基于规则匹配的RFID复杂事件检测框架及方法

无线射频识别技术（RFID）催生和促进了物联网（IoT）的发展。RFID原始数据的海量性和语义隐含性等特点对RFID数据处理提出了挑战,为此将复杂事件处理技术引入RFID数据处理中。把RFID数据定义为事件,按照给定的规则,检测出相应的复杂事件。现有基于树的复杂事件检测方法不支持事件的数值属性的条件约束,提出了一种RFID复杂事件描述规则和基于规则匹配的检测框架,能够高效地处理RFID数据流,在此基础上,进一步改进了RFID复杂事件检测方法（RCEDA）,提高了时序约束下非自发事件的检测效率。     

一种快速检测GPS卫星完好性风险的方法

提出了一种观测量组合算法对完好性风险进行了监测;并针对多接收机单统计量的线性组合进行了讨论;最后利用实际数据对该统计方法进行验证。研究结果表明:在发生失效的情况下,观测量组合算法能够更快地监测故障的发生,提高了对故障的检测速度,同时可检测出小偏差故障,降低系统的漏检率。     

航空燃气涡轮风扇发动机故障识别诊断方法研究

航空发动机的故障预测诊断研究是视情维修制度的主要应用,以状态监控为基础的维修制度需要对航空发动机进行状态监测与故障诊断。故障状态监测与诊断研究方法的多样性使初涉者毫无头绪,为了更好地把握航空发动机故障状态监测与诊断的研究方向,选择方法的最优面组合杂交出更加有效的故障检测与诊断技术,可以解决更加复杂的系统故障问题。本文对较为典型的航空发动机故障检测与诊断技术进行简析与评价,从而更加深刻地把握航空发动机故障预测技术。     

航空发动机故障诊断算法性能分析及参数优化

基于航空发动机故障诊断测试平台,通过蒙特卡洛仿真得到涡扇发动机部件、传感器及执行机构典型故障数据,经过参数换算、趋势监测、异常检测等过程进行故障诊断,采用加权最小二乘法实现故障隔离.利用故障诊断测试平台中的评估指标准则对诊断算法性能做出定量评估,采用遗传算法对虚警率、漏报率和Kappa系数等关键参数进行优化.     

面向RFID系统的复杂事件处理机制与方法

总结了供应链RFID系统中复杂事件处理的应用,在目前研究成果的基础上对复杂事件相关概念及定义进行了完善,对复杂事件表达式的运算性质进行了分析,在此基础上给出了复杂事件检测算法,并对其性能进行了分析.     

基于时序分析的液体火箭发动机实时故障监测算法

建立ＡＲ模型对液体火箭发动机状态测量参数构成时间序列进行分析，并构造相应的信息距离差别函数进行状态监测。对某次试车的测量参数进行状态监测仿真表明，利用时序分析算法能够在满足实时条件下早期检测出发动机的故障。在算法中，使用了Ｋｏｌｌｂａｃｋ－Ｌｅｉｂｌｅｒ信息距离函数作为判别函数，使得整个计算简单而可靠。     

某型民机油量异常故障分析与排除

某型民机在飞行过程中多次发生右翼燃油箱油量异常变化的情况,导致左右翼燃油量差值超过警戒值,影响飞机平衡。结合系统分析、数据分析、排故试验,最终将故障定位并解决,再次进行地面试验,结果表明故障已排除。     

INS/GPS组合导航系统故障检测问题研究

提出了一种新的故障检测方案。该方案由卡尔曼滤波 ,得到新息序列 ,利用大数定律对新息序列的稳定性进行检验 ,来判别系统是否出现了故障。同时提出了故障状态下卡尔曼滤波的修正算法。数值仿真结果表明 ,该方法能有效地检测出 INS/GPS组合导航系统的故障 ,保证了 INS/GPS组合导航系统的安全性和可靠性     

基于K-L信息测度的液体火箭发动机的泄漏故障检测

液体火箭发动机的泄漏是常见和极其危险的故障。研究快速有效的泄漏故障检测方法,是一个很重要迫切的课题。本文针对已有发动机的状态监测参数,建立ＡＲ模型进行时间序列分析,利用Ｋ－ Ｌ信息测度作为判别函数来检测发动机的泄漏故障。仿真结果表明,这种泄漏故障检测的方法是切实可行的。     

空客A320飞机客舱门指示故障分析

飞机在运行过程中,舱门指示系统的正常工作是保障飞机安全和平稳运行的重要因素之一。本文通过对一起空客A320系列飞机客舱门指示故障的介绍,从故障现象、系统原理、排故过程等方面进行了分析和总结。     

一起直流信号灯异常故障分析与排除

介绍了一起飞机"直流"信号灯未燃亮故障的排除过程,强调了排故过程中应充分重视飞机系统跨批次升级和改装问题,这可以为复杂、疑难故障的排除指明方向、节省排故时间。     

电缆偶发故障检测技术分析

电缆偶发故障一直是航空界的一大挑战,检测偶发故障的常用工具是万用表。本文针对常用的电缆偶发故障检测技术进行分析,通过实验验证出万用表的弊端,并指出正确的检测方法,为排故人员提供参考。     

