用于卫星导航多星故障识别的新方法

 通过分析广义似然比方法,指出该方法不能用于多星故障识别。为能够快速识别多颗故障卫星,提高卫星导航定位系统的可靠性,提出了一种可以用于多颗故障卫星识别的接收机自主完整性监测（RAIM）的新方法——假设验证法。该方法对所有可能的故障卫星组合进行假设验证,对每种假设的故障卫星组合计算出卫星伪距偏差,然后利用此偏差构造一个新的奇偶残差矢量,最后利用特定的故障识别准则进行判断。以识别2颗故障卫星和识别3颗故障卫星为例进行了计算机仿真,结果显示：假设验证法故障正确识别率高于85%,高于现有的可用于多星故障识别的最优奇偶矢量法,可以有效提高卫星导航系统的可靠性。同时,与最优奇偶矢量法相比,假设验证法不需要求取矩阵广义特征向量,计算量将减少90%以上。     

对特定传感器故障敏感的最优奇偶向量检测与隔离方法

 提出了一种利用对特定传感器故障敏感的最优奇偶向量进行故障检测与隔离的方法。主要思想是设计一个性能指标函数，使得最优奇偶向量对被检测的传感器故障最敏感，而对其余传感器故障和未知输入不敏感。与常用的广义似然比方法相比，该方法明显地提高了故障的检测能力，此外，对故障的隔离效果也更好。     

惯性冗余系统奇偶向量法故障检测与识别技术研究

为使惯性冗余系统达到故障检测与识别的功能,本文对惯性冗余系统的奇偶向量在有、无故障的不一致情况进行了研究,介绍了单自由度惯性仪表和双自由度惯性仪表广义似然比故障检测与隔离方法,通过对奇偶向量的分析及仿真,给出了最优化故障检测与隔离算法,该结果表明,采用奇偶向量法确实可以提高冗余惯性系统的故障检测与识别的性能,可以解决其软故障的检测能力。     

改进的容错惯性导航系统

 用于余度捷联惯性测量单元(IMU)的故障检测及分离(FDI)方法的性能受到诸如输入轴不准,刻度因子误差以及偏倚这样的传感器误差的限制。本文采用分离偏倚估计方法以获得上述影响奇偶向量的传感器误差的线性组合的估计,然后将这些估计用于构成补偿的奇偶向量,该奇偶向量不包括传感器误差的影响。用经补偿的奇偶向量代替未经补偿的奇偶向量进行故障检测及分离判决以提高FDI的性能。仿真结果表明奇偶向量补偿算法可大大提高FDI的性能,特别是在飞行器做机动飞行时。     

一种改进余度捷联惯导系统最优奇偶矢量故障容错算法

针对余度捷联惯导系统故障检测方法对小故障和渐变型故障检测率低的问题,提出了利用对特定传感器敏感的最优奇偶矢量来构造最小二乘加权矩阵的算法。该算法利用最优奇偶矢量产生奇偶残差来反映特定传感器对待测状态量测的准确程度,通过该残差确定最小二乘加权阵,进而再辅助最优奇偶矢量进行故障检测,达到对小故障和渐变型故障的容错。仿真结果表明本方法能够有效提高待测状态的估计精度,具有一定的工程参考价值。     

基于模糊奇偶方程的非线性系统传感器故障诊断

 给出了一种非线性系统传感器的故障诊断方法。该方法将T-S 模糊模型、全解耦奇偶方程和参数估计相结合,同时对非线性系统的多个传感器的故障进行检测、隔离与识别。设计出用于产生残差的线性系统全解耦奇偶方程,并给出了全解耦奇偶向量的存在条件,全解耦奇偶方程产生的残差仅对一个传感器故障敏感,而对系统状态、扰动输入和其它传感器输出解耦。引入T-S 模型将全解耦奇偶方程推广到非线性系统中得到了模糊奇偶方程。传感器的故障模型表示为刻度因子和偏差的形式,根据残差信息应用卡尔曼估计方法可识别出故障模型的参数。最后给出了某型号飞机控制系统传感器的故障诊断仿真实例。     

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。     

基于改进模糊SVM的转子振动故障诊断技术

首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行的和有效的.     

基于Kalman滤波和奇偶矢量法的优化RAIM算法

针对传统RAIM算法很难检测微小伪距偏差的问题,可以通过对多个历元的统计检验量进行归一化处理,增大统计检验量的非中心化参数,提高对微小故障的检测率.Kalman新息检测法可以对卫星的故障进行独立检测,具有运算量小、在少星情况时仍能进行故障检测和识别的优点,但是对微小伪距偏差不敏感.针对两种方法的优点提出了基于Kalman滤波和奇偶矢量法的综合RAIM算法.仿真结果表明,该方法不仅可以提高对微小伪距偏差的检测率,同时减少了对可见卫星数的要求,验证了该算法应用于接收机自主完好性检测的可行性和正确性.     

