发动机全面性能诊断的随机搜索模型

提出了求解发动机亚定故障方程组整体优化解的随机搜索模型。该数学模型可以在同时发生的故障模式的数目小于、等于、特别是大于测量参数个数的各种复杂情况下给出全面的故障诊断信息。以JT9D发动机全面性能诊断问题为例,利用随机模拟样本对随机搜索模型的诊断有效性进行了评估,并且利用JT9D发动机的24个实际故障样本对随机搜索模型进行了检验。研究结果表明,利用4个测量参数可以对发动机主要部件同时发生的6～10个故障进行诊断。诊断有效性指标可达0.89～0.94.     

液体火箭发动机健康监控──故障检测与诊断

以大型液体火箭发动机故障诊断系统框架为基础，按照发动机不同工作阶段的特点建立了相应的故障检测与诊断算法。利用发动机的高队数学模型，对基于推广的卡尔曼滤波器技术的新息检测算法进行了研究。根据发动机系统工作过程的特点，建立了降阶故障模式响应模型，并发展了相应的故障模式检验方法。为了适应在线实时检测的需要，利用发动机的试验数据，分别研究了基于人工神经元网络辨识模型的发动机启动过程检测算法和基于时间序列分析方法的发动机主机工作过程检测算法。通过试验数据的检测验证，证明了这些实时算法的快速性、准确性和鲁律性。     

航天器在轨故障特征数据生成方法

针对故障特征数据模拟生成算法与航天器的原理、模型关联度高,航天器状态描述模型不成熟、难以应用于工程实践的现状,根据反映航天器在轨故障的遥测数据表现形式和变化时间长短,将航天器故障进行分类。从遥测数据变化的角度,针对每类故障遥测数据的变化特点,研究了符合每类故障数据变化规律的故障特征数据生成算法及基于WEB服务的故障特征数据生成原型系统实现方式。生成的故障特征数据在故障检测、诊断与预警等方面得到成功应用,使航天器对象、状态演化规则和测控信息产生等故障输入数据更接近真实的动态特征。     

液体火箭发动机故障实时仿真模型

建立了液体火箭发动机的降阶非线性动态模型。针对已发生过的或极有可能发生的故障形式，进行了故障状态下动态特性模拟。仿真结果表明，所建模型较精确合理，并能实现实时随机仿真。     

基于特征优化与改进KNN的航空发动机故障诊断

为有效解决航空发动机气路故障诊断难题,建立了基于特征优化与改进KNN的航空发动机气路故障诊断模型。利用特征优化算法对发动机故障特征进行处理,包括特征增维与近邻成分分析算法;将特征优化后的特征输入改进KNN算法,建立基于特征优化与改进KNN算法的故障诊断模型;为验证所建立故障诊断模型的准确性,在四台CFM56-7FB发动机数据上进行实验验证,结果表明：基于特征优化与改进KNN算法的故障诊断模型的准确率可达98%以上,能够达到智能诊断的目的。     

存储器阵列的奇偶校验电路设计探讨

奇偶校验电路是一种最小码距为2的一种随机存储器（SRAM）的故障测试方法，实践证明，该方法能够测出的差错占全部存储器差错的97％以上．文章论述了标准INTEL80286计算机的存储器阵列的奇偶校验电路的基本原理；详细地讨论了奇偶校验电路的设计及测试方法．     

基于改进GWO-LightGBM的滚动轴承未知故障诊断

针对滚动轴承未知新故障误判影响轴承安全性和检修效率的问题,提出了一种基于改进灰狼算法（GWO）和轻量级梯度提升机（LightGBM）的故障诊断模型,实现已知/未知故障的高精度判别。为避免单一尺度下特征提取的缺失,对滚动轴承振动信号分别提取时域、频域和小波域特征建立多域特征集。设计了带未知新故障判别机制的GWO-LightGBM模型,并构造含有Halton序列和模拟退火策略的GWO实现了模型参数有效优化。实例试验结果表明,模型对已知和未知类故障平均识别率达99.57%,10次随机试验平均识别率分别比单一分类模型逻辑回归（LR）、最近邻分类器（KNN）和支持向量机（SVM）高21.98%、17.00%、9.27%,验证了模型的有效性和优越性,能高准确率地识别出已知或以前从未出现的新故障。      

