飞机电缆绝缘缺陷与故障的检测技术及分析

对飞机电缆出现的缺陷与故障进行了分类,着重介绍传统检测方法和现代检测方法——反射法,从理论上分析和探讨反射法检测电缆缺陷与故障的原理、试验方法以及可行性。     

基于大修测试数据的飞机电缆智能故障分析

利用时域反射技术获取飞机大修中电缆的测试数据,采用Savitzky-Golay算法去除测试数据中的噪声,并利用二阶差分算法实现测试数据特征的自动识别;通过比对健康电缆数据与故障电缆数据特征的差异,建立基于Drools的飞机电缆智能故障分析规则库;设计开发基于大修测试数据的飞机电缆智能故障分析系统,并在短路和断路两种典型故障上验证了方法的有效性。     

电缆故障在线检测定位装置研究

电缆作为飞机电源系统的重要组成部分,实现电缆故障的在线诊断,可以提高其可靠性。采用扩展频谱时域反射法(SSTDR),基于FPGA技术,设计一种板级速率为500 MHz的飞机电缆故障在线检测和定位装置,并进行实验验证。结果表明:该装置能够实现电缆开路、短路以及间歇性电弧的在线检测和定位,具有定位精度高、实时性好等优点;利用该装置在线监测电缆的健康状态,实现难以复现的间歇性故障的检测,能够提高地面运营、维护效率,节省人力物力,具有较高的工程应用价值。     

基于时域反射技术的飞机线缆故障定位研究

从飞机修理中线缆检测和故障定位难问题入手,研究新型时域反射技术在线缆故障定位中的应用,提出高效快速准确定位线缆线束故障点的方法及措施。     

基于滤波残差的组合导航系统故障检测研究

论文研究了两种用于组合导航系统中的故障检测方法,首先介绍了传统的残差χ^2检验法,随后给出了一种基于最大残差样本协方差阵特征值的故障检测算法。通过计算机仿真比较了两种算法在组合系统中的应用,仿真结果显示,基于特征值的故障检验算法对故障较敏感,系统组合精度略高,一定程度上优于传统残差χ^2算法。最后,文章讨论了组合导航系统中两种故障检测算法的优缺点。     

基于时域反射技术的机载电气通道故障定位技术研究

飞机机载电气传输通道的故障定位一直是难题,简单的电网故障经常需要花费大量的时间及人力进行机上排查。因此,快速准确的机载电网故障定位技术在飞机研制生产及后期维护过程中具备极高的研究价值。本文首先分析了时域反射技术目前存在的主要问题,进而详细介绍了时域反射技术在机载电气通道故障定位中的解决方案,讨论了时域反射技术在机载电器通道中的应用方向。     

基于残差卡方检验和动态Allan方差的INS/GPS故障检测与定位算法研究

INS作为一种精密的仪器,容易发生由于自身老化或受到外界环境干扰出现故障无法正常工作的情况。因此,深入研究了INS/GPS的故障检测算法,提出了一种基于残差卡方检验和动态Allan方差的INS/GPS故障检测与定位算法。在系统层面,通过残差式卡方检验法,能够在组合导航系统出现故障时及时准确识别,并为后续的动态Allan方差法确定一个故障发生的时间段,大大减小了Allan方差的计算量。随后通过动态Allan方差法对惯性传感器时变特性的表征,从传感器层面准确识别出故障发生的位置,两者结合实现了INS/GPS系统故障的及时检测与准确定位。通过对仿真和实验数据的分析,验证了这种方法对INS/GPS故障检测及定位的有效性。     

飞行控制系统故障检测方法研究

以某型飞机为研究对象，论述了一种基于模型的自修复飞行控制系统故障检测方法。首先提出了通过等价空间法产生残差序列，并对残差序列进行概率比检测，以获得一定置信度下的检测结果。同时舵面损伤故障的概率比检测采用预警检验、校验检测与隔离检测相结合的方法。最后，对所设计的故障检测方法进行了数字仿真研究。仿真结果验证了该方法具有较高的准确性和实时性，为飞行控制系统故障检测提供了一种有效的手段。     

输入—输出过程脉冲型故障的统计检测方法与容错检测技术的研究

对于输入-输出系统的脉冲型故障,本文指出了系统运行过程中发生的输出部件故障和输入部件故障与时间序列分析领域AO型及IO型常数据之间的关系,系统地总结了过程故障统计诊断方法(特别是仿Jacknife法、假设检验法和影响分析法)的研究现状及其存在的不足之处,建立了两组容错辨识算法,并基于容错辨识技术提出了分别适用于第一类故障和第二类故障检测与辨识的有效方法。最后,通过仿真计算验证了新方法的有效性。     

INS/GPS组合导航系统故障检测问题研究

提出了一种新的故障检测方案。该方案由卡尔曼滤波 ,得到新息序列 ,利用大数定律对新息序列的稳定性进行检验 ,来判别系统是否出现了故障。同时提出了故障状态下卡尔曼滤波的修正算法。数值仿真结果表明 ,该方法能有效地检测出 INS/GPS组合导航系统的故障 ,保证了 INS/GPS组合导航系统的安全性和可靠性     

