基于FDG和GA的故障诊断技术在电子对抗装备中的应用

探讨了模糊有向图（Fuzzy Directed Graph,FDG）和遗传算法（Genetic Algorithm,GA）相结合的故障诊断技术及其在电子对抗装备故障诊断中的具体应用。根据电子对抗装备组件的实际状态,应用模糊理论得出各组件发生故障的可能性,建立电子对抗装备的模糊有向图,利用遗传算法搜索出模糊有向图中可能的故障传播路径。实践表明,该技术应用在电子对抗装备的故障诊断中是行之有效的,取得了较好的诊断结果。     

多工况过程动态SDG故障诊断

通过分析多工况过程的故障动态特性,在符号有向图(SDG)中引入工况条件,补充对未测节点的表达,提出了一种新的定性描述模型——过程动态有向图,给出了建模方法和基于故障依赖性关系 D 矩阵的诊断流程.该模型满足了随工况变化调整结构和参数的需求,诊断算法解决了实际系统部分状态常常因未测量而造成信息缺失的问题.同时综合不同过程的SDG诊断能改善静态SDG模型定性推理分辨率.利用提出的方法建立了某民用飞机发动机引气系统的诊断模型并进行了诊断,结果表明该模型有效且实用.      

基于云模型SDG的航空发动机多工况故障诊断方法

针对航空发动机的故障寻源以及故障传播问题,提出了基于云模型符号有向图（SDG）的发动机多工况故障诊断方法。在SDG模型的基础上根据发动机结构进行模块化以便于推理,应用故障关联矩阵进行相容通路的推理;根据相容通路画出故障传播路径,运用云模型理论进行定性与定量的转换,计算故障传播路径上每个节点的传播概率,并对未测节点的状态值进行预测,根据计算结果对每条相容通路进行可能性排序,确定故障源头。根据工况转换矩阵快速得到不同工况下的SDG模型,同时根据具体工况改变模型阈值,对不同工况下的异常节点进行快速推理预测。发动机气源系统的诊断实例表明：基于云模型SDG的多工况故障诊断方法可以帮助决策者做出正确的检测策略,快速制定维修措施,能够有效地运用在复杂系统内的故障传播诊断。     

面向民用飞机排故的增强型符号有向图

针对民用飞机故障的动态特性及维修体制,在符号有向图（SDG）模型中引入动态元素,并融合系统结构模型,提出一种结构和参数能随工况变化而调整的增强型有向图（ESDG）模型。进而提出基于故障依赖矩阵的相容根树搜索算法与分层诊断策略,能解决实际排故中常常因部分状态未测量而造成诊断信息缺失的问题。该方法能满足分级维修中不同诊断精度的要求。多个工况的综合诊断进一步提高了推理分辨率。最后以某民机发动机引气系统为实例说明了该方法的有效性。     

基于改进符号有向图模型的发动机引气系统多故障诊断方法

为了在符号有向图(SDG)模型中进行多故障诊断,提出了基于改进符号有向图(ISDG)模型的多故障诊断方法.ISDG模型满足了不完全信息条件下的多故障组合诊断的需求.通过交互式方法构建不完全信息条件下的诊断过程,利用最大增益费用比确定了最优的测试序列,实现了在多故障诊断过程中效率的提高和成本的降低.最后用交互式算法诊断某民用发动机引气系统多故障,ISDG模型能够诊断多故障,说明诊断多故障可以提高诊断效率;考虑组合逻辑后,最小费用比最大费用减小了7.25,增益费用比增大了32.2%,说明考虑组合逻辑可以减少32.2%的费用.      

基于定性和定量关系的液体火箭发动机故障诊断

针对定性故障诊断系统的固有缺陷，利用模糊数学知识，在符号有向图上加入定量信息，形成定性定量模型，通过计算和比较被诊断模式对已知故障类型的模式的隶属度来确定系统的故障。该方法比较充分地利用了系统被监测参数的数值资源，对故障模式具有较强的识别和区分能力。     

基于TMSDG的民用飞机故障诊断隔离策略

 针对民用飞机排故时交互式故障诊断与隔离需求,在符号有向图(SDG)中补充状态节点的故障概率信息和未测状态表达,引入对测试节点的描述,提出了一种附带测试维修信息的SDG(TMSDG),给出了基于此模型的交互诊断流程。首先根据初始征兆获取可疑集,然后综合可靠性和测试代价等因素生成一种基于最小测试代价的诊断二叉树对初始可疑集进一步隔离。该模型能描述复杂系统中存在的状态关联和故障测试依赖关系,对其中故障进行交互式诊断和隔离指导。利用该方法建立了某飞机发动机高压引气的诊断模型,实验结果表明提出的方法有效。该方法适用于飞机的外场故障诊断与隔离。     

基于分层有向图的航天器故障诊断

针对航天器在轨故障诊断系统在实时性、准确性和完备性上的要求,提出了基于分层有向图的新的定性诊断方法。采用有向图分层策略,减小故障源搜索空间的大小;利用故障传播路径上的测试节点间的定性关系,回溯搜索不相容支路找出故障源候选集合,并且通过部件故障概率和故障传播的权重对候选故障源进行故障可能性的排序。应用提出的方法,建立了某卫星一次电源系统的定性诊断模型,并进行了故障诊断的仿真测试。结果表明该诊断方法是高效的,诊断结果准确而且完备。该方法适用于航天器在轨故障诊断。     

基于改进模糊SVM的转子振动故障诊断技术

首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行的和有效的.     

