基于深度学习的航空发动机故障融合诊断

通过对航空发动机故障诊断,能够正确判断各部件工作状态,快速确定维修方案,保证飞行安全。在结合深度信念网络和决策融合算法的基础上,提出了基于深度学习的航空发动机故障融合诊断模型。该模型通过分析发动机的大量性能参数,先利用深度学习模型提取出性能参数中的隐藏特征,得出故障分类置信度;其后对多次故障分类结果进行决策融合,从而得出更准确的诊断结果。将普惠JT9D发动机故障系数用于数据仿真,通过算例验证本文算法的有效性;算例计算结果表明:多次实验结果经数据融合提高了可信度,该模型具有较高的故障分类诊断准确性和抗干扰能力。      

基于DTW的涡扇发动机气路故障定量诊断方法

提出了一种利用动态过程信息对气路故障进行定量诊断的新方法.采用动态时间规整(DTW, Dynamic Time Warping)技术,对动态测试样本同已知的故障模式进行相似性度量,充分利用发动机的过渡态特征信息,实现了发动机气路部件故障的定量诊断.结果表明:这种方法的漏报率和误报率低,具有很高的诊断准确性,对测量噪声和其它不确定性具有很好的鲁棒性.      

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

基于dSPACE的频率特性测试与模型辨识研究

为了满足伺服控制系统设计需要,提出了一种利用dSPACE系统对被测对象进行频率特性测试与模型辨识的方法,对该方法所使用的激励信号与响应数据处理进行了研究。利用dSPACE硬件平台产生离散正弦扫频信号,利用软件合成的方法实现相关分析运算,使用Matlab进行数据处理,完成被测对象频率特性曲线绘制,采用Levy方法进行了模型辨识。应用结果表明,该方法使用方便,对传递函数具有较高的辨识精度,可以为控制算法设计提供理论依据。     

超小型直升机动力学模型的建模、辨识与验证

为实现超小型直升机的自动控制飞行,需建立较为精确的动力学模型.考虑机体、主旋翼/稳定杆和尾桨间的耦合对飞行动态特性的影响,建立了AF25B型超小型直升机的连续线性时不变系统模型.设计并配置了机载设备,完成在遥控飞行状态下的飞行数据采集与存储.通过时域系统辨识方法,辨识了直升机在悬停状态下的模型参数,并对辨识结果进行验证和分析,表明所建模型能充分反映该型直升机悬停状态下的动态特性.     

基于遗传算法的柴油机喷油系统模型参数辨识

柴油机喷油系统中压力的变化会引起气泡的产生和溃灭,而气泡的变化会对燃油的流动和压力波的传播产生影响.为了更准确预测喷油系统中的初始含气率以及变化情况,提出了应用改进遗传算法对柴油机喷油系统模型中的柱塞腔、出油阀紧帽腔、高压油管和针阀腔初始含气率进行辨识的新方法.基于气泡模型,建立了气-液两相条件下的柴油机喷油系统模型,通过仿真数据和试验数据对比,构造了适应度函数,实现了对柴油机喷油系统模型的参数辨识,并得到了参数优化后的柴油机喷油系统模型.仿真结果与试验数据的比较验证了采用改进遗传算法对气-液两相条件下的柴油机喷油系统模型进行参数辨识的可行性.     

基于DE算法的共轴直升机模型辨识及精度分析

由于共轴直升机特有的旋翼布局引发了上下旋翼间强烈的气动干扰,采用传统的理论分析和风洞试验的方法难以获得适用于共轴直升机控制系统的飞行动力学模型.为此,设计了飞行扫频试验,根据飞行试验数据得到了悬停状态下包含共轴直升机飞行动力学模型耦合特性的非参数频率响应,运用仿生智能计算方法中的微分进化(DE,Differential Evolution)算法拟合频率响应建立了悬停状态下的共轴直升机状态空间模型.利用Cramer-Rao边界和不灵敏度的相关理论进行分析计算,说明辨识得到的参数具有较高的精度和可信度.通过比较辨识模型的输出和实际飞行数据的结果,说明辨识得到的模型能充分反映共轴直升机的飞行动力学特性,可用于飞行品质评估和飞控系统设计.     

