基于仿真模板的控制系统可靠性分析

提出面向对象的计算机辅助故障模式影响分析(CFMEA)方法,建立了控制系统仿真模板,将其数据、操作和性能封装成一个对象,对象间通过属性进行因果推理,实现FMEA向故障树(FTA)的自动转换.引入控制系统性能可靠性概念,建立控制系统性能和功能综合可靠性模型,开发相应的解算方法.实例分析证明了基于仿真模板的控制系统可靠性分析的有效性, 综合了功能和性能可靠性分析的优点.      

飞行器网络控制系统在线故障检测算法

针对飞行器网络控制系统具有网络诱导时延且采样周期较短的情况,提出了一种飞行器网络控制系统在线故障检测算法.考虑未知时延对网络控制系统的影响,建立飞行器网络化控制系统故障检测模型.基于此模型,构造了残差生成器,将故障检测问题转化为最小化优化问题.以矩阵Moore-Penrose逆的形式给出该最小化优化问题的解,在每个采样周期内进行飞行器网络控制系统在线故障检测.数值算例表明:当飞行器网络控制系统存在未知时延时,该故障检测算法对故障敏感,同时对未知时延引起的扰动具有鲁棒性.     

飞行器网络控制系统故障检测与时域优化

针对存在马尔可夫短时延和丢包的网络环境,研究了飞行器网络控制系统的故障检测系统设计与优化问题.将含有上述问题的网络化控制系统建模为离散的马尔可夫跳变系统.在此基础上,基于观测器构建残差生成器,将故障检测问题转换成H_∞滤波问题,以LMI（Linear Matrix Inequality）的形式得到并证明了故障检测滤波器存在的充分条件和求解方法.为进一步改善检测性能,提高检测系统对故障信号的灵敏度,采用一种时域优化方法对残差评估函数进行优化处理,并给出了该优化问题最优解的求解方法.数值仿真说明了所提方法的有效性.      

导弹增量式自适应容错控制系统设计

导弹在实际飞行中存在气动参数不确定、执行机构故障等问题,从而对导弹飞行控制系统稳定性与操控能力造成严重影响。为此,设计一种增量式自适应容错控制方法,在实现导弹安全控制的同时,兼顾姿态控制算法时效性与可靠性。建立面向控制的三通道耦合姿态动力学模型;考虑系统不确定性和执行机构故障,基于增量式动态逆方法设计导弹被动容错控制律;基于自适应滑模控制与增量式动态逆方法,设计增量式动态逆自适应容错控制律,并对系统残差进行分析比较;通过某典型全弹道姿态跟踪任务,验证舵面故障下的姿态跟踪特性。仿真结果表明:所提方法在故障未知的情况下,能够保证飞行控制系统的鲁棒性与容错能力,实现导弹的安全可靠控制。      

基于可不断电维修的双机容错系统

对单个单片机控制系统可靠性不高的问题,提出了一种由双单片机构成容错系统的实现方法.在该系统中,用串行通讯技术,通过采集对方I/O输出,与自身的I/O输出值作比较,实现双单片机的故障互检;利用地址译码技术,设计仲裁切换模块,完成故障隔离;故障机修复后,通过回读对方执行程序的任务编号,达到双机同步控制,完成系统重构,实现对故障单元的不断电维修.通过对模拟机的实验表明,此控制系统能对运行中的错误实现实时的双机互检,且具有在线热插拔功能.     

不确定非线性主动容错控制系统模糊控制设计

考虑到实际主动容错控制系统中故障以及故障检测与隔离(FDI,Fault Detection and Isolation)决策出现的随机性,随机故障与FDI决策行为分别用两个Markov过程描述,用T-S(Takagi-Sugeno)模糊模型表达不确定非线性主动容错控制系统,并基于并行分布补偿(PDC,Parallel Distributed Compensation)方案,给出了能够保证闭环模糊系统鲁棒随机稳定的模糊控制器设计方法.鲁棒容错模糊控制器的存在条件由一组线性矩阵不等式(LMI,Linear Matrix Inequality)给出,从而方便地利用优化技术求解,随后倒车控制系统的仿真结果验证了所建议方法的有效性.      

