双轴分排涡扇发动机气路故障诊断测量参数选择方法

针对地面台架试车气路故障诊断测量参数的优化选择提出了一种四步优化方法.该方法包括测量参数敏感性分析、部件性能参数相关性分析、影响系数矩阵条件数分析和遗传算法检验.第1步选择出了总空气流量;第2步选择出了风扇出口总温和压气机出口总温;第3步选择出了12种对故障诊断有利的测量参数组合;第4步选择出了最有利于故障隔离的测量参数组合.利用遗传算法进行单一故障辨识的结果表明:所选的12种测量参数组合的适应度都大于0.85,接近于最优的适应度1.对于最有利的测量参数组合,利用遗传算法的故障辨识验证结果表明,其适应度均大于0.9,验证了四步优化方法的有效性.      

基于奇异值差的转静件碰摩故障诊断方法研究

针对目前奇异值分解方法在航空发动机碰摩故障诊断处理中的不足,在基于矩阵分析推导奇异值残差重构信号能量成分的基础上,提出了利用奇异值残差重构突变信息的方法并建立了诊断流程.利用仿真信号对提出的方法进行了验证,得出了该方法与理论分析相符合.最后将其应用于某型航空发动机实测数据的处理,成功地判断出该发动机碰摩的时刻和碰摩故障的延展,结果表明该方法对航空发动机碰摩故障的诊断具有良好的效果.      

燃气轮机气路测量参数的模糊智能选择

针对燃气轮机气路性能的监测诊断需求,基于气路小偏差分析得到的影响系数矩阵,首先从测量参数选择的相关性要求出发,应用模糊聚类分析方法得到了要求数目的目标聚类;进一步从参数选择的敏感性等要求出发,通过模糊综合评价方法从多元素聚类中筛选出了各自的代表测量参数,从而实现了燃气轮机气路测量参数的模糊智能选择.实例表明:利用模糊聚类分析方法可直接实现测量参数的相关性选择,并可以方便可靠地根据目标要求选择合理的测量参数组合,利用模糊综合评价方法的测量参数的敏感性选择更为有效可靠.     

基于LMD的包络谱特征值在滚动轴承 故障诊断中的应用

滚动轴承故障振动信号往往是多分量的调幅-调频信号,而传统包络分析方法需要根据经验设置滤波器的中心频率与带宽,因而会带来解调误差.基于此,提出了一种基于局域均值分解(local mean decomposition,简称LMD)的包络谱特征值的滚动轴承故障诊断方法.该方法可以将一个多分量的调幅-调频信号分解成若干瞬时频率具有物理意义的PF (product function,简称PF )分量之和,由于每一个PF分量是分量包络信号和纯调频信号的积,因此可以直接对包络信号进行频谱分析得到包络谱.然后定义信号在包络谱中不同故障特征频率处的幅值比为包络谱特征值,并以此作为特征向量输入到支持向量机分类器中,用以区分滚动轴承的工作状态和故障类型.对滚动轴承正常状态、内圈故障和外圈故障振动信号的分析结果表明了该方法的有效性.      

基于序列工作点的航空发动机过渡态气路分析参数选择研究

为了降低由多工作点分析(MOPA)方法的平均效应所产生的气路分析(GPA)系统误差,提出了基于航空发动机过渡工作过程的序列工作点分析(SOPA)技术,并以此为基础提出了一种系统的气路分析参数选择方法。该方法利用连续小波变换对时间信号的增强解析能力,提取待求健康参数在备选测量传感器上的参数特征,实现了在传感器安装受限条件下必要测量参数的选择。通过对SOPA子系统矩阵进行奇异值分解(SVD),获得了在过渡工作过程中不同时间片段上的健康参数可辨识性。针对大涵道比双轴分排涡扇发动机的参数分析结果表明:通过对待求健康参数的敏感性输出信号进行小波分析所确定的最简传感器布局,具备对全部待求健康参数的可辨识性;而以时间片段矩阵的条件数作为判据评估SOPA子系统的参数辨识能力,能够有效地确定具有高可靠性的SOPA时间片段位置,保证了对发动机气路部件健康状态的估计精度。     

基于大气偏振光的载体姿态参数提取方法

大气偏振模式是地球自有属性,可为大气层内的生物和载体提供导航信息.提出一种利用大气偏振模式矢量性特征获取载体姿态参数的直接方法,首先利用图像法从单反相机获取的180°全天域灰度图中重建出大气偏振模式,然后对该模式进程进行分析和处理,确定出天空每个测量点的E-矢量信息,接着利用这些E-矢量建立载体的姿态变换矩阵,最后引入奇异值分解的经典方法最小化误差函数,获取到载体的姿态参数.该方法的有效性通过模拟飞行器控制台得以验证,最大解算偏差不超过0.5°.     