旋翼/涡轴发动机的自适应模型

基于卡尔曼滤波器研究旋翼/涡轴发动机的机载自适应模型.采用拟合法建立了状态变量模型,并将发动机性能蜕化参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计出发动机部件性能蜕化值,最后将部件性能蜕化值用于对机载模型中不可测性能参数的修正,从而使机载模型能适应发动机的非额定工作状况.通过数字仿真表明,建立的机载自适应模型能真实反映发动机的工作状况,并且在全包线范围内该模型都具有比较好的鲁棒性和实时性.     

基于扩张状态观测器的无拖曳系统参数辨识

分析了卫星无拖曳控制系统的在轨参数辨识问题,由于无拖曳系统的不稳定性质,需要设计控制器使其稳定,在此基础上进行闭环辨识.根据自抗扰控制原理,设计了扩张状态观测器以估计系统不同控制回路的扰动和状态,基于状态和扰动估计值设计控制器使系统稳定.提出了基于扩张状态观测器（ESO）的多输入多输出系统闭环参数辨识方法.为提高实际应用中的辨识效果,引入积分型滤波器对观测状态中的噪声进行抑制.将这种方法应用于类似LISA Pathfinder的单轴无拖曳模型,对系统动力学参数进行估计,通过数值仿真实验验证了该辨识方法的有效性和实用性.     

基于ARVM模型的液体火箭发动机试验台故障预测方法

针对液体火箭发动机试验台故障子样少,故障预测精度低,故障维修保障困难等问题,在分析标准RVM优缺点的基础之上,提出了一种自适应能力较强的故障预测模型——ARVM(Adaptive Relevance Vector Machine)。为测试该模型,以某型轨控发动机高空模拟试验台管路流量、燃烧室压力为输入参量对推力矢量进行了预测,预测结果表明,ARVM方法能够有效跟踪推力矢量参数的变化趋势,并且获得了较高的预测精度和模型稀疏性。该方法对于复杂系统的故障预测和维修保障具有一定的理论价值和工程应用意义。     

基于定性模型的故障诊断方法

基于定性模型的故障诊断方法，利用定性模型描述系统结构和定性地预测系统行为，并通过与实际行为进行比较，可推理得到系统的故障诊断结果。详细介绍了基于定性模型故障诊断方法的诊断机理、建模方式及优缺点。此外，还概述了该方法的研究与应用现状及发展趋势。     

一种推进系统故障诊断反问题模型与算法

针对大型液体火箭推进系统故障诊断工作的需要, 建立了一种推进系统故障诊断反问题模型,并提出了基于遗传算法的反问题求解算法.在对故障诊断反问题的特点与困难及其求解方法研究的基础上,重点论述了基于遗传算法的反问题求解算法和基本过程.最后,给出了液体火箭推进系统故障诊断反问题求解的具体例子,表明所建立的推进系统故障诊断反问题模型及所提出的算法是合理有效的.      

飞机电源系统故障诊断专家系统

应用人工智能理论,开发了飞机电源系统监控装置.利用专家系统理论对某型飞机电源系统进行了全面的分析,建立了完整的电源系统知识库,实现了实时状态监测和故障诊断,并能给出异常或故障信息,为整个飞机非航电系统采用专家系统进行故障诊断提供了经验,具有实际应用价值.      

基于知识推理的航天器自主故障诊断方法

面向深空探测这类型号任务,提出一种基于知识推理的航天器自主故障诊断的智能方法,采取直接线性存储的知识库结构、主动监测事实更新并触发推理以及基于散列算法的事实管理三项关键技术,适用于航天器硬件处理能力和存储容量受限的应用环境.采用C语言在基于TSC695处理器的嵌入式系统上实现了该故障诊断方法,实验的结果表明该方法有效.     

