基于AMESim的齿轮泵内泄漏故障预测技术研究

采用AMESim软件构建了齿轮泵内泄漏故障仿真平台,通过运行仿真平台得到齿轮泵泄漏的故障仿真数据。运用故障仿真数据,采取基于支持向量机的故障预测方法,在Matlab中建立了故障预测模型,将预测数据与仿真数据进行对比,计算出预测的误差,并对该模型的故障预测精度进行了评估验证。讨论了基于不同数量样本建模对故障预测精度的影响,为选择合理的样本数量构建预测模型提供了参考。结果表明:建模数据的量越大,预测的误差越小,对齿轮泵的故障预测具有很好的应用价值。提出的思路和方法对齿轮泵内泄漏故障预测技术应用具有一定的参考价值。     

基于神经网络的轴承故障预测模型

利用在故障预测领域广泛应用的神经网络模型,对轴承监测数据的特征提取与建模,挖掘出监测数据与剩余寿命间内在关联,从而对轴承剩余寿命做出评估。在轴承全寿命数据的实际实验中,证实了该模型的有效性。     

基于改进蚁群算法和Mann-Kendall法的涡桨发动机性能预测

针对涡桨发动机复杂、非线性的工作环境，利用层次分析（AHP）法提取发动机工作状态特征参数，考虑各特征参数对工作状态识别的影响，以特征参数加权的改进蚁群算法为基础，进行发动机同一工作状态识别、聚类，并采用Mann-Kendall法开展发动机性能预测分析。利用多台涡桨发动机性能参数飞参数据进行验证，结果表明：该方法能准确识别发动机起飞、额定工作状态，巡航以下工作状态识别准确率达84%以上；此外，发动机性能预测效率提升了近50%，而预测错误率小于10%，可以满足航空兵部队维修保障工作的实际需要。     

基于试飞数据的航空发动机状态监测与故障诊断

在航空发动机飞行试验阶段,发动机技术状态变化快、故障频发,为了实时监控发动机工作参数变化情况,快速及时地预测并诊断发动机故障,本文研究了试飞数据驱动的航空发动机状态监控与故障诊断技术。文章基于实际试飞数据建立了航空发动机ANN-NARX参数预测模型,考虑到建模样本量大、模型结构复杂、训练时间长、输入输出延迟等因素,采用遗传算法对模型的最小数据样本需求和结构进行了改进优化,并利用蒙特卡洛方法确立了参数预测模型的自适应告警门限,同时基于构建奇偶空间残差模型实现了航空发动机典型故障诊断。结果表明：实际试飞中只需有限架次试飞数据的训练学习,即可得到发动机参数预测模型,高压转子转速、压气机后压力、涡轮后总温及滑油总回油温度预测相对误差最大值分别为：1.0%、1.7%、0.2%和1.2%,综合模型建模误差和参数测量误差后的自适应告警门限有效降低了模型预测结果的不确定性,在已有数据样本集上的典型故障识别率达到95.2%。     

基于原子搜索Kriging模型方法的民用飞机液压系统温度监测

温度是民用飞机液压系统性能的重要表征参数之一,为有效实现液压系统温度监测,基于Kriging 模型和原子搜索算法（ASO）,提出了一种基于原子搜索Kriging 模型（ASOKM）方法。首先,针对液压系统温度故障发生原因进行分析,建立其故障逻辑图,明确影响液压系统温度的特征参数;然后,结合快速存取记录器（QAR）数据,论述了ASOKM 方法建模原理;最后,通过某型国产民用飞机液压系统温度监测分析,对所提出的ASOKM 方法进行有效性验证。研究结果表明：ASOKM 方法的训练平均绝对误差、监测平均绝对误差低于响应面（RSM）、Kriging、BP 神经网络（BP-ANN）模型,具有较高的精度、效率和鲁棒性。所提方法可以为液压系统可靠性分析、故障诊断、预测维修提供借鉴。     

基于时间序列的机票价格预测模型

随着航空业的发展以及人们生活水平的提高,越来越多的人选择飞机作为自己的出行方式,但航空公司根据收益管理系统进行实时价格调整,票价变化明显.票价浮动大这一特点使价格预测极具实际应用价值.提出运用时间序列算法进行建模,设计并实现了基于时间序列的机票预测算法,通过比较分析预测结果与实际旅游网站发布价格,表明该模型可为旅客提供较可靠的购票决策支持,并为旅客节省开支.     