基于分解-粒化和优化极限学习机的燃油泵性能退化趋势预测

机载燃油泵的性能退化呈现非线性多阶段模式,为了提高机载燃油泵性能退化指标的预测精度,得到性能退化指标准确的预测范围,提出了基于奇异值分解-模糊信息粒化与优化极限学习机的模糊粒化预测方法。针对传统的粒化预测方法直接对原始序列进行粒化分析的不足,首先利用奇异值趋势分解方法提取燃油泵性能退化指标序列的趋势项及去趋势项,再利用信息粒化方法对去趋势项进行模糊粒化;然后将趋势项及粒化后的去趋势项数据输入至极限学习机进行回归预测,并采用粒子群算法优化极限学习机参数;最后根据实测值和预测值的对比分析评估预测模型的优良性。实验结果表明,该方法可以有效跟踪燃油泵性能退化指标的变化趋势,并对其指标的波动范围进行有效预测。     

基于人工神经网络电火花微细加工的参数选择

简述了将人工神经网络技术用于混粉电火花加工参数的选择,根据对象编出支持系统,为用户提供合理可靠的混粉电火花加工方案。     

温度冲击试验箱的参数测量

简介了温度冲击试验原理,提供了一种测量温度冲击试验设备参数的方法,并分析了一个实例。     

基于奇异值趋势分解和LS-SVR的航空发动机性能指数组合预测

发动机性能指数是衡量其性能优劣的重要指标之一。针对发动机性能指数具有非线性、非平稳的特征,引入多层次多尺度的思想,在此基础上提出一种基于奇异值趋势分解的组合预测方法。利用奇异值趋势分解提取原始数据的趋势项和波动项;以改进粒子群算法分别获取趋势项和波动项在最小二乘支持向量回归模型中的最佳参数组合(嵌入维数、延迟时间、惩罚因子、核参数),并引入回归移动的思想,在此基础上利用最佳的最小二乘支持向量回归模型进行预测。预测结果表明预测精度明显增加,计算时间也相对减少。提前预测步长在5步之内时,精度变化不大;步长超过10步,精度下降很快。与不同预测方法比较,证明了方法的有效性。      

利用辐射光谱法开展发动机燃烧火焰参数在线测量

针对发动机高温燃烧火焰参数非接触式在线原位测量难题,提出了基于火焰辐射光谱(radiation spectroscopy, RS)的火焰参数在线测量方法,采用光纤光谱仪搭建了发动机燃烧火焰参数在线测量系统,并利用黑体炉对光谱仪电荷耦合元件(charge-coupled device, CCD)波长响应特性进行了标定.之后,应用该系统获得了火箭基组合循环(rocket based combined cycle, RBCC)发动机地面试验高温燃烧火焰200~1100nm波段辐射光谱,结合普朗克定律与最小二乘法,实现了火焰温度与辐射率参数的在线测量,为发动机燃烧诊断与优化提供了直接数据支撑.      

基于奇异值分解的关系相似度计算方法

关系相似度计算在信息检索等领域有重要的应用.目前,关系相似度主要通过向量空间模型计算,但数据稀疏严重影响计算效果.为此提出以上下文模板表示特征,并通过对特征矩阵的奇异值分解降维消除噪声,冉通过向量余弦夹角计算关系相似度.实验表明,该算法比传统的向量空间模型算法在分类准确率方面有明显提高.     

基于冲击信号的滑动轴承摩擦故障监测方法

针对滑动轴承声发射（AE）信号干扰严重、故障信号难分离、轴承摩擦故障监测难的问题,从不同信号的激励源作用形式出发,根据冲击信号的工作脉冲特征,建立了分离相对容易的干扰信号与轴承摩擦故障的联系,提出一种基于干扰信号监测滑动轴承故障的方法。首先,依靠K均值奇异值分解（K SVD）字典对冲击特征的捕捉能力,确定冲击脉冲产生的时刻;为了锐化和增强冲击信号,通过Hilbert包络解调出冲击包络信号。其次,引入钟形脉冲参数,通过钟形脉冲拟合单个冲击包络信号,并进一步推导出冲击包络信号的强度简化计算公式,用于滑动轴承接触摩擦故障识别。最后通过实验模拟了滑动轴承切断供油后的轴瓦摩擦过程,与AE传统特征相比,所提特征更容易识别轴承的早期摩擦故障,能够完整描述轴承的摩擦的全过程,且计算效率更高,为滑动轴承接触摩擦故障诊断提供了一种新的途径。      

