基于NFTET的高超声速飞行器再入容错制导

针对以X-33为对象的三自由度高超声速飞行器,采用相邻可行轨迹存在定理(NFTET)设计了容错制导律以解决再入段执行器发生故障的轨迹重构问题。在标称情况下采用预测校正算法生成满足再入过程约束和终端约束要求的再入轨迹;当执行器发生故障时,飞行器气动参数、结构和舵面力矩都可能发生不可预测的变化,原先的轨迹不再满足制导要求,因此需要设计新型容错制导律。针对实际再入制导模型,基于NFTET设计容错制导算法对轨迹进行重构,得到满足故障情况下制导任务的可行轨迹。从仿真结果中可以看出,容错制导算法生成的新轨迹重新回到了约束范围之内,轨迹呈收敛趋势,使得高超声速飞行器从故障恢复到正常飞行状态,提高了飞行器的自主容错能力。     

基于卡尔曼滤波器的容错控制和硬件在环验证

为了有效地开展微型燃气轮机传感器的故障诊断和容错控制,在采用基于模型的设计方法建立微型燃气轮机部件级模 型的基础上,使用了一种基于扩展卡尔曼滤波器的故障诊断和容错控制方法,能够有效地诊断出传感器故障,并重构正确信号继 续进行闭环控制。使用MATLAB/Simulink的自动代码生成技术,将微型燃气轮机模型及故障诊断和容错控制方法在全数字仿真 平台和硬件在环仿真平台进行集成和验证,结果表明：基于模型的设计方法的数字仿真结果与硬件在环仿真结果具有很高的一致性。     

基于非对称SVPWM的电动汽车五相永磁无刷电机容错控制

针对电动汽车用五相永磁无刷电机单相开路故障,提出了一种基于非对称空间矢量脉宽调制策略的故障容错控制方案。新型故障容错控制的设计分为两个部分,对五相永磁无刷电机驱动系统开路故障下的电压矢量关系进行了分析,然后对空间矢量调制算法进行改进,即在一个扇区中选择构成不对称波形的开关状态作为输出。该非对称空间矢量调制可以降低非故障相的电流谐波和降低转矩脉动。基于试验平台开展了试验研究,试验结果验证了新型容错控制可实现系统故障期间的低转矩脉动,且保持较好的动态性能。     

两种神经网络应用于数控系统故障诊断

介绍了双向联想记忆（ＢＡＭ）学习算法神经网络和误差后向传播（ＢＰ）神经网络在数控系统故障诊断中的应用实例。这两种神经网络在数控系统故障诊断方面都有着重要的应用价值，都能实现故障的联想、容错、自学习等功能。但因为各自具有的特点不同，又使得ＢＰ网络更适于故障样本多的情况，而ＢＡＭ则适于要求对错误的故障征兆进行纠错的故障诊断系统     

涡扇发动机气路传感器故障诊断

为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了1种基于在线贯序极端学习机的故障诊断算法。其核心思想是在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,解决多故障混叠问题。在线信号重构算法以泛化能力指标为判定条件,利用选择策略对算法网络权值进行选择性更新,提高了故障诊断系统的实时性。以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明:该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性。     

临近空间无人飞行器多余度容错导航系统设计

临近空间无人飞行器导航系统的故障直接影响到飞行器的任务执行和飞行安全,因此必须能够长时间地保持稳定性和精确性,为达到此目的必须设计由惯性导航、卫星导航等多种导航传感器组成的多源多余度容错导航系统,提高系统的可靠性。针对临近空间飞行器制导控制对导航信息的需求,提出了一种标准的三余度导航系统架构,并设计了采用新型加权平均表决子算法,具备故障检测和隔离以及故障重构功能的容错重构算法,构建了适用于临近空间无人飞行器的多余度容错导航系统,通过实测试验数据仿真验证了容错导航系统的性能,展示了系统一次故障工作的故障容错能力。所研究内容也可被其他类型的无人飞行器借鉴和参考。     

多源冗余容错导航计算系统的设计与实现

常规无人机在余度配置传感器的信号处理、余度管理、故障检测与隔离等环节占用飞控计算机过多运算资源,增加了飞控计算机的整体负荷,致使全系统可靠性降低;与此同时,传统的传感器余度配置方案和导航计算机余度设计在工程中存在方案不完备和实时性较差等局限性。鉴于此,提出一种多源冗余容错导航计算系统的解决方案,给出系统的软硬件设计方法,并基于非相似余度技术设计多源冗余传感器硬件和软件滤波算法,采用双CPU+FPGA的架构设计多源冗余容错导航计算机硬件平台以及模块化软件架构,实现了系统的软硬件的开发。经过实际测试和试验,验证了系统具有通信速率快、可靠性高和稳定性好等特点,满足了高可靠性飞控系统对新型组合惯导的需求。     

基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制

提出了一种基于改进LS-SVM的航空发动机传感器故障诊断与自适应重构控制方法.该方法通过给误差变量赋予不同权值因子提高LS-SVM的鲁棒性,采用修剪算法提高LS-SVM的稀疏性;该方法从某涡扇发动机输入输出空间中建立其正常模型,采用阈值判别法对传感器故障进行实时监视与诊断,并用模型输出值代替故障传感器测量值反馈回闭环控制系统,实现对发动机的自适应重构控制.仿真结果表明,该方法能及时准确地定位故障,并进行有效的自适应重构控制.      