基于民机维修文本数据的故障诊断方法

在民航检修与维护过程中积累了大量蕴含丰富故障特征的文本维修记录，然而由于维修文本本身存在复杂性，其还未实现智能诊断，数据利用率低。提出一种不断修正迭代的基于预训练语言模型双向转换器编码表示（BERT）及轻量级梯度提升机（LightGBM）的飞机维修记录的故障原因分析方法，求解文本形式的维修记录中的故障原因，用以辅助维修人员进行正确的维修决策。首先，在基于BERT的故障诊断模型Transformer特征提取架构中引入多头注意力机制，以充分捕捉融合上下文的双向语义、更加关注于重点词汇；其次，为了提高诊断速度减少模型的参数并融合LightGBM模型来实现维修文本的故障原因分类；最后，将改进的模型与其他常用文本分析模型进行对比实验，在基于民机维修文本的故障诊断中该模型的准确率比TextCNN模型、LSTM模型和BiLSTM模型分别提升了38.99%、22.98%和18.16%，且BERT-LightGBM模型比BERT模型诊断速度提升了0.91%。表明所提方法在实现飞机维修文本故障诊断方面的有效性及优越性。     

舵面损伤的气动模型及故障检测研究

针对飞机舵面损伤故障检测和诊断的气动模型和飞行状态限制，提出了在线故障模式预测方法，并使用某机的故障及正常风洞数据建立了舵面损伤非线性气动模型。最后，仿真验证了该方案的气动模型独立性、飞行状态及操纵的适应性。结果表明，该方法可提高自修复飞控系统中舵面损伤故障检测算法的适用性和工程应用能力。     

基于自适应分段混合系统的轴承故障诊断

针对强噪声背景下轴承早期故障的诊断问题,提出一种基于自适应分段混合随机共振（adaptive piecewise hybrid stochastic resonance,APHSR）系统的检测方法。采用经验模态分解法（EMD）进行信号预处理,分别采用能量密度法和相关系数法去除高、低频噪声,自动筛选最优固有模态函数,经尺度变换后输入分段混合随机共振系统模型,提取故障信号。工程实验显示:经过APHSR系统,轴承故障特征频率的频谱幅值、频谱幅值与周围最大噪声之差和最大信噪比（SNR）均高于经验模态分解和经典随机共振方法,其中齿轮箱故障轴承信噪比分别提高了9.579 dB和7.473 dB,转子故障轴承信噪比分别提升了8.597 dB和5.695 dB,对凯斯西储大学故障轴承数据处理后的信噪比分别提升了3.369 dB和17.043 dB。数据表明APHSR方法具有高效性,提高了轴承故障信号诊断能力。      

发动机故障诊断的主因子模型

提出了发动机故障论断的主因子模型。这是一种基于故障方程的参数诊断方法。主因子模型能够利用较少的测量参数对较多的故障类型进行论断,可以有效地克服故障方程病态的影响,保证诊断结果具有高的精度和信度,并提供诊断结果可靠性的评价信息。文中给出了主因子模型的基本理论、主因子模型的最优实用算法及其算例以及对于JT9D发动机的24个故障样本的验算结果。理论和实际考核表明主因子模型是一种有效的故障诊断方法。     

航空发动机故障诊断算法测试平台

在MATLAB/Simulink环境下搭建航空发动机故障诊断算法测试平台。利用已有的民用大涵道比涡扇发动机非线性模型进行仿真得到航空发动机故障数据,数据既可以用于故障诊断算法的开发,也可以用于故障诊断算法的验证。对用户提供的故障诊断算法按照统一的评价标准进行分析,得出诊断算法优良性的量化值,使得不同结构、不同平台的诊断算法能直接作出比较。通过故障诊断算法的诊断结果进行分析,得到的评价结果可全面反映故障诊断算法的性能。     

发动机亚定故障方程组整体优化解分布函数模型

提出了求解发动机亚定故障方程组整体优化解的分布函数模型.该模型利用一种可以控制自变量数值在整体解中分布的分布函数与亚定故障方程组的残差平方和构成复合目标函数,同时以物理合理性准则作为约束条件,构成一个非线性规划问题.分布函数模型可以在小于、等于特别是大于故障方程个数的各种复杂情况下给出全面的故障诊断信息,从而为目前迫切需要解决的发动机性能监控与故障诊断中在测量参数不足的情况下,对发动机进行全面性能诊断的技术难题提供出一种切实可行而又十分有效的数学模型.首次提出了作为评价发动机全面性能诊断算法有效性指标的相似度的概念,并且以JT9D发动机全面性能诊断问题为例,利用Monte Carlo随机模拟方法确定了分布函数模型可以达到的相似度值.研究结果表明,分布函数模型的相似度可达0.9以上.还利用JT9D发动机的实际故障样本对分布函数模型进行了检验.     