一类基于颤振行列式的颤振分析新方法

提出了一类基于颤振行列式的颤振分析新方法,分别采用颤振行列式值的模,或颤振矩阵的模最小特征值这两个指标的频域下界,来直接确定颤振临界点.根据这两个指标在颤振临界点附近取极小值的特点,编制了相应的算法.数值算例验证了这两个指标在确定颤振临界点时的等价性.该方法与传统颤振分析方法的结果精度相当,并且根据颤振临界点处的颤振特征向量还可以定量给出各模态参与颤振耦合的程度.      

发动机故障诊断主因子模型的测量参数选择

研究了航空发动机气路故障诊断的测量参数选择的问题.基于发动机故障诊断的主因子模型,结合预测平方残差和(prediction error sum of squares,简称PRESS)准则,建立了一种选择风扇流量、风扇出口压力、压气机出口压力、压气机出口温度、涡轮后温度和燃油流量这6个测量参数进行单轴涡扇发动机故障诊断的方法.大量的实例表明,合理运用该方法选择测量参数的种类和数量,既能取得比较满意的诊断效果,又能利用发动机控制系统已有的测量参数,降低诊断成本,具有一定的工程应用价值.      

基于现场总线和智能变送器的风洞气流参数测量系统研制

准确测量来流雷诺数对于研究一些对雷诺数变化敏感的流动现象十分重要,为了得到较为准确雷诺数需要测量来流速度、温度和环境大气压等气流参数。本研究基于带Hart通信协议的智能变送器以及数字式振筒气压仪,在低速风洞中实现了一套简单实用的气流参数采集系统。其中,主机和差压、温度变送器之间通过Hart适配器相连接,并通过串口以Hart协议实现通信;而数字式振筒气压仪与计算机之间则直接通过串口实现通信。在系统开发过程中对Hart协议进行了解析和测试。在该系统气流参数采集的基础上,实现了来流雷诺数实时精确的计算,并对比了因温度和气压波动导致的雷诺数计算差异对旋成体大迎角雷诺数效应研究的影响,从而进一步说明了发展该系统的重要性。     

月球探测器天文测角/单程无线电时间差分测距/差分测速导航方法

月球探测器高精度导航技术是确保月球探测任务顺利实施的关键技术之一。当前,大多数月球探测器都是利用地面无线电进行导航和控制,但存在可测控弧段短、易受干扰等局限性,且对于月球背面探测,存在无法直接测控的不足。针对上述问题,提出了一种新的基于天文测角/单程无线电差分测距/差分测速的月球探测器组合导航方法。该方法使用了天文星光角距、探测器接收到的来自地面站或中继星的单程无线电时间差分测距和时间差分多普勒测速3种量测信息,可有效抑制星上时钟和频谱仪的时间和频率测量误差。收敛后的平均位置和速度估计误差分别为902.7 m和0.12 m/s,最大的位置和速度估计误差分别为1 548.2 m和0.24 m/s。仿真分析结果表明该方法具有较高自主导航精度。     

基于CMM的软件过程度量的研究

本论文使用统计过程控制和控制图表的方法来度量和分析软件过程，达到了商业目的和技术要求     

基于VMD的自适应复合多尺度模糊熵及其在滚动轴承故障诊断中的应用

提出了一种基于自适应多尺度模糊熵、ILS（迭代拉普拉斯得分）特征选择和粒子群优化支持向量机(PSO-SVM)的滚动轴承故障诊断方法。该方法采用变分模态分解对振动信号进行分解和重构,并计算重构信号的复合多尺度模糊熵;同时采用迭代拉普拉斯得分选择敏感故障特征,并将特征选择结果输入到基于粒子群优化支持向量机的多故障分类器进行识别。将提出的方法应用于滚动轴承试验数据分析。结果表明:该方法对试验数据的故障识别率为100%。并将基于ILS特征选择方法与基于SFS（sequential forward selection）特征选择进行了对比,表明基于SFS特征选择的最高识别率为92.86%,而基于ILS特征选择的故障识别率达到100%。