一种基于时序形态的航天器动态模式提取方法

针对航天器动态特性分析过程中遇到的建模过程复杂、处理速度较慢、分析结果不易进行直观解释等问题,通过借鉴符号化近似思想,提出了一种基于时序形态的航天器动态模式提取方法。该方法首先采用分段线性化算法获取一系列分割线段以近似表示遥测序列形态,然后使用系统聚类分析技术对分割线段进行分类,最后基于分类结果将遥测时间序列数据转化为蕴含形态信息的符号序列。验证结果表明该方法简单、有效,所提取的动态模式符号序列不仅可体现遥测时序数据的显著变化,也可表征遥测序列的细微变化,可作为遥测序列识别与异常检测的依据。     

波音737NG飞机起飞形态警告排故的启示

<正>据统计,2011年至2013年9月,国航B737机队共发生起飞形态警告故障43起。由于该故障往往发生在机组起飞推油门阶段,客观上给机组起飞操作带来很大压力,容易造成中断起飞、滑回等不安全事件,给飞行安全带来很大的隐患。国航工程技术部门对此类故障高度重视,多次召集各基地技术力量进行排故攻关。本文以国航重庆维修基地执管的B-5217机最近发生的一起起飞形态警告重复性故障排故为例,从系统原理入手,将故障特点、排故过程中的经验教训梳理总结,试着为大家展现一种不囿于手册的排故思路,给后续的排故工作     

基于TSM的民机多故障等级-原因综合排故法研究

在“保安全、讲效益”的民航大环境下,飞机的故障诊断及故障排除至关重要,因此建立一套科学的排故分析方案,保证故障处理得更快、更准显得十分必要。飞机在完成航班运营后的短停和航后期间通常会有多个故障待排除,此时为了优化机务维修人员排故流程,提高排故效率,首次提出在故障诊断过程中采用基于TSM的多故障等级一原因综合分析排故方法。该方法通过建立加权概率模型对故障的可能原因和危险等级两因素综合分析．由计算得出的综合指数快速判断出故障源。将该方法应用于某航空公司的实际排故工作中,通过实例验证该法的引入能快速判断故障源,确定排故方案,达到优化排故的目的。     

基于综合模糊聚类算法的液体火箭发动机故障诊断

基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值(FCM)算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达968%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。     

基于核函数主元分析的航空发动机故障检测方法

航空发动机性能由正常到异常、再由异常发展到完全故障的阶段,其参数变化具有一定非线性特征。为了有效检测这种具有非线性特征的故障,提出一种基于核函数主元分析(KPCA)的非线性故障检测方法。该方法通过核函数完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间,在特征空间中使用线性主元分析(PCA)方法计算主元,构造T2和SPE统计量检测故障的发生。通过对某型涡扇发动机进行实例验证分析,结果表明,KPCA方法一方面克服了综合参数法由于没有确定的警戒值而无法有效地进行故障检测的不足;另一方面KPCA方法在非线性故障检测过程中能够提取重要的非线性特征信息,因而比PCA方法能更早地检测到早期潜在故障,且KPCA方法检测错误率更低。因此,KPCA方法更适合于具有非线性特征的航空发动机故障检测。     

电压敏感电路的故障诊断技术研究

电压敏感电路能够敏感发电机的输出电压,是发电机调压电路的重要环节,其发生的故障将影响电源系统的安全与稳定。利用小波子频带能量检测技术对输出电压信号进行处理,从中获取故障信息,作为神经网络的输入。训练过程及测试结果表明：基于松散型小波神经网络应用在电压敏感电路故障诊断中,具有较高故障诊断率,验证了该方法的有效性。     

某图像接收机灵敏度不合格故障分析

某型图像接收机随着使用年限的延长出现接收灵敏度指标故障,有必要对灵敏度故障模式及排除方法进行研究,总结出一套排故方法。本文结合修理过程中出现的因通信信号故障导致的灵敏度指标超差故障,采用故障树分析方法,剖析产品工作机理,逐级排查各个可能故障分支,确定故障原因,排除故障器件,并对故障定位及排故方法进行总结,为后续该型图像接收机的故障分析提供一定的借鉴和参考。     

数据挖掘在运载火箭智能测试中的应用

针对运载火箭复杂系统的故障检测难以建立准确的数学模型的问题,研究了基于数据驱动的数据挖掘异常检测算法,对多种数据挖掘算法在运载火箭发动机异常检测的应用进行了研究和分析,提出了基于混合概率密度统计的多策略异常检测评价算法。该算法基于非监督学习的算法挖掘火箭发动机不同参数间的正常关联模型,火箭发动机早期的异常数据会引起正常关联模型的破坏,引入混合概率密度统计的多策略异常检测评价机制,可以有效屏蔽参数测量故障对系统故障检测的影响,从而更加准确给出系统异常程度。使用发动机历史试车数据作为样本进行特征模型的训练,使用一元、多元和混合概率密度模型对存在异常的发动机试车数据进行了实时异常检测的实验验证。实验结果表明,相比传统基于阈值和规则的异常检测算法,基于概率密度统计的多策略异常检测算法不仅可给出系统的正常和异常的状态,还可计算各参数和整个系统的异常值,为运载火箭进一步的故障诊断提供更加灵活的参考。