基于多信号流图与分支定界算法的故障诊断

针对实时在线故障诊断问题,提出了一种基于多信号流图和分支定界算法的故障诊断方法。通过建立多信号流图模型生成相关矩阵作为诊断知识,进而由相关矩阵以及观测向量产生冲突集,使最小诊断集的求解过程映射为整数规划问题;采用分支定界算法,通过对冲突集的分支、定界以及剪支得到故障诊断的最优解,从而避免了穷举问题造成的搜索"爆炸"。以某型机载燃油系统为对象对本文提出的算法进行了验证。结果表明:本文算法与常用的多信号流图诊断推理算法TEAMS-RT相比,算法速度相当,故障定位精度更高,很好地涵盖单故障以及多故障组合,可以胜任大规模复杂系统的故障诊断。      

基于前馈补偿的高精度卫星姿态控制

研究带有大型单翼太阳帆板的三轴稳定卫星在稳态运行期间姿态精确定向问题。计算了卫星运行空间的环境干扰力矩，分析了传统控制方法的局限性，并给出一种新的卫星姿态高精度动态补偿控制算法。推导了卫星的挠性动力学模型，在此基础上通过仿真比较了此方法和传统方法的实际效果。结果表明，该方法可以显著提高姿态控制的响应速度和精度。     

基于MBD的飞机测试工艺数字化定义方法

飞机测试可模拟飞行环境，验证飞机功能符合性和性能精准性。近年来，飞机装配过程已逐步转变至三维装配工艺设计，而飞机测试仍局限于通过文档形式进行测试任务描述和过程执行。基于模型定义（MBD）对飞机测试顶层设计进行了研究，提出测试工艺设计概念和测试工艺数字化定义方法。将飞机全过程测试分为4个阶段，形成从测试设计到测试结果的工艺模型定义，并实现部分工程化验证。结果表明:基于MBD的测试工艺数字化定义结果可作为唯一数据源，实现飞机测试的统一表达与信息传输。      

航空机电系统测试性建模与分析新方法

针对航空机电系统测试性设计(DFT)需求,提出基于面向对象的贝叶斯网络(OOBN)与状态-测试关联灵敏度指标的系统测试性建模与分析的新方法。该建模方法能清晰地刻画系统故障与测试间的关联程度,反映复杂系统的层次结构关系。基于信息论的交叉熵原理提出状态-测试关联灵敏度指标,并给出计算方法。该指标反映复杂机电系统测试中的不确定性影响,克服了基于香农熵的测点评判分析方法的缺点,结合测试性建模获得的模型信息进行推理计算,可用于测试性的定量分析。运用该综合分析方法对飞机燃油系统进行测试性建模与分析,结果表明所提出的方法与指标在航空机电系统DFT中具有实用性。     

一种基于高斯混合模型粒子滤波的故障预测算法

针对一类故障预测问题提出了一种基于粒子滤波的故障预测算法。在算法的状态估计阶段,采用联合估计和粒子滤波同时估计对象系统故障演化模型状态和未知参数的后验分布。在算法的状态预测阶段,采用了两种不同的计算方法：一种方法是对状态变量当前时刻的后验分布进行迭代采样,从而获得未来时刻的状态变量的先验分布;另一种方法是采用数据驱动的方法预测未来一段时间内对象系统的量测信息,从而将未来时刻状态变量的先验分布的预测问题转化为一个求解后验分布的估计问题。采用高斯混合模型近似随机变量分布密度,从而将两种方法的计算结果在一个统一的预测框架之下进行有效交互,进一步提高了预测的准确性和可靠性。在算法的决策阶段,在获取的故障演化模型状态变量分布基础上,结合一定的故障判据近似计算出对象系统剩余寿命分布。故障预测仿真实验结果证明了所提算法的有效性。     