基于定性定量知识集成的液体火箭发动机故障诊断方法

首先从知识表示和处理的角度对 SDG方法进行了简要的分析 ,然后根据液体火箭发动机系统的特点 ,提出了改进的途径 ,通过建立只包含发动机测量变量的 SDG,对故障模式进行初步诊断 ,然后对不能区分的故障模式采取加入适当定量信息的办法来进行进一步诊断 ,并对液体火箭发动机中出现的多故障模式建立了诊断方法。测试结果表明本文所提出的方法是可行的     

基于混合知识模型和混合推理策略的液体火箭发动机智能故障诊断

以某大型泵压式液体火箭发动机为研究对象，围绕着发动机知识的统一处理、定性定量知识的集成与转化以及基于知识的智能故障诊断推理等技术和难点，研究发展了发动机基于混合知识模型和混合推理策略的智能故障诊断方法，并结合实际热试车数据和故障仿真实例进行了验证。研究结果对设计和实现工程实用的液体火箭发动机故障诊断系统具有重要的参考价值。     

基于振动传递符号有向图的齿轮箱嵌入式传感器优化配置模型与算法

针对嵌入式条件下振动信号的采集方式、传递路径与传统方式不同的特点,采用有限元仿真方法,分析了嵌入式传感下齿轮箱故障振动的传递特性,在此基础上建立了基于故障振动传递符号有向图的优化配置模型,并研究了基于粒子群优化的求解算法.案例仿真结果验证了上述方法的有效性,为在齿轮箱内部合理嵌入传感器提供了一种可行途径.      

基于改进模糊SVM的转子振动故障诊断技术研究

本文首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机（FSVM）的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行和有效的,为转子振动故障准确诊断提供了一种新方法。     

基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断

针对飞机起落架液压系统故障诊断精度低，深层故障特征提取困难的问题，提出了一种基于双路特征融合卷积神经网络（TSFFCNN）与粒子群优化支持向量机（PSO-SVM）结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入，采用一维卷积神经网络（1DCNN）与二维卷积神经网络（2DCNN）并行多通道网络结构自适应提取深层特征信息，并在融合层将深层特征信息融合，通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果，基于AMESim搭建了典型飞机起落架液压系统仿真模型，构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明，所提故障诊断算法精度能达到99.37%，能够有效实现起落架液压系统故障诊断；与其他智能算法对比，基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性，诊断精度更高。     

基于FF-SDG模型的飞机系统故障诊断方法研究

通过研究功能故障有向图分析(FF-SDG)方法及建模步骤,深入剖析基于FF-SDG模型的系统故障诊断方法,通过分析飞机系统组成部分的失效模式、机理影响分析、工作原理等,使用建模工具创建诊断模型,利用推理诊断程序来实现故障诊断推理,并以飞机发动机引气系统为例验证该方法的可行性。     

共因失效条件下多状态系统选择性维修优化

共因失效（CCF）广泛存在于多状态系统（MSS）中,研究共因失效条件下多状态系统的维修优化问题,对于提高系统任务成功概率、降低故障损失具有重要意义。考虑多状态系统、任务剖面和随机共因失效的模糊特性,采用模糊马尔可夫模型（FMM）和模糊通用生成函数（FUGF）法,建立了模糊随机共因失效条件下模糊多状态系统（FMSS）任务成功概率评估解析模型（AM）,采用Monte Carlo仿真（MCS）方法对模型进行了验证;考虑维修费用约束,建立了模糊随机共因失效条件下模糊多状态系统选择性维修优化模型,为生成最优维修方案提供支持,结合实际案例,分析了随机共因失效对选择性维修优化和系统各状态的模糊概率的影响,验证了模型的有效性。研究结果表明,模糊随机共因失效和各模糊参数的α水平截集可能会影响选择性维修优化的结果,且忽略模糊随机共因失效会高估系统任务成功概率。     

EEMD与NRS在涡桨发动机转子故障诊断中的应用

针对涡桨发动机转子系统振动信号的非平稳特征,提出一种基于集成经验模态分解(EEMD)与邻域粗糙集(NRS)的涡桨发动机转子故障诊断方法。该方法先对转子振动信号进行EEMD,提取原始信号的时域特征和多尺度排列熵(MPE)特征,转子系统的大部分故障信息隐藏在前几个高频本征模态函数（IMFs）中,分别计算它们的时域指标、能量特征和奇异值分解(SVD)特征;利用NRS评估各个特征的属性重要度,进而选出敏感特征;将其作为支持向量机(SVM)的输入向量来对转子进行故障诊断。实验结果表明:该方法利用敏感特征集对涡桨发动机转子进行故障诊断的准确率达到了97.5%,同时剔除了大量冗余特征,具有较强的鲁棒性。      

基于平滑先验分析和模糊熵的滚动轴承故障诊断

由于机械系统的复杂性,振动信号的随机性表现在不同尺度上,基于对振动信号进行多尺度的模糊熵(FE)分析,提出了基于平滑先验分析(SPA)和模糊熵的滚动轴承故障诊断方法。采用SPA方法对振动信号进行自适应分解,得到振动信号的趋势项和波动项;分别计算趋势项和波动项的模糊熵;将模糊熵值作为特征向量,输入至基于优化算法的支持向量机(OSVM)。将该方法应用于滚动轴承实验数据,分析结果表明:该方法在仅提取两个分量特征的情况下即可达到100%的故障诊断精度,可有效实现滚动轴承的故障诊断。      

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。     

集成时间信息的液体火箭发动机故障诊断推理

提出一种液体火箭发动机集成时间信息的定性建模和故障诊断推理方法。该方法以谓词逻辑公式和子句的形式对发动机定性特征和试车过程中的观测信息加以描述，同时基于归结原理和假言推理规则的演绎推理方法进行诊断问题求解。结合实际试车数据的检验结果表明，该方法为液体火箭发动机试车过程中动态诊断知识的表达和组织，提供了一种简洁有效的方式．计算量小．检测速度快，且具有较强的诊断能力。