涡扇发动机传感器故障诊断的快速原型实时仿真

为快速高效地完成涡扇发动机传感器故障诊断算法的硬件在环仿真试验,构建了以NI CompactRIO为核心的传感器故障诊断系统的快速原型实时仿真平台.基于一簇卡尔曼滤波器,在LabVIEW编程环境中建立了传感器故障诊断系统.分别在涡扇发动机模型稳态和动态工作时完成了对单个传感器故障的检测、隔离和重构的硬件在环仿真试验并验证了算法精度.经过大量试验,结果表明:基于卡尔曼滤波器理论的诊断算法能在传感器故障情况下确保控制系统安全运行,诊断精度最高可达1.4%;同时表明,该快速原型实时仿真平台的设计是成功的.研究工作为发动机传感器故障诊断系统的半物理仿真试验奠定了基础.      

基于改进Q学习的IMA系统重构蓝图生成方法

重构蓝图定义了故障状态下系统软硬件资源的重新配置方案,是实现综合模块化航空电子系统重构容错的关键。提出了一种基于改进Q学习的重构蓝图生成方法,综合考虑负载均衡、重构影响、重构时间、重构降级等多优化目标,并应用模拟退火框架改进探索策略,提高了传统Q学习算法的收敛性能。实验结果表明,与模拟退火算法、差分进化算法、传统Q学习算法相比,本文提出的改进Q学习算法效率更高,所生成重构蓝图质量更高。     

基于电流阈值的开关磁阻电机位置估计容错分析

在基于双电流阈值的位置估计基础上,提出了一种考虑电流传感器故障和估计误差补偿的位置估计容错技术。通过双电流阈值与脉冲电流峰值比较估计位置检索脉冲信号,利用开关磁阻电机相与相之间的独立性,利用正常相的电磁信息间接估计传感器故障相的转子位置信号。通过仿真计算得到转速对位置估计误差的影响,并提出了位置误差补偿措施。在一台12/8结构样机中进行了相关试验,试验结果表明,所提方法提高了无位置传感器技术的容错性,验证了该算法的正确性和可行性。     

基于几何模式识别的发动机传感器故障诊断

提出一种基于几何模式识别技术的发动机传感器故障诊断方法,以解决传感器缓慢漂移故障和由于安装制造差异和性能蜕化等造成的模型不匹配难以区分的问题。传感器测量值输入到自适应模型中,产生一组部件性能修正因子,作为故障模式来对传感器故障进行诊断,每种故障或性能蜕化都对应惟一的模式,采用几何模式识别技术隔离出传感器故障。以某型涡扇发动机为对象进行的仿真结果表明,该方法能诊断出传感器小漂移故障,并能对部件状态进行监控。     

Fault diagnosis and isolation of the component and sensor for aircraft engine

Aircraft engine component and sensor fault detection and isolation approach was proposed,which included fault type detection module and component-sensor simultaneous fault isolation module. The approach can not only distinguish among sensor fault, component fault and component-sensor simultaneous fault, but also isolate and locate sensor fault and the type of engine component fault when the engine component fault and the sensor faults occur simultaneously. The double-threshold mechanism has been proposed, in which the fault diagnostic threshold changed with the sensor type and the engine condition, and it greatly improved the accuracy and robustness of sensor fault diagnosis system. Simulation results show that the approach proposed can diagnose and isolate the sensor and engine component fault with improved accuracy. It effectively improves the fault diagnosis ability of aircraft engine.      

基于深度森林的卫星ACS执行机构与传感器故障识别

针对卫星姿态控制系统（ACS）闭环回路的故障难以辨识的问题,引入深度森林算法,实现执行机构与传感器故障识别。首先针对可获取的少量卫星姿态控制系统遥测数据,结合系统动力学特性,研究合适的特征选择和特征提取方法,再结合深度森林算法进行故障信息学习与辨识,建立故障预测模型,实现执行机构故障与传感器故障的识别。半物理仿真结果表明：在存在气浮台干扰力矩、卫星转动惯量未知、飞轮非线性特性、闭环故障传播等多种不利因素情况下,深度森林算法对于执行机构和传感器故障具有高效的识别能力。     

基于线调频小波路径追踪阶比循环平稳解调的滚动轴承故障诊断

针对变转速工况下滚动轴承的故障诊断问题,提出一种将线调频小波路径追踪算法与阶比循环平稳解调方法相结合的滚动轴承故障诊断方法.该方法先利用线调频小波路径追踪算法提取轴承的故障特征频率,再根据轴承的故障特征频率对变转速下时域振动信号的包络在角域等角度重采样,并对获取的角域平稳信号进行循环平稳解调,计算得到切片解调谱;最后根据切片解调谱识别滚动轴承故障.仿真分析和应用实例表明:该方法能准确提取变转速工况下滚动轴承的外圈与内圈故障故障特征,提取效果明显优于基于Wigner-Ville峰值跟踪法的包络阶次谱方法.      

