基于振动检测的发动机故障诊断算法研究

基于振动检测的发动机故障诊断算法,分析发动机发生故障时振动信号所具有的特征和故障诊断指标选择,对振动信号预处理、特征提取、状态识别和诊断决策分别进行了介绍,研究出采用振幅和频率两参量包络曲线法诊断发动机故障的算法,通过发动机热试车验证了采用发动机振动检测来判断发动机故障的算法的正确性。     

控制系统故障诊断的模糊神经网络方法研究

控制系统的不确定故障诊断是目前尚未解决的问题。传统的神经网络方法和模糊推理方法为解决这一类故障诊断问题提出了一些算法。然而上述两种方法难以提高不确定故障诊断的性能。为此本文结合模糊理论的推理能力和神经网络学习的能力提出模糊神经网络故障检测方法。该算法同时具备模糊理论的处理不确定和不准确信息的能力和神经网络的自学习能力。本文结果应用到某运载火箭控制系统的故障诊断,仿真结果表明,本算法有效,较好地解决了控制系统不确定故障诊断问题。     

基于Fuzzy ARTMAP的GPS/INS组合导航系统故障诊断

将基于双状态传播器的状态χ2检验法(SCST)结合Fuzzy ARTMAP神经网络应用于GPS/INS紧组合导航系统故障的诊断和参数识别。首先,采用双状态传播器的状态χ2检验法对组合导航系统进行故障检测,得到故障的特征模式,并给出了双状态传播器重置时间间隔选择的充分条件;然后,利用Fuzzy ARTMAP神经网络结合特定的飞行器机动对故障模式进行分类,给出了一种新的分类方法;对于飞行器按照不同轨迹进行飞行的情况,也可有效的识别故障源。最后将分类的结果送入另一个Fuzzy ARTMAP神经网络进行故障参数的估计。仿真结果表明,针对组合导航系统中陀螺、加速度计、GPS信号的一度故障,此方法能有效进行检测和隔离,并能准确估计出故障发生时间和故障幅值。     

基于神经网络和证据理论的火箭发动机故障诊断

针对运载火箭动力系统故障的复杂特性和故障模式的不确定性,提出了基于神经网络和证据理论的火箭发动机故障诊断。首先以火箭视加速度和角速度作为网络输入,故障类型矩阵作为网络输出,通过BP神经网络和RBF(径向基函数)神经网络进行故障诊断;之后通过D-S证据理论融合神经网络结果;最后通过滚动时域估计方法对火箭飞行状态特征量估计。仿真结果表明诊断准确率达到99%以上,表明提出的方法对于火箭发动机故障诊断具有较高的准确性和实用性。     

基于RBF神经网络和M距离的卫星故障诊断

在常规基于解析冗余故障诊断技术的基础上,采用具有最佳模拟特性的RBF神经网络对系统进行建模,分析了M距离应用于卫星姿态控制系统故障检测与定位的可行性,应用基于M距离的方法设计故障检测观测器,通过对残差的评估实现故障诊断。仿真结果显示,该方法计算过程简单、实时性好。     

全姿态动调陀螺定北仪研究

介绍一种全姿态定北装置，它以动调陀螺仪和加速度计为测量元件，利用正切法双轴测速定北和重力加速度信息，进行全姿态方位角计算，采用浮点片TMS320C32数字信号处理器（DSP）进行计算和控制，提高了系统的运算精度和速度，可快速自动准确测出真北方位角，着重讨论基于DSP的动调陀螺定北仪的原理，信号处理和误差分析，以及与人工调平定北仪的比较。     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

神经网络专家系统在电源系统诊断中的应用

为了解决卫星这类复杂系统采用单一的智能故障诊断技术的诊断局限性问题,提出一种基于模糊综合评判的神经网络和专家系统相结合的诊断方法。选用改进的BP神经网络,添加动量因子和可变学习速率,并通过计算十个相同结构神经网络输出的标准差获得诊断结果的可信度。采用基于可信度的专家系统不确定性推理,给出了可信度计算方法。采用代数积与代数和模糊算子对两种诊断方法的结果进行综合评判。成功地应用于某卫星电源系统的故障诊断中。结果表明诊断的可信度和诊断的正确率得到提高。     

基于优化多尺度排列熵和卷积神经网络的滚动轴承故障诊断方法

针对滚动轴承故障分类中特征信号微弱、信号非线性和多尺度特征难提取的问题，提出基于优化多尺度排列熵（MPE）和卷积神经网络（CNN）的滚动轴承故障诊断方法:通过改进自适应噪声完备集合经验模式分解（ICEEMDAN）对轴承信号进行分解和重构，实现信号降噪；通过粒子群算法（PSO）对MPE进行优化，提出PSO-MPE特征提取方法，参数优化后的MPE能够提取更为关键的特征信息；将所得的排列熵输入到CNN中进行故障分类以及降维可视化分析。以凯斯西储大学开放轴承数据库样本为测试对象，将文章所提出的ICEEMDAN-PSO-MPE-CNN方法与ICEEMDAN-PSO-MPE-RNN、CEEMDAN-SVM、ICEEMDAN-PSO-MPE-SVM等方法进行纵向和横向对比分析，结果表明改进方法的分类准确率和效率更高，在T-SNE可视化下的分类效果更明显，能够实现滚动轴承故障的高精度和高效率检测。     

