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IFA-ELM的航空发动机自适应PID控制新方法

针对大涵道比涡扇发动机强非线性、变参数的特点,提出了一种基于优化极端学习机(ELM)对发动机参数进行预测的自适应PID控制方法.为提高ELM的预测精度和实时性,采用适用于多峰值寻优的改进萤火虫算法(IFA)优化ELM网络参数,形成优化的ELM训练方法IFA-ELM.该算法在保证预测精度的前提下,有效简化了网络规模,并提高了其泛化能力.利用该算法建立发动机风扇转速预测模型,基于该模型,采用梯度下降法在线调整PID参数,提升发动机动态性能.数字仿真验证表明,与常规PID控制相比,基于IFA-ELM的自适应PID法调节时间减少了0.2~1.4s,超调量降低了0.2%~1.5%,验证了该控制方法的有效性.      

基于改进相关向量机的锂电池寿命预测方法

锂电池具有轻便安全、循环寿命长和安全性能好等优点,作为一个被广泛应用的储能电源,锂电池健康管理和寿命预测是国内外研究的热点。建立锂电池寿命预测方法和模型,基于实验历史数据,建立电池衰减模型从而对整个电池的工作状态进行评估,及时对设备进行维护和替换,以确保电池工作的稳定。对相关向量机（RVM）的核函数进行了组合改进,优化了RVM的性能,减小了锂电池寿命预测的偏差度,提高了预测精度。      

基于退化数据与故障数据的导弹竞争故障预测

针对具有多元退化量的导弹竞争故障预测问题,分析了导弹退化特性,并在考虑突发故障与退化故障相关性的基础上,建立了具有多元退化量的导弹竞争故障预测模型。对导弹性能退化数据与突发故障数据进行统计推断,确定了数据的分布类型,在此基础上对竞争故障预测模型的参数进行了求解。针对导弹性能退化数据分布参数存在非线性、小样本等问题,运用最小二乘支持向量机(LS-SVM)预测模型对性能退化数据的分布参数进行了预测,得到了性能退化数据未来某一时刻的分布函数;针对退化量与突发故障的相关性,应用位置-尺度模型分析了退化量与突发故障的关系,得出了突发故障与退化量的相关参数,进而根据导弹竞争故障预测模型得到了导弹未来一段时间内的竞争故障概率。以贮存状态下的整批导弹为例,实现了导弹竞争故障预测,并与其他预测方法进行了对比,结果验证了方法的合理性与有效性。      

基于相关向量机的MEMS加速度计零偏温漂补偿

应用相关向量机（RVM,Relevance Vector Machine）回归预测方法建立了基于RVM的零偏温漂预测补偿模型,利用温度值和温升速率作为输入可预测不同温变过程下的加速度计零偏温漂,探讨了不同训练样本数量、核函数类型和不同的核函数宽度对预测补偿效果的影响,最后应用环境温度试验数据对模型进行检验和验证.结果表明：基于RVM的零偏温漂预测补偿模型能够有效的预测微机械（MEMS,Micro Electro Mechanical Systems）加速度计零偏温漂,模型预测的均方根误差小于1%,补偿后滞环误差最大由0.06g缩减为0.015g.     

气球吊篮姿态的自适应控制

本文从理论上分析了吊篮姿态控制系统数学模型中参数的不确定性,并且通过数字仿真和实验验证了这种不确定性对系统控制性能的影响.为保证得到良好的控制特性,在Popov超稳定理论的基础上,引出了气球吊篮姿态的模型参考自适应控制法.本文推出一套具有时变自适应增益的离散自适应算法,并在此基础上进行了大量数字仿真.仿真结果表明,吊篮姿态的模型参考自适应方法可以解决吊篮姿态的经典控制方法难以应付的参数大幅度变化、参数未知和非线性等问题.另外,与其它自适应方法相比,该方法还有自适应速度快、工程上易于实现等优点.      