基于特征参数趋势进化的故障诊断和预测方法

 采用时间序列方法对可以表征系统故障状态的特征参数的趋势进化进行预测,同时考虑特征参数的概率分布特性,给出了对系统进行故障诊断和预测的方法。在已获得特征参数监测数据的基础上,分别对具有广义强度/故障阈值确定分布或故障模式特征参数空间分布两种形式的故障判据,提出了利用二次指数平滑预测模型对系统未来某时刻的故障状态进行预测的方法。给出包括故障概率和故障指数在内的故障诊断和预测结果形式,可进一步为系统的维修决策等提供参考。     

利用改进时序模型提取空间推进系统特征参数

介绍了利用改进时序模型提取空间飞行器推进系统特征参数的方法，利用此方法，结合某飞行器推进系统试验的实测数据，提取出了相应的特征参数，并以此为基础得出了故障判据的阈值，数据回访表明此阈值较领域专家提供的阈值对“泄漏”故障更为敏感，结合多参数辅佐检测，可以很好地完成推进系统的故障检测功能，具有工程实用可行性。     

基于随机Wiener过程的航空发动机剩余寿命预测

针对目前剩余寿命(RL)预测方法没有综合考虑发动机个体性能退化的差异性和多阶段性的问题,提出了基于多阶段性能退化模型预测航空发动机剩余寿命的方法。首先,该方法采用多阶段Wiener过程对航空发动机进行退化建模,并假设退化模型参数服从随机分布来描述发动机个体的差异性。然后,根据历史性能退化数据与历史失效时间数据,利用期望最大化算法对模型参数的先验分布进行估计。当获得单台发动机的实时退化数据后,使用Bayesian方法对模型参数进行更新,从而实时更新航空发动机的RL分布,最终实现对单台航空发动机的RL预测。实验结果表明,该方法预测精度较高,能为航空发动机维修计划的制定提供依据。     

飞行仿真气动力数据机器学习建模方法

基于机器学习思想,提出了一种大空域、宽速域的气动力建模方法。该方法利用飞行仿真弹道数据辨识的气动力数据,采用人工神经网络技术,实现了对高度、速度、姿态和舵偏角等多维度强非线性特性的全弹道气动力数据的高精度逼近。首先,分析了神经网络层数、隐含层神经元个数等对建模误差的影响,通过对典型弹道气动数据的神经网络建模计算,确定了较合适的神经网络层数和较优的隐层神经元个数。进而,利用飞行仿真的弹道数据辨识出沿弹道的气动力,采用神经网络建立了包含多个弹道融合的气动力模型,输出量分别为三轴气动力系数和力矩系数。最后通过气动模型输出量与原样本数据的对比,以及4条未参与训练弹道气动数据的预测,验证了该气动力建模方法具有较高的精度。建模结果表明:采用神经网络方法建立的飞行器气动力模型,对拟合多源耦合输入全弹道非线性气动力是可行的和有效的,在样本覆盖的高度、速度、姿态和控制舵偏角范围内,气动力拟合能力较强,并具有一定的外推性。该项研究可以为基于飞行试验数据的气动建模提供新的方法,并且能为飞行器气动力数据挖掘、飞行仿真和总体性能分析提供参考。     

基于PSO_LS-SVM的装备研制费用预测研究

在简要介绍了粒子群优化算法基本原理的基础上,建立了基于POS_LS-SVM的装备研制费用预测模型,并应用实例进行了验证。结果表明,采用PSO_LS-SVM方法进行装备研制费用预测,得到的预测结果精度更高、计算速度更快。     

武器装备可靠性工程研究现状与最新进展

介绍国内外武器装备可靠性工程理论模型的发展现状与最新研究进展,主要包括提高系统可靠性经常应用到的冗余配置问题,系统失效分析采用的最短路径的旅行商问题,小样本数据条件下的动态故障树问题,复杂系统可靠性预测的随机约束与虚拟最短路径以及NASA对高技术项目进行评价和排序过程中采用的一种多学科群决策模型等。     

导弹电子设备故障的组合预测方法研究

针对传统GM(1,1)的对纯指数型序列预测的局限性,引出了改进的离散灰色DGM(1,1)模型。应用DGM(1,1)模型与时间序列AR模型的组合模型对导弹电子设备进行故障预测,并通过实例对预测精度进行了检验。     

舰空导弹贮存可靠性分配与预计方法研究

基于舰空导弹武器系统的可靠性特征,设计了型号总体贮存可靠性分配与预计的工作流程.针对舰空导弹及各分系统不同的可靠性结构,提出了运用不同的方法或方法组合进行可靠性分配与预计的策略.以某型舰空导弹动力分系统为例,在分析其可靠性基础上,建立了可靠性模型和故障树模型;对该分系统进行了可靠性分配和预计,获得了该分系统设备、组件的...     