卫星在轨故障地面诊断系统设计

为解决卫星在轨故障诊断问题,提出了一种故障地面诊断方法,并进行了诊断系统设计。在诊断方法中,建立了卫星各系统耦合的整星模拟器,利用卫星遥测与模拟器预测值形成残差,滤除遥测信息中已知的动态规律部分,缩小故障诊断阈值,提高故障检测的准确性,最后运用信号分析或机器学习的方法对残差实现诊断。诊断系统由遥测接口程序、整星模拟器、残差诊断程序、诊断调度程序、相关数据库和配套工具构成。从系统结构设计和算法的参数化设计两方面,分析了卫星故障地面诊断系统设计,并用建成的系统样机进行了验证。系统样机运行结果表明,这种方法和系统设计思路是可行、有效的。     

基于神经网络的不确定性空间机器人自适应控制方法研究

提出了一种针对自由漂浮状态的空间机器人模型不确定性的神经网络自适应控制 方法。通过RBF神经网络逼近模型的非线性函数和不确定性上界,无需预先估计系统的不 确 定性程度和外部干扰,提出的自适应控制律保证了权值的有界性,解决了神经网络权值的UU B（Unknown Upper Bound）问题,即未知上界有界问题,完成了笛卡尔空间内空间机器人轨 迹规划任务。证明了所提出的控制方法的稳定性,仿真结果表明控制方法避免了对空间 机器人动力学模型的参数线性化要求降低了计算量,能够满足实际任务中的实时性要求。
     

Parameters design of vibration isolation platform for control moment gyroscopes

Vibration isolation is a direct and effective approach to improve the ultra-precise pointing capability of a high resolution remote sensing satellite. In this paper, a passive multi-strut vibration isolation platform for the control moment gyroscopes in a pyramid configuration on a satellite is adopted and the parameter design of this platform is discussed. The first step constructs a whole satellite dynamic model including the control moment gyroscopes and the vibration isolation platform with Newton–Euler method, while the analytical control moment gyroscopes disturbance model is derived. The transmissibility matrix of the vibration isolation platform is then obtained, and the frequency domain characteristics of the platform are described, with its influence on the attitude control system analyzed. The third part presents the parameter design method of the vibration isolation platform based on the frequency domain characteristics mentioned above. The stiffness and damping coefficients of this platform are subsequently selected with the above mentioned method. Finally, using these parameters, the performance of the vibration isolation platform on the satellite is testified by integrated simulations. The study shows that parameters of this platform selected based on this method not only satisfy the requirement of vibration isolation but also guarantee that the closed-loop attitude control system remains sufficiently stable.     

基于卷积神经网络的雷达辐射源稳健识别方法

针对低信噪比下，基于传统统计特征的雷达信号识别方法对复杂调制信号类型识别性能不高，因而处理复杂度高的问题，提出一种基于卷积神经网络的雷达辐射源信号稳健识别方法。该方法通过提取信号的瞬时相位特征，获得变换域的表征信号，将其作为卷积神经网络的输入，实现雷达辐射源信号的快速识别。针对瞬时相位特征对于信噪比敏感的特点，采用主成分分析方法对信号特征域进行降噪处理，提升模型对噪声的稳健性。通过仿真实验验证了所提出方法在不同信噪比下对7种调制信号类型的识别性能，通过理论分析及不同方法的实验对比，验证了算法具有耗时较短、识别准确率较高、噪声稳健性好等优势，具有良好的工程实用性。     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。     

面向火箭构型论证的运载能力快速分析方法

针对不同构型与任务条件下的运载能力快速计算问题，提出了基于高斯函数和组合神经网络的速度损失计算方法，并基于此对运载能力进行了快速分析。首先，基于状态量解析解计算分析，采用高斯函数对核心的重力速度损失项进行拟合计算；同时，为提高多构型与多任务样本的采样密度、简化数据建模过程并增强方法适应性，采用径向基网络(RBF)与深度神经网络(DNN)的组合形式进行状态量的提取与回归分析；然后将任务约束转化为需要速度增量，通过数值迭代得到运载能力。仿真结果表明，此运载能力分析方法精度偏差约为0.35%，计算耗时小于2 s，可为运载火箭总体参数快速论证与任务规划研究提供理论支撑。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

航空发动机多变量神经网络自适应控制仿真研究

针对航空发动机是一个具有强非线性、时变不确定性的被控对象,提出了一种基于RBF网络的航空发动机多变量神经网络自适应控制方法,该方法采用RBF网络对发动机非线性模型进行实时辨识,并将系统的灵敏度信息反馈给神经网络控制器,保证了控制器对被控对象的准确控制.通过某涡扇发动机在飞行包线内的数字仿真,结果表明该方法不依赖被控对象的精确模型,有效地实现了对发动机的多变量自适应控制,而且具有较好的动静态性能.