基于SMO—SVR的飞机舵面损伤故障趋势预测

飞机舵面出现损伤时,为了更准确的预测状态参量变化情况,提出了一种改进的序贯最小优化支持向量回归(SMO-SVR, Sequential Minimal Optimization Support Vector Regression)预测方法.采用改进C-C平均方法对多元时间序列进行相空间重构,以确定最优嵌入维数m和延迟时间τ_d.根据所求m和τ_d建立加权SVR预测模型,并调整了SMO算法的停机准则.利用区间自适应粒子群算法(IAPSO, Interval Adaptive Particle Swarm Optimization)优化SVR参数,以提高参数优化速度.为了验证改进算法的有效性,针对飞机方向舵损伤故障趋势进行了预测和分析,并与径向基函数神经网络(RBFNN, Radial Basis Function Neural Network)方法进行了对比,仿真结果表明SMO-SVR预测模型具有很好的预测能力.     

基于参数估计和FuzzyARTMAP的直流电动机故障诊断

为提高电机质量和实现系统监控,提出用方波脉冲函数变换法估计电动机参数和用模糊自适应谐振网络(Fuzzy ARTMAP)进行电动机故障诊断.该方法可以在线获得电动机的机电参数,从而了解电动机的工作情况.充分利用Fuzzy ARTMAP网络的模式分类能力,不但可以诊断出故障的类型,还可以诊断出故障的严重程度.仿真及实验结果证明了所提方法的有效性.      

基于自适应心跳算法的分布式系统故障检测器

故障检测是容错分布式系统中的关键技术之一.为了提高故障检测的性能,提出一种新型的故障检测器——自适应心跳检测器(SA-HD, Self-Adaptive Heartbeat Detector).SA-HD采用了基于拉式(pull)的自适应心跳算法,在考虑故障检测性能的同时也考虑了心跳检测所占用的网络资源对网络性能的影响.SA-HD能够根据网络负载调节自身发送心跳消息的频率,提高了心跳检测的网络环境适应能力,尤其是在高负载的环境下,能够有效改善心跳检测的性能.建立了SA-HD的模型,对其性能进行了仿真分析,并通过试验验证了SA-HD性能要优于传统推式(push)的心跳检测器.     

基于自适应UKF的敏感器故障诊断算法

针对非线性系统中敏感器测量过程存在异常干扰和出现仪器故障问题,提出一种基于自适应UKF(Unscented Kalman Filtering)的鲁棒故障诊断算法.算法通过新息特性分析引入自适应矩阵对异常干扰和仪器故障建立系统级抑制和部件级诊断.系统级检测将UKF的新息特性通过自适应函数引入状态预测,修正异常值对状态预测值的影响,达到对异常干扰的鲁棒性.部件级检测将新息特性分解成各部件参数的新息特性,建立各自敏感器的自适应矩阵,通过对自适应矩阵的迹进行判断,检测是否发生故障并隔离故障.仿真结果表明,算法对异常值具有较强的鲁棒性,对测量仪器失效造成的故障能够准确地检测并给出故障大小.算法结构简单,计算量小,对工程应用具有较好的参考价值.      

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SCSO-BP神经网络的卫星姿态控制系统故障预测

近年来,随着人工智能的迅速发展,基于人工神经网络的卫星姿态控制系统故障预测方法得到了越来越多的重视。在反向传播(Back Propagation ,BP)神经网络中,权重和偏置是重要的可调节参数,与神经网络的预测性能密切相关。BP神经网络的初始权重和偏置为随机生成,设置不当容易导致网络在训练过程中陷入局部极值,进而影响预测性能。为了提高BP神经网络的预测性能,提出了一种将沙猫群优化(Sand Cat Swarm Optimization ,SCSO)算法与BP神经网络相结合的预测方法。在训练过程中,首先通过SCSO 算法对BP神经网络权重和偏置进行预训练,在此基础上,利用精调后的BP神经网络对卫星姿态控制系统周期渐变故障数据的未来趋势进行预测。实验结果表明,与原始BP神经网络预测方法相比,SCSO-BP预测方法能够有效减小预测误差,具有更好的预测精度。     

