基于多智能体系统的飞机舵面故障诊断方法

采用了多智能体系统方法对飞机系统的舵面故障诊断问题进行分析.首先从飞机系统的复杂性角度分析了该方法对其进行故障诊断的适应性,然后提出了对组成飞机舵面故障诊断系统的各智能体进行分类、建模和编码的方法,并在此基础上提出了故障诊断智能体的交互模型.在仿真实例中,采用Simulink建立了F-16飞机的仿真模型,用JADE平台构造了故障识别智能体以通过数据融合来对具体的舵面故障进行诊断,并利用MAC-Sim建立了Simulink与JADE平台之间的信息互通.仿真结果说明,该方法能够通过智能体的交互与协作来实现飞机舵面单故障和组合故障的在线协同诊断.     

深度卷积神经网络在轴承多故障复合诊断中应用研究

基于深度学习具有强大的自特征提取能力和较优的分类能力,将深度卷积神经网络引用到轴承的故障诊断中,提出了基于一维深度卷积神经网络的轴承复杂工况故障诊断方法。在提出的方法中,将轴承的多故障振动信号作为模型的直接输入,通过训练深度卷积神经网络模型,利用模型中多个卷积层和池化层对输入的振动信号进行自特征提取,并进行故障分类。从而以基于数据驱动的方式形成端到端的故障诊断。研究表明,在一维深度卷积神经网络中直接输入轴承振动信号进行故障诊断,与提取时域和频域特征结合支持向量机进行故障诊断的方法相比,深度卷积神经网络可以更好地反映时域振动信号与特征间的关系,获得了比传统智能诊断方法更高的识别效率。     

基于数据挖掘的飞机系统故障关联规则研究

为在日常运行中降低飞机系统故障率,提高飞机运行的可靠度,运用Apriori算法挖掘飞机系统故障间的关联规则.首先从2010-2019年间有记录的空客A320和波音B737系列飞机故障案例中提取有效数据,建立原始数据库;然后使用Apriori算法建立飞机系统故障关联规则挖掘模型,确定最小支持度和置信度;最后,使用MATL...     

基于Gauss核函数的SVM故障诊断技术研究

本文提出了基于Gauss核函数的SVM故障诊断技术,并利用grid法对SVM中参数进行寻优,以保证得到最高分类精度.通过对某航空公司ERJ145的右发AE3007发动机进行故障诊断研究后,证明基于Gauss核函数的SVM在小样本故障诊断中有着较好的适用性和可信性,能够为飞机发动机故障诊断提供有效的参考.     

应用神经网络的航空发动机故障诊断仿真研究(英文)

传统的定期维护制度成本高 ,劳动强度大 ,且对发动机故障的诊断和探测能力十分有限。现代飞机上的发动机监控系统 ( EMS)具有向维护人员提供有关发动机故障信息的潜在能力。本文将径向基函数 ( RBF)神经网络应用到航空发动机故障诊断中。该方法能够依靠测量参数探测发动机多个气路故障 ,并对各大部件的性能退化进行定量的诊断。仿真结果表明 ,诊断的精度能够满足实际应用的需要 ,神经网络的非线性映射能力可用来捕捉发动机的特性。该方法具有通用性 ,在其他类似的复杂机械中也可以获得应用。     

基于改进IRN网络的航空发动机故障诊断

建立了一种带偏差单元的内部回归神经网络.该网络的主要特点是记忆特性好,收敛速度快、稳定性强.介绍了该神经网络在航空发动机故障诊断中的应用方法,并通过实例验证了该方法在发动机故障分类中的实用性.在对某型航空发动机故障诊断中,准确性极高.从而在适时与视情维修过程中提出合理的建议,以便为相应维修方法的实施、改进和研究应用提供可靠的依据,有着良好的推广应用前景.     