离子推进系统仿真与故障诊断研究

离子电推进系统由于组成复杂，发生故障的概率大大增加，通过系统仿真并在此基础上开展故障诊断研究，对于识别故障原因及保障离子推力器系统正常工作具有重要作用。本文结合离子电推进系统各子系统数学模型，利用Matlab/Simulink实现了离子推力器系统仿真模型，基于LIPS-300离子推力器数据，对其性能进行了仿真，仿真模型输出结果与相关文献中已有的结果一致。采用该系统仿真模型结合故障因子，对故障状态的离子推力器系统进行了仿真，利用得到的故障数据与Matlab神经网络工具箱建立了离子推力器故障诊断系统。利用仿真模型额外生成另一组已知对应故障模式的故障状态运行数据，并利用该组数据对故障诊断系统进行了诊断能力测试，系统诊断结果与其已知对应故障模式相比，正确率为93.8%。     

基于小波和模糊神经网络的涡喷发动机故障诊断

提出了一种基于小波和模糊神经网络的涡喷发动机故障诊断方法。即利用小波变换获取特征域，取特征域上的峰值因子、脉冲因子、裕度因子、偏态因子、峭度因子及频谱最大值作为神经网络的输入，并对神经网络的输入、输出进行模糊化处理，以神经网络进行诊断。将该方法成功地应用于某型涡喷发动机的故障诊断，结果表明，该方法诊断效果明显。     

基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断

针对飞机起落架液压系统故障诊断精度低，深层故障特征提取困难的问题，提出了一种基于双路特征融合卷积神经网络（TSFFCNN）与粒子群优化支持向量机（PSO-SVM）结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入，采用一维卷积神经网络（1DCNN）与二维卷积神经网络（2DCNN）并行多通道网络结构自适应提取深层特征信息，并在融合层将深层特征信息融合，通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果，基于AMESim搭建了典型飞机起落架液压系统仿真模型，构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明，所提故障诊断算法精度能达到99.37%，能够有效实现起落架液压系统故障诊断；与其他智能算法对比，基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性，诊断精度更高。     

基于分层传递系统模型的航天器故障诊断方法

 针对传统的传递系统模型在航天器自主诊断系统中只能表示单一粒度诊断知识,知识表示的完备性差,导致诊断结果的分辨率不高,且诊断系统执行效率低的问题,提出了分层传递系统模型和诊断方法。为了保证不同粒度诊断知识的完备性表示,将系统模型按不同粒度和结构关系进行分层。通过自顶向下的递归搜索,先监测系统异常,再匹配故障类型,逐层缩小搜索空间,最终找出故障候选集和故障的层次关系。同时为了减小计算规模,在诊断过程中引入了分离策略,降低实时诊断计算量。应用该方法建立了某卫星测控分系统模型并进行故障仿真,结果表明该方法可以增加模型知识表示的完备性,并能有效提高诊断效率和结果的分辨率。     

传感器故障检测、识别和适应方法

对现有的方法进行了研究，着重阐述用检测滤波器思想进行传感器故障检测、识别和适应的方法。并利用这些方法，对一个具体的模型设计一个传感器故障检测、诊断和适应系统。通过故障仿真计算，验证了本文提出的方法使用的有效性     

基于知识的贝叶斯诊断网络模型建造方法

复杂系统贝叶斯诊断网络模型需要一个非常艰难的人工建造过程,而且故障样本的获得比较困难,通常面临故障样本缺乏的情况.围绕这些问题,本文提出了提取领域专家知识建造因果映射网络,转化因果映射网络为贝叶斯诊断网络的方法,并以运载火箭伺服系统关键部件伺服阀为应用对象,阐述了运用此方法建造贝叶斯诊断网络模型的关键步骤.最后,通过在单故障情况和多故障情况下的案例仿真,验证了贝叶斯诊断网络模型和模型建造方法的有效性.     

基于Leaky Noisy Or模型的民机诊断决策方法研究

针对现代民机在排故过程中面对不确定性、多源异类信息时难以进行快速诊断的问题,提出了一种基于贝叶斯Leaky Noisy Or网络的诊断决策模型。采用故障假设-观测-维修操作节点的网络结构,结合专家经验建立贝叶斯网络拓扑结构,将Leaky Noisy Or节点引入网络模型中,同时结合向前多步决策算法,构建多步决策模型。仿真实验表明,与传统方法相比,该模型能够有效解决排故中的不确定性问题,并可最大限度地融合多源异类信息,提高了诊断排故速度。