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。      

基于自适应神经网络的飞行器主动容错控制

针对飞行器非线性系统执行器故障,利用RBF神经网络和自适应控制律,提出了基于自适应神经网络的故障重构和容错控制方法。设计了自适应神经网络观测器,利用神经网络逼近故障,引入调节因子,设计自适应律以在线调整神经网络权重向量和中心向量。构造自适应神经网络控制器,结合神经网络设计补偿控制输入。利用Lyapunov稳定性定理证明了所提方法可以实现系统渐近稳定。仿真实验结果验证了所提的方法对故障系统具有良好的观测性能、控制精度和响应速度。     

卫星姿态容错控制系统的鲁棒自适应逆最优控制

针对卫星姿态控制系统中的执行机构和敏感器故障问题,将系统不确定性参数作为在线估计自适应参数,并考虑系统故障检测与诊断结果的不确定性,基于逆最优原理采用积分反推方法求解辅助系统的自适应控制Lyapunov函数,设计了能够确保原系统鲁棒稳定的自适应逆最优控制器并给出了详细的证明。最后进行了数学仿真,仿真结果表明文中设计的容错控制方法合理有效。     

基于近邻保持嵌入的卫星姿态控制系统微小故障检测

摘要： 以卫星姿态控制系统(ACS)为研究对象，以微小故障检测为研究目标，提出一种改进的近邻保持嵌入算法(EWMA DNPE).针对近邻保持嵌入(NPE)算法中邻域参数无法自动设定的缺陷，通过引入动态邻域，使得动态近邻保持嵌入算法（DNPE）可根据流形的样本密度动态地选取近邻点计算权值重构矩阵.将指数加权移动平均(EWMA)引入DNPE，通过EWMA对历史故障数据的累加作用，建立SPE统计量实现微小故障的检测，并仿真验证了EWMA DNPE算法对卫星ACS微小故障检测的有效性和可行性.     

基于键合图模型的传感器布局方法

为研究传感器布局对于故障诊断性能的影响,使用键合图方法对系统建模。通过在键合图模型中设置虚拟传感器模拟测点,利用键合图的结构信息和因果关系约束推导出一组解析冗余关系式,即系统残差,通过分析残差、故障及传感器配置的关系,提出了一种基于满足故障检测性和隔离性要求的传感器布局方法,在最大限度满足系统诊断性能前提下选择数量最少的传感器配置方案。最后,以同步发电机为例建立键合图传感器布局模型,通过残差推导其结构故障特征矩阵以及传感器特征矩阵,并对所提出的传感器优化布局方法进行验证,得出在参数性故障检测和隔离性能最高前提下的传感器配置方案。      

基于深度残差网络的模拟电路软故障诊断方

航天电子电路的故障诊断一直是航天领域可靠性与安全性的一个热点研究课题,航天电子电路的故障将直接影响航天任务是否成功。提出了一种基于深度残差网络的模拟电路故障诊断方法。该方法使用短时傅里叶变换将电路的时域输出信号转换为二维电路图像,并将其作为神经网络的输入,再利用ResNet提取模拟航天电子电路的性能特征,确定元件的故障类型,完成电路的故障诊断。通过仿真验证了该方法的故障诊断性能。仿真结果表明,该方法能够实现高达99.1%的诊断准确率。     

总线互连故障的一种快速诊断算法

数字总线的互连测试与故障诊断对于电子产品的生产和维护具有重要的意义.针对现有算法存在冗余测试以及测试时间长等问题,通过对总线互连故障的特征分析,提出了一种自适应快速诊断算法.该算法将测试过程分成两个阶段:第1阶段,诊断各个超网络上的短路和呆滞故障,按照短路关系将超网络分成若干集合;第2阶段,根据第1阶段的分组结果,对各集合中的超网络加载"并行走步1"向量,以诊断其开路故障.仿真结果表明,该算法可在保证故障诊断最大化的前提下,减少冗余测试,有效压缩测试向量长度,实现故障的快速诊断.