基于加权D-S证据理论的旋翼故障诊断（英文）

旋翼作为直升机的升力面和操作面,其健康状态对直升机的安全至关重要。旋翼故障诊断技术仍是直升机健康与使用监测系统（Health and usage monitoring system, HUMS）领域的薄弱环节,开发旋翼故障诊断技术具有重要价值。基于信息融合技术,首先分析了旋翼故障的诊断机理,建立了旋翼故障模型,通过流固耦合仿真获取了不同故障下桨叶、轮毂和机身的故障特征信息,生成数据集进行网络训练和验证。然后,利用遗传算法反向传播（Genetic algorithm-backpropagation, GA-BP）优化神经网络诊断3种类型的直升机旋翼故障,即后缘调整片误调、变距拉杆误调和桨叶质量不平衡。3个逐级神经网络分别对旋翼故障类型、故障位置和故障程度进行了诊断识别。最后采用加权的Dempster-Shafer(D-S)证据理论对旋翼故障进行诊断和分析。结果证明基于改进D-S证据理论的旋翼故障诊断方法能够成功应用到旋翼故障诊断中,并具有良好的识别效果。     

基于QAR数据的民航发动机排故方法研究

QAR系统是记录飞机运行参数,协助飞机系统故障诊断的重要工具。本文对实际排故中的经验和方法进行总结,重点研究利用QAR数据对飞机发动机常见故障进行排故的方法,并提出了利用QAR数据排故时机务管理部门和机务工程师的注意事项。实践表明:利用好QAR数据,可提高飞机发动机排故效率。     

基于时频图和CNN的滚动轴承故障诊断

针对传统轴承故障诊断方法泛化能力差,提出了一种基于时频图和卷积神经网络(CNN)的滚动轴承故障诊断方法。首先,对振动信号进行短时傅里叶变换,构造时频图;然后,将训练信号的时频图作为卷积神经网络的输入,训练网络模型;最后,将测试信号的时频图输入网络模型,实现对滚动轴承的故障状态识别。通过美国凯斯西储大学的开放数据集进行多组验证实验,结果表明该方法能够有效的判断轴承是否存在故障,并且能够识别故障类型,准确率可以达到97.63%以上。     

基于案例推理和等价空间的定性/定量混合故障诊断方法

针对难以获得航天器控制系统的精确模型,采用基于知识的定性故障诊断方法也难以奏效的问题,采取定性/定量混合故障诊断的思路,将基于案例推理和等价空间故障诊断方法有机结合,建立定性/定量混合故障诊断模型,推出一种定性/定量混合故障诊断方法。以航天器姿态控制系统为对象进行故障诊断。验证结果表明,推出的定性/定量混合故障诊断方法能够发挥二者的优势,比任何单独一种方法的诊断效果都好。     

基于神经网络的直升机自动倾斜器轴承故障诊断方法

为了进一步提高直升机的安全性,利用BP神经网络和RBF神经网络对直升机自动倾斜器轴承进行故障诊断。完成了直升机自动倾斜器轴承故障植入试验,获取了自动倾斜器轴承的故障振动数据,并进行了振动数据的特征信号提取。采用振动数据特征信号的多参数融合作为神经网络的输入,对自动倾斜器轴承故障进行诊断,获得了较高的故障诊断率。采用基于神经网络的故障诊断方法,自动倾斜器轴承各类故障的最高故障诊断率均大于89%。     

基于观测器的飞机环控系统控制组件故障检测

控制组件作为飞机环境控制系统的重要组成部分,对其进行故障诊断具有重要意义。本文以环控系统的传感增益漂移和活门卡死故障为例,在Simulink仿真环境下建立其正常和故障模型,采用基于状态观测器的方法进行故障检测。仿真实验结果证明了该方法的有效性,且当上述两类故障发生时,基于观测器和仿真模型输出之间的残差特征分析,可以判别出所发生的故障类型。     