基于神经网络预测模型的歼击机结构故障检测方法

提出了一种基于预测神经网络的歼击机结构故障检测新方法 ,与传统的基于模型的非线性系统的故障检测方法相比 ,神经网络方法有着非线性逼近能力强和故障检测实时性好等优点。给出了基于预测神经网络的故障检测方案 ,以及多步直接预测算法和阈值选取原则 ,最后以某型歼击机为例进行了仿真验证 ,仿真结果表明本方法能有效地检测出歼击机的各种结构故障。     

基于航空装备维修数据的维修需求预测方法

飞机的维修活动是装备管理工作的重要内容,但是飞机具有产品结构复杂、使用环境复杂的特点,建立在经典大样本同总体分布模型假设的维修需求预测方法难以适用。文章基于航空装备维修保障数据,围绕飞机维修需求预测问题,辨识影响维修需求的主要因素,采用数据驱动的方法建立飞机损伤程度模型,提出了一种飞机维修需求预测的新方法,并通过实测数据的分析处理,验证了方法的可行性。     

电子设备故障预测与健康管理技术发展新动态

电子设备是各类航空、航天等高新技术装备必不可少的重要组成部分。与机械类设备存在明显退化状态征兆不同，电子设备退化状态无明显的外在表现，尚无有效征兆对其状态进行刻画，对其进行故障预测与健康管理存在一定的困难。针对该问题，梳理了电子设备故障预测与健康管理技术的基本概念和内涵，介绍了电子设备故障预测与健康管理技术的国内外研究现状，分析了当前复杂电子设备故障预测与健康管理技术面临的挑战和对策。在此基础上，结合未来复杂电子设备新特点及该领域最新研究进展，从基于间歇故障特征的健康状态表征、面向故障预测与健康管理的测试性设计和多源特征融合的健康状态评估等方面，提出了电子设备故障预测与健康管理技术发展的新方向。     

基于加速退化试验和粒子滤波的电子设备故障预测方法

针对导弹电子设备故障预测问题,提出了一种基于综合环境加速退化试验(ADT)和粒子滤波的故障预测新方法。首先,不同于传统的ADT方案,仅以单个样本为试验对象,采用步进加速的思想,将性能退化理论拓展为加速性能退化理论(APDT),建立基于电子设备寿命退化速度的加速寿命退化模型。其次,为克服环境应力等测试不确定性因素对预测精度的影响,定义了电子设备退化度的概念,将寿命预测的不确定性问题转化为设备退化度最优估计问题,利用改进粒子滤波算法求解出电子产品动态退化的最优估计值,进而实现设备的全寿命评估。最后,实例说明该方法可行、有效,并大大提高了试验的效费比。     

基于GRU的仪表着陆系统故障预测方法研究

故障预测技术在保障仪表着陆系统的可靠运行、提高空管效能等方面具有重要应用价值。结合仪表着陆系统运行特征和实际运行维护工作,提出一种基于GRU 的仪表着陆系统故障预测方法。以航向信标为研究对象,在分析其监控参数与设备运行状态之间的关系后,将监控参数作为故障特征参数;根据监控参数时间步长、时变性特征显著的特点,采用GRU 预测监控参数的未来变化趋势;根据监控参数的隶属函数计算出参数未来时刻可能发生“故障”的概率,实现对航向信标故障的预测。结果表明：基于GRU 的预测方法的相对预测精度在95% 以上。     

无人机爬升转弯航迹预测

信息获取、自动精确打击等使得无人机已成为不可缺少的武器。快速精确的航迹预测可以提高作战效率,提供及时、最优的冲突解决方案。针对无人机的优良特性,首先优化无人机的航迹模型,并对其可行性进行理论推导,重点研究了以最大功率爬升转弯过程,验证了优化后的过程优于普通爬升转弯模型。此航迹预测方法可以快速得出航迹特征点以及到达航迹特征点的时间。