基于BHS-树的定性故障诊断方法

基于定性模型的诊断方法,由于无需系统定量模型,尤其适用于航天器等复杂系统的故障诊断.该方法推理过程包括冲突集的确定及诊断集的生成.基于BHS-树的方法,是一种由冲突集生成诊断集的有效途径,但存在诊断结果冗余及反向递归过程复杂的问题.采取异常/正常特征量相结合的措施,有效地解决了诊断结果冗余的问题,能够准确确定诊断集;同时在系统单故障的假设前提下,对反向递归过程进行适当简化,降低了推理的复杂程度,并通过实例对上述改进进行了验证.     

基于LM优化算法的神经网络在航空发动机转子故障诊断中的应用

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,给出了两种改进BP算法:LM(Levenberg-Marquardt)优化算法和SCG(Scaled Conjugate Gradient)算法,应用这两种算法对航空发动机转子故障进行诊断研究,比较它们之间的研究结果,仿真和实验表明LM优化算法比SCG算法具有更高的准确度和较快的收敛速度,可行性更强。     

基于分散化预测滤波的故障诊断方法研究

针对多故障源系统的故障诊断问题,提出一种采用分散化预测滤波与两种不同类型残差相结合的诊断方法。该方法针对不同类型故障敏感的特点,利用不同类型残差,区分系统组件／执行机构故障和传感器故障;利用模型误差估计与故障各分量的对应关系,辨识和隔离系统组件／执行机构故障;利用分散化滤波的结构,识别和隔离不同传感器故障。以卫星姿态估计系统为例,仿真验证该故障诊断方法,结果表明,分散化预测滤波与集中预测滤波相比,对多类型故障讲轩枪测识别以及系统舌柏古白体力事程．     

基于自适应观测器的飞轮故障诊断物理仿真

研究了反作用飞轮的故障诊断问题.针对反作用飞轮的非线性数学模型,分析了其故障模式,建立了其故障的参数化描述方法,并在此基础上提出了一种基于参数自适应投影的反作用飞轮故障诊断方法.该方法通过构造观测器,利用参数自适应投影算法来更新参数信息,保证观测器的误差收敛到零.最后对飞轮的正常模式和3种故障模式进行了物理仿真实验,结果表明提出的方法有效可行.     

基于AFI混合聚类算法的轴承故障诊断方法

针对滚动轴承振动信号标记数据量小、故障模式多样的现状,提出了一种基于AFI混合聚类算法的半监督式轴承振动信号故障诊断方法。利用小波包分解方法提取了信号的能量特征谱,并通过主成分分析方法增强了信号的特征;参考迭代自组织数据分析的“分裂”和“合并”的思想,为人工鱼群算法中的个体鱼增加了“分裂进化”和“合并进化”行为;采用模糊C均值方法定义了隶属度矩阵和目标函数,并利用改进的人工鱼群算法,迭代搜寻了目标函数的全局最优解,得到了各故障模式的聚类中心;通过计算测试数据的最近邻聚类中心,实现了故障模式识别。结果表明,该方法无需指定聚类簇数,能在标记数据量小的情况下完成训练,较同类方法表现出了更优的故障模式识别性能。     

基于序列-图像映射的航天器智能故障诊断方法

卫星组网是未来航天的发展大趋势,要保证众星在轨安全可靠稳定运行,要求单星具备高精度的在轨自主故障诊断能力。本文针对航天器控制系统故障闭环传播和数据维数高的特点,结合某航天器的地面测试数据,首先对高维耦合序列数据进行处理,实现序列到灰度图像的映射,然后采用卷积神经网络完成高精度同一故障部件的故障诊断。通过将所提方法与K邻近算法、基于主成分分析的K邻近算法等非图像化机器学习算法进行对比验证,说明了本文所提方法的有效性。