基于低冗余度的传感器故障诊断研究

对于大型飞机来说,飞行控制系统各部件(包括传感器)多采用高余度的硬件配置来提高系统的任务可靠性,但对小型飞机来说,由于受重量、空间及费用等原因的影响,一些传感器不适合安装三余度或四余度传感器。对于二余度或单传感器来说,如何鉴别故障传感器或判断传感器是否发生故障较为困难。同样,传统的故障诊断与隔离方法并不能隔离三余度传感器系统中的多个故障。为了解决低冗余度传感器故障诊断问题,提出一种不依赖数学模型的奇偶方程方法与小波分析相结合的传感器故障诊断方法。     

采用一组卡尔曼滤波器检测发动机传感器故障

在发动机全功能数字电子控制系统中,提高传感器工作的可靠性是十分重要的,除了不断对传感器本身的性能加以改进提高外,现在广泛地采用了余度技术。近二十年来对解析余度(Analyt ical Redundancy)进行了广泛的研究,解析余度(AR)方法是基于各状态变量之间存在的解析关系,在系统可观条件下,利用无故障的输出测量值去估计(构造)已故障传感器正常工作状态时的输出信息,从而实现对故障的检测、隔离与重构,保证控制系统具有预定的控制性能。      

航空发动机传感器解析余度模型的建立方法

为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感器解析余度模型建立方法。为避免求解ELM算法时H矩阵奇异,采用K-均值聚类对试验数据进行聚类处理,然后从每类数据中选取1组数据组成训练样本用于训练;利用IDE算法优化ELM的输入层权值和偏置,提高ELM的泛化能力。利用飞行试验数据进行了仿真验证。结果表明:基于K-均值聚类和IDE-ELM设计的传感器解析余度模型具有较高的精度,可用于FADEC系统双通道传感器的故障诊断。     

电传飞行控制系统的余度设计技术

余度设计是提高电传飞行控制系统安全性与任务可靠性的一种重要手段。对电传飞行控制系统中的余度设计内容进行了介绍,探讨了这一领域的一些重要问题。主要内容包括相似余度,非相似余度,解析余度,功能冗余设计技术。对其核心技术和研究难点进行了分析,为进一步研究打下了基础。     

直升机飞控系统的计算机冗余设计

本文以某直升机飞控系统为对象，以飞控计算机为中心，围绕系统的余度配置、容错设计原则、中断处理算法、重构、故障检测和灾难性故障的钝化处理等方面的内容，展开讨论。双余度直升机数字飞行控制系统的安会可靠度，是通过硬件和软件实现的容错技术而获得，它根据系统实际需求。采用硬件和软件相似余度设计，最大限度利用飞控计算机自监控和双余度信号比较监控能力；最终使系统达到无故障工作／故障安全。     

自修复飞控系统的故障主动检测设计

当今自修复飞控系统多采用基于模型的解析余度法来检测传感器、作动器和操纵舵面故障。本文介绍了自修复飞控系统组成,自修复故障的基本方法;提出了通过模型参数的自适应调节,假设检验参数实时调整以及采用“零输出”响应的舵面故障检验激励的综合设计方案,以实现充分利用自修复系统功能的“主动检测”。     

关于航空发动机数字电子控制

为了给即将问世的吸气式发动机控制系统提供先进技术,我们以WP-13作为技术验证机建立了全权限数字电子控制系统研究计划.研究计划包括控制原理和方法,实时控制系统仿真,自动故障检测、定位和重构,机载的发动机数字电子控制器(具有解析和硬件余度),敏感和驱动系统及全控机械液压备份装置.本文概略地介绍这项计划,包括:研究的起因,一般的系统介绍,目标、技术需求及进展,展望.     

