判别金属材料疲劳试验中异常试验数据的一般方法

在金属疲劳试验中,有时会出现一个或多个明显小于或大于其它数据的异常数据。查找导致这些异常数据的原因是很困难的,难以直接剔除。通常,相关文献只简要地提供基于统计学的识别异常数据的判据。为了帮助数据分析人员更好地理解这些统计判别方法,在处理金属疲劳试验数据时更好地运用统计判别方法,对分布于各文献中的统计判别法进行了归纳整理,并给出必要的推导过程和公式,最后对所列统计判别法进行总结,介绍各方法的优势和不足,并给出建议。     

线性模型系数的有界影响辨识

基于采样数据的新息增量过程,本文创造性地提出了回归系数的有界影响辨识。该统计辨识方法能有效地克服异常采样数据的不利影响,提高统计推断的可靠性。     

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。     

线性模型系数的有界影响辨识

基于采样数据的新息增量过程，本文创造性地提出了回归系数的有界影响辨识。该统计辨识方法能有效地克服异常采样数据的不利影响，提高统计推断的可靠性。     

一种基于威布尔分布的金属疲劳试验异常数据判别方法

金属疲劳试验的数据符合威布尔分布,是非对称的统计分布,而现有的异常数据判别方法均基于对称性分布(正态分布、t分布)。威布尔分布与对称性分布(正态分布、t分布)主要差异体现在低寿命区和高寿命区,这正是异常数据出现的区域。基于威布尔分布推导了一种异常数据判别方法,推导过程中进行了合理地工程处理。经比较,该方法相对于基于对称性分布的判别方法更可靠。     

涡轮泵振动参数与统计特征量的线性相关性分析

为了剔除冗余的振动参数和统计特征量，提高涡轮泵故障检测的实时能力，建立了线性相关性假设检验模型。利用该假设检验模型和某型液体火箭发动机的历史试车数据，检验了7路涡轮泵振动参数以及13种常用统计特征量的线性相关性，并分析了统计特征量对涡轮泵故障的敏感性和稳定性，以及涡轮泵振动数据的正态性。数据统计分析表明，大部分涡轮泵振动参数以及统计特征量显著线性相关，幅值统计特征量的故障敏感性弱，但稳定性强，而无量纲统计特征量的情况恰好相反，并且正常涡轮泵振动数据服从正态分布，而异常涡轮泵振动数据不再服从正态分布。据此，为涡轮泵故障检测选择了线性相关性弱，故障特征反映能力强的3路振动参数和3种统计特征量。     

旋转机械故障振动诊断的模式识别方法

本简单介绍了模式识别诊断法的基本思想，提出了一种新的模式识别诊断法-故障模式分解法，并把最小平方误差（Least-Mean-Square-Error)准则算法引入旋转机械故障的振动诊断，取得了令人满意的数字仿真效果。     

振动特性敏感区上的结构故障诊断与监测

本文提出了通过敏感的振动特性来进行结构故障早期诊断的图象识别诊断法和参数变化诊断法。前者可以判断故障是否发生并作简单分类,后者能同时确定故障的部位和严重程度。两方法都用到了悬臂梁的故障诊断中,结果表明是有效的。     

灰色系统关联分析在故障识别中的应用

通过对现场采集的齿轮故障文件进行诊断,说明通过多参数灰色关联度分析诊断法诊断齿轮故障及识别其故障类型,只要样本文件数据准确、可靠性强,在类似的工作条件下,诊断齿轮的故障是可行的,其效果是较好的。     

平台式重力仪航空重力测量数据后处理技术研究

针对航空重力测量对数据后处理的要求,结合平台式重力仪系统的组成与工作原理,在重力异常信号的频域特征基础上,设计出一套有严格频域规范的航空重力数据后处理流程,并对某海域实测数据进行了处理。结果表明,重力异常值内符合精度为12条东西测线达到0.43mGal/140s和0.84mGal/100s,4条南北测线达到0.39mGal/140s和0.79mGal/100s;以同测线GT-2A单次测量结果为标准值统计标准差,12条东西测线为0.72mGal/140s和0.98mGal/100s,4条南北测线为1.41mGal/140s和1.53mGal/100s。结果表明,设计的航空重力测量数据后处理方法可以实现重力异常信号的高精度提取。     

基于DFT的布林线视角下的信号异常值检测方法

针对装备健康管理中关键部件常出现状态异常、性能退化问题,提出了1种兼顾时域统计性和频域周期性的信号数据异常值检测方法.在频域上,通过离散傅里叶变换(Discrete Fourier Transform,DFT)进行频谱分析,根据幅值大的低频谐波的周期选择布林线的计算周期;在时域上,根据不同的置信度,利用移动平均值和标准...     

