的问题,提出一种基于SSD-HT时频阶比跟踪的转子故障诊断方法。应用一种新的信号分解方法—奇异谱分解对转子故障振动信号进行分解,得到包含故障特征信息的奇异谱分量。运用希尔伯特变换计算各个有效奇异谱分量的瞬时频率,获取故障信号的时频分布。根据时频分布中的转频信息对原始振动信号进行阶比跟踪分析,提取直观的阶次特征。仿真分析与实验分析结果表明,在无转速测量装置条件下,所述方法可准确判别变转速工况的转子故障模式,相对于传统分析方法表现出一定的先进性。     

航空发动机健康估计的神经网络修正卡尔曼滤波算法

针对商用航空发动机与气路相关的传感器分布不均、且个数小于气路健康参数的个数、使用卡尔曼滤波算法估计全部气路健康参数时容易出现误判的特点,提出一种神经网络修正的卡尔曼滤波算法。该算法在每个采样周期内利用BP神经网络来修正个体的偏移方向,按粒子滤波算法计算每个个体的权值用以估计总体的均值和协方差,然后利用卡尔曼滤波算法更新所有个体,并将总体的均值作为当前时刻的估计结果。通过对商用航空发动机部件级模型在多个飞行状态点数字仿真模拟9种气路突变故障,由7个可测输出估计全部10个健康参数,该混合算法的估计误差相比BP神经网络与无迹卡尔曼滤波算法分别平均降低了34.6%与47.9%。     

高压压气机可调静子叶片角度a2摆动故障诊断与分析

针对某型航空发动机高压压气机可调静子叶片角度a2摆动故障,以a2控制系统及其原理为基础,建立覆盖整个控制系 统的故障树,并且综合考虑各零部件发生故障的概率、维护排故工作的工作量及难易程度,制定合理有效的排故方案。结果表明： 故障原因为反馈钢索预紧力过紧。本次排故过程介绍的结构原理和总结的排故经验,对a2摆动故障诊断具有指导作用,对该型发 动机在外场使用维护过程中a2相关故障具有借鉴意义,为促进发动机快速成熟提供了技术支撑。     

融合粗糙集与D-S证据理论的航空装备故障诊断

针对航空电子装备故障诊断中出现的多源诊断信息存在冲突的情况,基于粗糙集与证据理论在处理不确定问题时的优势,提出了一种融合粗糙集与证据理论的故障诊断方法.该方法利用粗糙集将信息源给出的诊断数据转化为证据理论中的mass函数,进行结果融合.同时,该方法给出边界粗糙熵的定义,并基于边界粗糙熵获得反映各信息源在诊断融合过程中重要度的动态权重参数,提出一种新的证据理论的冲突合成规则.仿真实验表明,该方法可以有效地提升诊断信息融合结果的准确性,在航空电子装备故障诊断方面有较好的实用价值.      

基于有向图模型的民机航空电子系统故障诊断

结合民机航电系统外场可更换单元或模块（LRU/LRM）的故障模式及影响分析（FMEA）、故障树 分析和实时性要求,设计了基于时间故障传播图（TFPG）的系统故障诊断元模型和领域模型,研究了基于逻 辑和时间一致性检验的故障诊断算法,使用后向推理和可信度度量列出候选故障集。以飞行管理系统为例,构 造了其功能失效的TFPG 模型,并通过仿真验证了基于TFPG 的诊断在滤除级联效应和关联驾驶舱效应中的有 效性。