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

基于FFS故障行为模型的等效故障注入方法

针对测试性验证试验中部分故障模式不可注入,或注入后易导致装备出现不可修复的损坏等问题,提出了基于“故障模式-功能-状态”（FFS）故障行为模型的等效故障注入方法。首先,对FFS总体建模思路进行了描述,提出将“功能”作为基本建模要素,在分析装备自身多元建模信息的基础上,建立了故障行为模型。其次,对各相关矩阵和行为状态向量进行了定义,研究了故障模式、功能、状态间的不确定信息表征方法,提出了故障模式-状态相关矩阵的求解方法。最后,给出了等效故障模式的定义和基于FFS故障行为模型的等效故障注入流程。将所提方法应用于某装备发射控制系统,结果表明,所提方法能够实现等效故障注入,故障注入率提高约16.7%。      

非线性系统多故障诊断方法

给出了非线性系统的一种基于模糊奇偶方程的多故障诊断方法.解决了非线性系统中同时出现多种故障时的故障检测与识别问题.首先构造线性系统的全解耦奇偶方程,再应用T-S模型融合非线性系统各个工作点处的线性模型的全解耦奇偶方程得到模糊奇偶方程.模糊奇偶方程产生的残差仅对一个执行器故障敏感、对一个传感器不敏感,而对其他执行器不敏感、对其他传感器敏感.将传感器和执行器故障模型表示成偏差的形式,根据残差信息可以估计出故障的模型参数.给出了应用递推最小二乘方法对各故障模型的参数进行估计的方法.给出了铁路牵引控制系统的感应电机仿真实例.结果表明,新方法能够对传感器故障和执行器故障同时存在的多故障进行诊断.     

飞行器网络控制系统的多指标鲁棒故障检测

针对存在马尔可夫短时延且状态转移概率部分已知的网络环境,研究了飞行器网络控制系统的多指标鲁棒故障检测问题.传统马尔可夫跳变系统的故障检测方法是将故障、外部输入和未知扰动作为广义输入,采用一个H∞性能指标来进行故障检测滤波器的设计.由于该指标不具有明确的物理意义,为此需要研究多指标鲁棒故障检测滤波器的设计方法.通过将网络诱导时延描述为一个有限状态马尔可夫链,飞行器网络控制系统被建模为离散有限马尔可夫跳变系统.同时考虑残差对故障的敏感性和对未知扰动及外部输入的鲁棒性,以线性矩阵不等式的形式给出了多指标故障检测滤波器的存在条件和求解方法.最后通过数值算例验证了所提方法的有效性和优越性.     

基于动态故障树的卫星可靠性分析

针对卫星系统的可靠性问题，提出了一种基于动态故障树的卫星可靠性分析方法。采用马尔可夫链和二元决策图相结合的分析方法，建立卫星的电源、姿轨控和推进3个分系统的动态故障树模型，在此基础上得到卫星的随机故障模型，并综合考虑损耗故障建立卫星可靠性模型。利用蒙特卡洛仿真对随机故障模型进行评估分析，并将其与Weibull分布模型进行性能比较，仿真结果表明该方法能够有效分析卫星的随机故障，具有计算精度高、效率高的优点，并能更有效地模拟卫星部件随机故障的动态行为。     

不完全覆盖系统的动态故障树定量分析方法

针对含备份结构的动态系统可靠性分析以及不完全覆盖问题,提出了一种温备份门的可靠性计算方法。该方法引入阶梯函数和脉冲函数来描述备份结构的动态失效特征,在考虑不完全覆盖的基础上计算了温备份门的可靠性,最后以某机载电子设备为例,建立了系统的动态故障树,论证了该方法的可行性,并与不考虑不完全覆盖的方法进行了比较,同时对系统进行了灵敏度分析,该方法计算结果更合理,为动态系统可靠性定量分析奠定了一定基础。      