基于支持向量机的航空发动机故障诊断

支持向量机是一种具有完备统计学习理论基础和出色学习性能的新型机器学习方法,它能够较好地克服神经网络容易出现的过学习和泛化能力低等缺陷。提出一种基于支持向量机的航空发动机故障诊断方法,应用该方法成功地对发动机气路部件的几种典型故障进行了正确诊断。在对检验样本施加噪声后,支持向量机构成的故障分类器仍然能够满足发动机故障诊断的要求,表明提出的故障诊断算法具有良好的鲁棒性,可以作为工程应用的基础。      

Optimal parity vector sensitive to designated sensor fault

Based on the parity space construction and the orthogonal constraint condition of parity vector, the approach of fault detection and isolation using optimal parity vector is presented. Its main idea is to design a performance criterion similar to the criterion presented by Zhang and Patton (1993), but most sensitive to the designated sensor's fault and least sensitive to other sensor's fault and unknown inputs such as noise. Through the Monte-Carlo simulation, it is shown that the proposed approach of choosing optimal parity vector greatly increases the ability of fault detection and the effectiveness of fault isolation is better than the generalized likelihood test (GLT) approach     

余度传感器系统中传感器配置结构和奇偶向量的最优化

 本文研究了余度传感器系统传感器的配置和奇偶向量的选择问题,从输出和检测性能最优的准则出发,给出了配置结构和奇偶向量的求解途径,并将它同现有的一些方法进行了比较。     

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。     

支持向量机在航空发动机故障诊断中的应用

提出了一种基于支持向量机的航空发动机故障诊断方法。该方法在利用恰当的工具或方法提取到发动机故障的特征信息之后,采用支持向量机对特征信息与故障模式进行关联,实现故障模式的分类。该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,将其应用于某型发动机的故障诊断中,取得了较好的效果。该方法尤其对于新型发动机的故障诊断具有一定的参考价值。      

发动机故障诊断的MONTE CARLO通解算法

给出了发动机故障诊断的 Monte Carlo通解算法,该算法可以有效地解决发动机故障诊断算法中由于故障方程存在多重共线性所引起的误诊、漏诊与多解问题。首先给出求解故障方程的 Monte Carlo算法,该算法能够保证得到满足故障方程的全部合理解;能够简单地用于各种故障相关性准则 (例如各种残差向量范数准则 )以及亚定故障方程的求解问题;并且算法简单易行,无需为每个特定情况专门编制计算程序。其次提出了基本解与通解的概念,并且给出了利用主成分分析与利用主因子模型求基本解的两种有效算法。利用基本解与通解算法可以将由于多重共线性引起的复杂故障诊断结果表示为简单明了的形式,有利于对诊断结果作出正确决策。用计算机模拟方法对算法的有效性进行了分析,对于 JT9D发动机气路方面的 2 4个实际故障样本,所给出的算法的确诊率为 86%～ 92 %     

应用SVM的发动机故障诊断若干问题研究

支持向量机能够克服一般神经网络容易出现的过学习和泛化能力低等不足。提出一种基于支持向量机的航空发动机气路部件故障诊断方法,讨论了支持向量机的核函数选择和参数确定问题,并对"块算法"进行了分析。仿真实验表明,设计的正则化参数和核参数合理,故障分类器具有良好的分类准确性和泛化性能,可以对发动机气路部件的典型故障进行正确诊断。     

A method for satellite time series anomaly detection based on fast-DTW and improved-KNN

In satellite anomaly detection, there are some problems such as unbalanced sample distribution, fewer fault samples, and unobvious anomaly characteristics. These problems cause the extisted anomaly detection methods are difficult to train accurate classification model, and the accuracy of anomaly detection is hard to improve. At the same time, the monitoring data of satellite has high dimension and is difficult to extract effective features. Based on the DTW over-sampling method, this paper realizes the over-sampling of fault samples in satellite time series, and constructs a distributed and balanced time series data set. The Fast-DTW method is applied to calculate the distance between different time series, which can improve the speed of similarity calculation. KNN (K-Nearest Neighbor) method is applied for classification and the best classification result is obtained by search the optimal hyper-parameters k. The results show that the proposed method has high anomaly detection accuracy and consumes short calculation time.