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型（HMM）和最小二乘支持向量机（LS—SVM）相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。     

卫星导航接收机自主完好性监测算法研究

针对航空导航定位高可靠性的要求和GPS接收机观测噪声分布的特点,研究将粒子滤波算法应用于接收机自主完好性监测（RUM）中.通过粒子滤波算法对状态进行精确估计,利用对数似然比建立一致性检验统计量进行故障检测与隔离.对算法进行了数学建模,描述了完整的RAIM算法详细流程.通过实测数据对提出的RAIM算法进行验证,结果表明：粒子滤波算法在非高斯测量噪声情况下可以对GPS接收机状态进行精确的估计,利用对数似然比建立的一致性检验统计量能有效地检测并隔离故障卫星,验证了该算法应用于GPS接收机自主完好性监测的可行性和有效性.     

基于滑动时间窗主成分分析的液体火箭发动机传感器故障诊断方法

安装在发动机上的各种传感器是发动机状态监测的主要依据,由于工作环境恶劣,传感器失效时有发生。由于发动机运行过程中的性能蜕变和台次差异,现有基于主成分分析（PCA）的传感器故障隔离方法应用条件苛刻且诊断效果有限。针对这些问题,在对发动机数据分析的基础上,将滑动时间窗方法与PCA方法结合,提出双滑动时间窗的PCA方法用于故障传感器的隔离,并基于发动机试车数据进行了方法验证。结果表明：该方法能降低发动机性能蜕变和台次差异对发动机传感器故障诊断的影响,没有参数相关性的限制,可以实现对四种常见传感器故障的有效隔离,以及对两种发动机试验过程中故障的准确检测。研究证明了高速运转系统性能蜕变和强耦合复杂大系统台次差异对基于数据的故障诊断方法效果的影响,验证了在线学习/训练算法对这两种现象的鲁棒性。     

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CWT-CNN的齿轮箱运行故障状态识别

针对传统故障诊断中提取的特征不具有自适应能力、很难匹配特定故障的问题,提出了一种基于连续小波变换（CWT）和二维卷积神经网络（CNN）的齿轮箱故障诊断方法。该方法对齿轮箱故障振动信号采用连续小波变换构造其时频图,以其为输入构建卷积神经网络模型,通过多层卷积池化形成深层分布式故障特征表达。利用反向传播算法调整网络各层的结构参数,使模型建立从信号特征到故障状态之间的准确映射。在不同工况和不同故障状态下的实验中,故障识别准确率达到了99.2%,验证了方法有效性。采用这种自适应学习信号中丰富的信息的方法,可以为故障诊断智能化提供基础。      

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。      

航天器密封舱加筋壁板碎片撞击监测技术研究

航天器密封结构在轨长期运行期间会受到空间碎片撞击,使密封结构出现不同程度的损伤。如果这些损伤不能被及时检测出来并采取相应措施,可能会带来灾难性的后果。对碎片撞击进行监测可以为航天员采用正确修复方案提供依据。本文利用基于超声导波的结构健康监测技术感知空间碎片对航天器密封结构的撞击。首先,在 Abaqus 有限元仿真软件中,用不同速度的钢球冲击模拟真实的冲击形式。具体分析了超声导波在该壁板结构中的传播特性。用小波变换的方法进行信号处理,据此提取了合适的冲击监测所需的信号频率。其次,设计了一种基于信号互相关分析的冲击成像算法确定撞击位置。比较了不同压电传感器网络定位准确度以及监测效率,选择了一种可靠的组网形式进行监测。最后针对航天器壁板,在实验室环境中验证了该算法的有效性。实验结果表明,该监测系统具有良好的准确性与可靠性。     

基于改进SVM的模拟电路故障诊断

针对模拟电路的故障诊断和定位问题，提出了一种改进支持向量机（suppon Vector Machine，SVM）故障诊断方法。通过在标准SVM中加入了对数据流形局部分布的约束，设计了一种依赖于数据分布的新型SVM。相对于标准SVM方法而言，新方法有效融合了数据分布的先验信息，提高了模型的诊断精度。将其用于模拟电路的故障诊断，验证了所提方法的有效性。     

改进的量测一致性的联邦滤波器两级故障检测

当联邦滤波器故障为缓变故障或者故障幅值比较小时,传统的基于量测一致性的联邦滤波器故障检测算法由于相应的估计误差和方差同时增大,这使得算法需一定的时间后才能使这种增量大到使故障函数计算结果超出门限,因而会出现警告延迟甚至漏检现象.针对量测一致性算法的缺点,提出了改进的基于量测一致性的联邦滤波器两级故障检测算法.相比传统的基于量测一致性的故障检测算法,该方法增加了故障检测的冗余性,不仅可以区分硬故障和软故障,而且提高了故障检测的可靠性和灵敏度,使得联邦滤波器的故障检测方法更加成熟完善,这对提高整个系统的可靠性具有重要意义.仿真和实验结果表明,该方法准确度高,计算量小,便于工程实现.