基于CBR的数控设备故障诊断系统知识表示

随着数控设备越来越复杂,对设备故障诊断与维修提出了更高的要求,采用专家系统的方式建立故障诊断系统以实现数控设备的快速诊断和维修.针对CBR (Case-Based Reasoning)系统自身的增量学习模式使系统的实例库逐渐增大,系统效能大大降低的缺点.根据数控系统结构的特点采用分层检索的方法,依据该检索方法采用框架型的知识表示方式,提高了大实例库的检索效率.将该方法应用于数控设备的故障诊断系统中,提高了故障诊断的诊断效率.      

基于DWNN的机电作动器渐变性故障诊断

飞机飞行控制系统机电作动器（EMA）的渐变性故障很难准确预判,若不能及早发现而任其发展就会影响到飞机的飞行安全性。针对EMA的渐变性故障,提出一种基于动态小波神经网络（DWNN）的故障诊断方法。首先,利用EMA在电机电枢绕组匝间短路、传动装置丝杆和滚珠磨损等多种渐变性故障状态下的运行数据来训练DWNN故障诊断模型;然后,利用训练好的DWNN模型对EMA渐变性故障进行诊断。创新之处在于DWNN模型利用小波分解算法去除了传感器测量信号中高频分量的影响,利用反馈神经网络的记忆能力融合了过去输入的信息和过去预测的信息,提高了对EMA渐变性故障诊断的准确性。通过对某型EMA进行故障诊断实验,仿真结果表明所提出的DWNN方法可以实现对EMA部件渐变性故障的准确诊断。      

基于NUIO的无人机作动器故障检测

针对受未知气流干扰与随机噪声影响的无人机纵向系统进行作动器故障检测研究.在建立固定翼式无人机非线性系统纵向模型的基础上,设计了基于容积卡尔曼滤波(CKF)的非线性未知输入观测器(NUIO).通过构造未知输入观测器结构来解耦未知气流干扰对残差的影响,同时,CKF被算法用于求解观测器增益矩阵,实现了在未知气流干扰解耦情况下残差对随机噪声的鲁棒性.最后,利用残差χ2检验方法判断故障是否发生.仿真结果表明:此方法能有效解耦未知干扰对残差的影响,并快速、准确地检测出了无人机作动器故障.      

基于多分类AdaBoost的航空发动机故障诊断

对航空发动机运行数据进行数据挖掘的方法,是发动机故障诊断研究领域的重要研究内容。由于各种算法自身的局限性,通过某种单一算法很难大幅度提升故障分类的准确性。运用组合分类的AdaBoost算法,综合多个分类模型进行诊断,是提升故障识别精度的一种较好的方法。通过AdaBoost算法及其改进算法的结合,建立一种多分类的AdaBoost算法,以支持向量机（SVM）为基础分类器,进行综合诊断模型的建立。通过单位向量法、比值系数法和相关系数法将指印图中统计的故障标识数据进行处理,得到不受故障程度影响的训练数据,再进行建模。实验表明,AdaBoost相关结合算法能够显著提升分类器性能。根据实际故障案例,验证了所建立的诊断模型能够较好地用于发动机的故障诊断。      

基于多信号流图与分支定界算法的故障诊断

针对实时在线故障诊断问题,提出了一种基于多信号流图和分支定界算法的故障诊断方法。通过建立多信号流图模型生成相关矩阵作为诊断知识,进而由相关矩阵以及观测向量产生冲突集,使最小诊断集的求解过程映射为整数规划问题;采用分支定界算法,通过对冲突集的分支、定界以及剪支得到故障诊断的最优解,从而避免了穷举问题造成的搜索"爆炸"。以某型机载燃油系统为对象对本文提出的算法进行了验证。结果表明:本文算法与常用的多信号流图诊断推理算法TEAMS-RT相比,算法速度相当,故障定位精度更高,很好地涵盖单故障以及多故障组合,可以胜任大规模复杂系统的故障诊断。