Fault diagnostics and fault tolerant control

A novel simultaneous fault detection and diagnostics (FDD) and fault tolerant control (FTC) strategy for nonlinear stochastic systems in closed loops based on a continuous stirred tank reactor (CSTR) is presented. The purpose of control is to track the reactant concentration setpoint. Instead of output feedback we propose here to use proportional-integral-derivative (PID) state feedback, which is shown essential to achieve FTC against sensor faults. A new concept of “equivalent bias” is proposed to model the sensor faults. Both the states and the equivalent bias are on-line estimated by a pseudo separate-bias estimation algorithm. The estimated equivalent bias is then evaluated via a modified Bayes' classification based algorithm to detect and diagnose the sensor faults. Many kinds of sensor faults are tested by Monte Carlo simulations, which demonstrate that the proposed strategy has definite fault tolerant ability against sensor faults, moreover the sensor faults can be on-line detected, isolated, and estimated simultaneously     

基于改进D-S证据理论的航空发动机转子故障决策融合诊断研究

针对单一传感器的测量信息难以准确、全面地反映航空发动机转子、轴承和齿轮的工作状况,进而造成振动故障诊断难度大的问题,提出安装多个振动传感器组成传感器网络,建立基于多传感器信息的发动机转子故障决策融合诊断系统。由于多传感器系统不可避免地会存在各传感器信息不一致、信息冲突的情形,因此针对该融合诊断系统的信号测量、信息预处理、特征提取、故障诊断及决策融合5个环节,重点研究了决策融合环节的Dempster-Shafer（D-S）证据决策融合方法存在的冲突证据融合失效问题。通过分析原因,从避免“一票否决”现象和证据加权平均两个方面进行改进,提出了改进D-S证据融合方法,并应用于航空发动机转子的模拟故障决策融合诊断中。结果表明基于D-S证据理论对3个传感器的单一诊断结果进行决策融合,能得到比任一单个传感器更准确、可靠的结果;而改进D-S证据融合方法由于能在一定程度上克服冲突证据融合带来的失效问题,且能同时兼顾处理好非冲突证据的融合,故其对于证据冲突和非冲突情形都取得了较好的融合效果,因此总的分类正确率要高于常规D-S算法和PCR5算法。     

基于样本分位数的机载燃油泵故障状态特征提取及实验研究

机载燃油泵的健康状态关系着飞行任务的完成和飞行安全,对机载燃油泵的故障状态特征提取及诊断成为亟需解决的问题。通过对机载燃油实验系统的振动与压力信号进行综合分析,提出了一种基于样本分位数的故障状态特征提取方法。首先,根据样本分位数的渐近分布定理,讨论了样本分位数的统计特性,分析了故障状态与样本分位数的对应关系,从理论上保证了该方法的可行性,在实测数据统计分析的基础上,讨论了样本容量对样本分位数稳定性的影响;其次,根据样本分位数渐近分布定理计算各故障状态的置信区间,并与Bootstrap方法得到的置信区间进行对比,结果显示,依据样本分位数渐近分布定理得到的置信区间真实可靠,为在线故障诊断提供了依据;然后,以各故障状态下提取的样本分位数为特征向量构建贝叶斯判别函数,进行故障诊断;最后依据故障诊断的正确率对传感器进行优化,结果表明,同时安装振动传感器与压力传感器可以提高故障诊断的正确率,并且只安装1个压力传感器与1个特定方向的振动传感器即可对机载燃油泵的故障状态进行完全识别。为快速准确的在线判断机载燃油泵的状态提供了理论支撑,并且可以降低工程应用中机载燃油泵监测系统的体积、功耗及复杂性。     

OLS算法在无人机传感器故障诊断中的应用

在故障诊断领域,神经网络故障诊断方法以其优良的特性正得到越来越广泛的应用。本文针对无人机的特点提出一种基于RBF神经网络故障诊断方法,通过建立神经网络预测器来实现无人机机载传感器的故障诊断,其中网络学习算法的选取将直接影响神经网络故障诊断的性能。正交最小二乘算法(OLS)以其在设定网络参数方面的优点常用来作为RBF神经网络学习算法。本文将介绍OLS算法的原理和实现步骤,通过VC 6.0编程实现OLS算法,并利用无人机机载传感器数据来验证OLS算法的有效性。