辅助动力装置控制系统传感器智能解析余度方法

针对辅助动力装置(APU)控制系统传感器故障,提出了一种基于协方差优化集成极限学习网络(COSELM)的传感器智能解析余度方法。该方法能够根据在线序列预测误差的最小方差来自适应更新单个在线序列极限学习机的权重系数,发挥和权衡各个学习模型的优势,通过提高模型算法的稳定性和泛化性,改善传感器智能解析余度的精度。通过在某辅助动力装置控制系统传感器解析余度的验证表明,提出的COSELM方法可以解决传感器在发生偏置故障时的信号重构问题,重构误差不超过1%,适用于不同辅助动力装置个体,为其提供可靠的解析余度。     

基于部件跟踪滤波器的解析余度技术

研究一种以发动机部件跟踪滤波器(CTF)为基础的解析余度技术, 它将CTF与故障检测、隔离和适应逻辑进行了有效的综合, 以改进发动机数控系统的可靠性。仿真表明, 本文所设计的解析余度技术, 在传感器无故障时, 机载模型能正确跟踪发动机的变化。当传感器发生故障时, 在不损坏机载模型的情况下, 又能及时、有效地进行硬、软故障的检测、隔离与适应。      

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。     

基于自联想网络的发动机传感器解析余度技术

本文提出了一种基于自联想神经网络的传感器解析余度技术。在这种网络中,冗余传感器的信息被压缩、重组进入网络的第一部分,网络的第二部分将压缩信息恢复出来。基于数据融合原理,若一个传感器发生故障,其它传感器仍可提供足够的信息代替发生故障的传感器。理论分析和用于涡轴发动机的仿真结果表明,这种特殊结构的自联想网络具有良好的过滤噪声和故障信号的作用,特别适合于用作不易建模的复杂对象的传感器信号重构     

基于自联想神经网络的发动机控制系统传感器故障诊断与重构

研究自联想神经网络及其在发动机控制系统传感器故障诊断及重构中的应用。自联想神经网络关键在于特征提取和噪声滤波。综合自联想网络的最优估计与故障诊断 ,自动区分估计误差和传感器故障。仿真结果表明这种方法不需要模型 ,能诊断传感器硬、软故障 ,当发动机性能蜕化时也能提供很好的解析余度。     

基于奇偶方程的FADS传感器故障检测方法

重复使用运载器（RLV）的嵌入式大气数据传感系统（FADS）中传感器的高可靠性是RLV飞行控制系统高可靠性的保障。结合FADS采用多个测压点冗余配置的特点,利用各传感器测量值之间存在的解析冗余关系,设计奇偶方程,实现对各个测压点故障传感器的有效检测。     

数控系统传感器故障检测隔离及适应技术

介绍一种发动机传感器故障的检测、隔离及适应方法,并给出某型涡轴发动机的数字仿真实例,说明该方法的有效性和实用性。     

Fast Online Approximation for Hard Support Vector Regression and Its Application to Analytical Redundancy for Aeroengines

The hard support vector regression attracts little attention owing to the overfitting phenomenon. Recently, a fast offline method has been proposed to approximately train the hard support vector regression with the generation performance comparable to the soft support vector regression. Based on this achievement, this article advances a fast online approximation called the hard support vector regression (FOAHSVR for short). By adopting the greedy stagewise and iterative strategies, it is capable of online estimating parameters of complicated systems. In order to verify the effectiveness of the FOAHSVR, an FOAHSVR-based analytical redundancy for aeroengines is developed. Experiments on the sensor failure and drift evidence the viability and feasibility of the analytical redundancy for aeroengines together with its base-FOAHSVR. In addition, the FOAHSVR is anticipated to find applications in other scientific-technical fields.     

燃气涡轮发动机地面试验传感器数据确认概念与方法研究

本文介绍了燃气涡轮发动机传感器数据确认系统的研究与应用现状,详细阐述了基于发动机和试验系统物理模型的解析冗余检验相关多传感器信号有效性方法,以及基于信号序列统计与时频特征分析的单传感器通道信号有效性的确认方法,提出了传感器数据有效性确认系统的研究框架。     

广义回归神经网络在冗余捷联惯导故障诊断中的应用研究

针对冗余捷联惯导的故障诊断问题，研究提出了一种基于广义回归神经网络的故障诊断方法。该方法在传感器输出数学模型未知的情况下，仅通过传感器之间的冗余关系，利用传感器正常工作时的测量值和改进的神经网络估计输出值生成残差进行故障诊断。仿真试验表明，利用神经网络补偿产生的残差可以检测到未补偿时的故障。该方法不仅可以检测到单故障，还对多传感器同时发生故障具有一定的检测能力。