三相六开关VIENNA整流器功率开关开路故障诊断

分析了VIENNA整流器在桥臂各个功率器件出现开路故障时所呈现的故障特征,指出了各桥臂续流二极管的开路故障对整流器的危害最大。进一步提出了利用三相输入电流直流分量以及输出电压交流纹波作为功率器件开路故障诊断的故障特征值。构建了基于人工神经网络的功率开关开路故障分类系统,并将所提取的故障特征值作为输入训练样本对其进行训练,最后通过MATLAB软件中M语言编程完成对故障分类系统的训练和测试。训练和测试的结果表明,训练后的神经网络故障分类系统可很好地对VIENNA整流器除续流二极管外的功率器件开路故障进行定位。     

基于神经网络的垂尾飞行载荷模型研究

针对现代飞机结构设计复杂、传力路径多和大载荷结构变形大等因素,提出用神经网络方法建立载荷模型.利用垂尾载荷校准试验数据建立基于神经网络的垂尾根部剪力和弯矩的载荷模型,并对多点进行载荷预测.通过与多元线性回归载荷预测结果进行对比分析,结果表明,在大载荷下神经网络预测精度优于多元线性回归,从而为测量垂尾飞行载荷提供了一种可...     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

采用模糊RBF神经网络的直升机旋翼不平衡故障诊断

提出一种利用模糊径向基函数(Radial basis function,RBF)神经网络进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的模糊诊断模型。基于直升机旋翼不平衡故障模拟实验,对采集于旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号进行功率谱分析,并采用主分量分析(Principal component analysis,PCA)的方法进行故障特征提取。采用模糊RBF神经网络诊断模型对旋翼不平衡故障进行了故障分类识别,同时分析了不同主分量累计贡献率和模糊子空间对故障分类精度的影响,并与RBF神经网络的诊断模型、支持向量机(Support vector machine,SVM)诊断模型进行了故障识别效果对比。结果表明,模糊聚类RBF神经网络的诊断方法对旋翼不平衡故障具有更好的识别能力。     

飞机复杂系统故障诊断的灰色粗集推理方法

传统的复杂系统故障诊断规则不易获取且方法单一,不能满足系统维护要求.文中全面考虑复杂系统诊断的数据来源,用灰色关联理论降低系统复杂性并通过粗糙集约简数据的思想实现灰色粗集推理.基于灰色粗集推理方法实现了故障诊断规则的获取,并通过实例验证方法的可行性,结果明显优于神经网络算法,可有效提高诊断效率.     

结构系统故障诊断的理论与方法

对结构故障诊断的基本原理和方法进行了系统的研究,扩展了目前流行的一些结构故障诊断方法,建立了一系列新的结构故障诊断公式。发现考虑物理约束、借鉴专家知识和经验有助于结构故障诊断问题的根本解决建立了知识的结构故障诊断的理论框架。除此之外,还对无模型的结构故障诊断方法进行了深入的研究,建立了结构应变矢量「ε」和结构应变模态矩阵「Ψ」、结构自振频率矩阵「Ω」、结构位移模态矩阵「Φ」三者之间的一阶变分关系,     

网络控制系统的故障诊断

网络控制系统(Networked control systems,NCSs)是反馈通过数据网络的控制系统,跟传统控制系统相比,具有很多优点.但是,网络包含的时滞和其他数据特性会使得设计时未考虑网络的反馈系统性能下降.本文总结了近年来一些关于网络控制系统故障诊断的主要思想和结果,包括具有时滞的网络控制系统的故障检测及诊断技术,基于简单时滞系统模型;Markovian跳跃系统模型,混合系统模型及T-S模型的网络控制系统;以及对今后研究的展望.     

波音737飞机空调组件脱开故障分析与排除

波音737飞机空调故障是飞机故障中最常见的故障之一,其中尤其以空调组件脱开的故障率较多,而且,大多发生在地面使用或飞机起飞爬升过程中.特别是在我国南方地区的夏季,由于外界温度高,散热条件不好,该故障发生率特别高.这时只能用APU引气代替发动机引气向空调供气.