基于AMSAA模型的系统可靠性评估方法研究

针对航空机载设备可靠性增长试验数据不规则的特点,在AMSAA模型的基础上提出了识别异常点的AMSAA模型与处理截断数据的AMSAA模型,并给出了模型拟合优度检验方法。经实例验证表明,识别异常点的AMSAA模型可以在给定置信度下识别出异常点并排除异常点对瞬时MTBF（平均故障间隔时间）极大似然估计值的干扰;截断数据的AMSAA模型能够利用被截取的部分数据,得到准确的瞬时极大似然估计值。     

雷达截面测量数据处理方法的改进

在进行雷达截面（RCS）测量原始数据的处理时,传统方法是对这些数据直接进行简化和统计处理,得到能概括目标散射特征的数据。本文应用格拉布斯检验方法和卡尔曼滤波方法,分别对静态和动态测试数据的异常值进行预先判别、剔除处理,然后再对原始数据进行平滑处理和统计分析,从而提高了处理结果的置信度,更准确地表征目标的RCS特性。     

某型航空发动机锯齿冠涡轮叶片叶冠间隙扩展规律研究

以某型航空发动机锯齿冠涡轮叶片实际外场叶冠间隙监控数据为统计样本,开展了叶片叶冠间隙扩展规律的统计分析与研究,包括叶冠间隙扩展典型规律和扩展速率的统计分析,松动叶片数量与叶冠间隙的对应关系以及叶冠出现间隙的发动机使用情况的统计分析。结果表明:叶冠间隙存在稳态扩展和异常扩展阶段,且松动叶片数量与叶冠总间隙之间存在一定的比例关系,可为叶冠间隙外场监控提供参考和依据。     

航天器下行数据异变检测算法研究

针对航天器下行遥测数据故障检测问题,建立了相应的非平稳+异常分量模型,并借鉴采样数据新息增量过程的回归系数有界影响辨识方法,提出了航天器下行数据异常突变在线检测算法,该算法具有简捷的递推关系和良好的容错能力。实测数据结果表明,该算法可以有效地检测出航天器异常数据,并能克服异常数据的不利影响,提高在轨航天器测控过程的可靠性。     

一种基于前置与后置策略的数据异常处理技术

本文列举了管理信息系统中常见的数据异常现象。提出了数据异常处理的总体原则，详细论述了基于前置和后置策略的数据异常处理技术。     

基于BCP异常数据检测方法的应用与研究

针对应用系统数据集成过程中产生异常数据的问题,介绍数据集成的概念以及异常数据造成的危害,提出基于反向约束传播的异常数据检测方法,并详细阐述检测原理。构建反向约束传播检测原型,通过仿真实验验证该方法可以对数据集成流程中的异常数据进行检测和回收,提高数据集成的质量。     

基于ResNet-LSTM的航空发动机性能异常检测方法

为了实现数据驱动的航空发动机性能异常的智能检测,提出了一种基于残差网络（ResNet）-长短期记忆网络（LSTM）的发动机性能异常检测方法。采用发动机性能数据图像化方法,在数据降维的同时,完备保留数据的关联特征和时序特征;以残差单元构建发动机性能异常检测模型,在加深网络结构的同时,消除深层网络梯度消失问题,提高发动机性能图像空间关联特征的提取能力。同时,引入LSTM,提出基于ResNet-LSTM的发动机性能异常检测模型,通过ResNet与LSTM的融合,强化异常检测模型对时序特征的提取,提升发动机性能异常检测的准确率;通过发动机运行数据进行验证。结果表明：在训练集上,该方法的异常检测准确率为94.95%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高10.87%、8.00%、3.23%;在测试集上,该方法的异常检测准确率为92.15%,比基于ResNet18、ResNet34、ResNet50异常检测模型的分别提高11.81%、9.45%、3.78%。     

飞机地面滑行时的异常振动分析

针对某型飞机地面滑行中出现的异常振动,通过数据分析及统计,发现该型飞机在特定速度下滑行时,刹车温度与飞机的振动水平有很强的关联性。通过仔细对比刹车动作与异常振动特征,发现异常振动一般出现在刹车中及刹车结束1~2s,最终判定不对称刹车是引起异常振动的原因。     

一种基于阴性选择算法的飞行数据异常值检测方法

研究了基于阴性选择算法的飞行数据异常值检测问题。针对传统的基于数据趋势进行数据异常值检测方法难以处理连续异常值的问题,提出通过提取待测参数的相关参数并在检测器编码中加入相关参数信息,使得阴性选择算法能够用于连续多个异常值的检测,算法不需要关于数据异常的任何先验知识。实验表明,采用改进编码后的阴性选择算法识别飞行数据中的异常值具有较高的精度。