一种基于二元估计与粒子滤波的故障预测算法

假设对象系统的故障演化过程可以由一个含有未知缓变参数的状态空间模型加以描述,则故障预测问题就可以转化为一个在已知当前系统信息的条件下,对系统未来某一时刻的状态变量的估计问题.针对该问题的求解提出了一种基于二元估计和粒子滤波的故障预测算法.算法的实施分为两个主要阶段:在状态估计阶段,采用两个并联的粒子滤波器迭代估计当前时刻对象系统故障演化模型状态和未知参数的后验分布.在状态预测阶段,对当前时刻故障演化模型状态的后验分布进行迭代采样,以采样样本粒子来近似估计未来时刻的状态变量的先验分布密度.在上述计算结果的基础上,结合相应的故障判据,算法采用计算对象系统未来时刻故障概率的方法预测其剩余使用寿命.仿真实验中将本文提出的算法与基于联合估计的故障预测算法进行对比,实验结果证明了所提算法的有效性.      

基于贝叶斯LS-SVR的锂电池剩余寿命概率性预测

提出了一种基于贝叶斯最小二乘支持向量回归(LS-SVR)的锂电池剩余寿命在线概率性预测方法.首先,通过滚动窗方法选取锂电池历史健康退化数据,并根据相空间重构原理建立训练样本,其中最小嵌入维数使用Cao氏方法计算获得.然后,运用贝叶斯3层推理训练LS-SVR预测模型,在迭代预测阶段,采用蒙特卡罗方法来表示和管理多步预测中的不确定性及其传递,即用一群离散粒子来近似连续分布,结合“退化轨迹不相交”原则和高斯过程假设,预测出锂电池健康状态未来时刻的发展趋势.最后结合给定的失效阈值,通过统计穿越阈值的粒子数目得到剩余寿命的概率分布.使用美国国家航空航天局阿姆斯研究中心公开的电池数据集与高斯过程回归(GPR)方法进行对比实验,多项预测性能指标结果表明贝叶斯LS-SVR方法具有更高的预测准确度和置信度.     

图模型与学习算法结合的贝叶斯网络自动建模

针对纯数据驱动的贝叶斯网络结构学习算法的准确度和效率较低的问题,提出了一种融合多信号流图模型与K2学习算法的贝叶斯网络自动建模方法。该方法利用多信号流图模型能够描述信号之间传递与依赖关系的能力,结合K2学习算法在结构学习中的优势,实现了专家知识与数据驱动方法有效融合的贝叶斯网络结构自动学习算法。通过与常用网络结构学习算法的对比实验证明,该融合算法显著降低了结构学习对学习范围和训练数据规模的要求,具有更高的学习准确度和运算效率。采用真实系统实例阐述了该融合算法的应用过程,验证了算法的实用性。      

基于贝叶斯网络的故障诊断系统性能评价

故障诊断系统的性能评价是开发和验收故障诊断系统不可或缺的重要环节.针对基于贝叶斯网络(BN)故障诊断系统的性能评价需要,考虑系统诊断结果真实分布,提出采用二项分布参数估计方法来计算诊断准确度的置信区间,采用准确度期望值及其置信区间全面客观评价诊断模型的性能,形成贝叶斯网络模型诊断能力的量化评价指标,为诊断结果的可接受、可信程度以及诊断模型的训练充分性提供参考依据.最后通过燃油系统故障诊断实例验证所述性能评价的有效性.      

贝叶斯网络结合决策理论的向前多步排故策略

针对序贯诊断、维修问题,提出基于贝叶斯网络和决策理论的向前多步排故策略生成算法.通过建立贝叶斯网络排故模型实现了不确定条件下排故知识的高效表达,同时使得推理算法与具体应用无关.采用决策影响图进行排故决策分析,充分利用观测操作间的相关性,选择合理的向前多步观测操作来降低维修盲目性.为了验证所提算法的有效性,采用随机排故策略、决策理论排故策略和理想排故策略的结果进行对比分析.仿真结果表明,所提算法通过增加合理观测操作,减少维修焦点和实际维修操作,使得总排故费用明显低于已有的启发式排故策略.