大飞机机载设备的故障诊断方法

近年来,故障诊断方法在国内外发展很快,并取得了许多理论研究和应用成果。为了能够系统地描述现有的故障诊断方法,本文介绍了机载设备的故障诊断流程;将现有的故障诊断方法分为3类,分别为基于定量模型的故障诊断方法、基于定性模型的故障诊断方法和基于过程历史数据的故障诊断方法;并针对在工程实践和科学研究中遇到的尚待解决的问题,提出了新的研究方向。     

基于多方法联合的故障诊断技术研究

针对基于故障树（ FTA）的故障诊断方法存在的空间爆炸问题和基于神经网络的故障诊断方法存在的训练样本整理困难问题,将故障树和BAM神经网络融合的方法应用于航电系统故障诊断,利用FTA得到系统的故障模式,进而分析归纳出BAM的训练样本,通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力。对航电系统进行故障诊断仿真分析,验证了方法的有效性。并联合基于BP神经网络故障诊断方法,将二者优点结合进行联合故障诊断,验证了联合故障诊断方法的可行性。     

测试设备故障诊断专家系统的设计与实现

通过分析测试设备故障诊断专家系统的目的和任务,将模糊神经网络理论与专家系统结合后用于测试设备故障诊断,建立了故障诊断专家系统的模型。探讨了故障诊断专家系统中知识库的构建及维护、不精确推理等问题。用面向对象分析方法分析测试设备故障诊断专家系统,并用软件加以实现。     

Elman网络在某型自动驾驶仪飞控盒多故障诊断中的仿真研究

目前采用传统故障诊断方法对复杂系统进行故障诊断时,还存在许多缺点,尤其在多故障同时发生的情况下,传统故障诊断方法难以准确定位故障点。为此,基于Elman神经网络,结合故障字典法,设计了一种基于Elman网络的综合故障诊断方法。为验证该方法的准确性,以某型飞机自动驾驶仪飞控盒的几种主要故障为诊断源,仿真研究了所设计的综合故障诊断方法。仿真结果表明,与传统故障诊断方法相比,所设计的基于Elman网络的综合故障诊断方法在进行多故障诊断中对故障的准确定位是有效的和快速的。     

模拟电路故障诊断技术研究

介绍了模拟电路故障诊断的现状及特点,对基于网络撕裂法的故障诊断方法进行了研究,探讨了基于BP神经网络的故障诊断方法及其在模拟电路上的应用,并指出了故障诊断技术的发展趋势。     

航空发动机气路故障诊断研究现状

航空涡轮发动机诊断学伴随着航空涡轮发动机的产生而产生.20世纪60年代后期,Urban将气路分析引入发动机故障诊断,从而使航空发动机故障诊断学产生了很大的发展.此后,人们发展了各种各样的诊断方法并运用于航空航天和工业应用领域.本研究对当前发动机的主要气路故障诊断方法,如基于线性模型的故障诊断、基于非线性模型的故障诊断、基于人工神经网络的故障诊断等方法进行了综述.     

智能故障诊断方法的研究和展望

在综合大量智能故障诊断技术和方法文献的基础上,对目前国内、外智能故障诊断技术的发展和应用进行了总结,并指出了不同的智能故障诊断方法的特点,最后对智能故障诊断技术的发展方向进行了展望。     

航空发动机故障诊断技术研究

介绍了COMPASS软件和基于粗糙神经网络模型的新型故障诊断技术。对某航空公司运营中的ERJ145飞机双发AE3007发动机进行的故障诊断和研究表明,粗糙神经网络模型在故障诊断中的适用性和可信性很强,能够为航空发动机故障诊断提供有效参考。     

飞机转速摆动故障模糊诊断模型的建立及其仿真研究

鉴于传统故障诊断技术在飞机发动机故障诊断中不能较好吸收人类经验的缺点,文章运用模糊推理技术,模拟专家的故障诊断推理过程,建立了某型军用飞机发动机转速摆动故障的模糊故障诊断模型,并运用模糊神经网络对该模型进行了改进。仿真结果表明,所建立的模型可以很好地吸收维护人员的故障诊断经验,对故障原因可做出准确判断,训练完成的模糊神经网络模型可实现模糊模型的故障诊断功能,解决其不能自学习的问题。     

发动机数控系统诊断技术的发展

综述发动机数控系统传感器的故障诊断尤其是软故障诊断技术的发展。首先介绍了传感器故障检测与分离技术的初期研究工作,论述了鲁棒故障诊断的必要性及发展。最后介绍了基于人工神经网络的故障诊断方法。      

基于自组织拓扑映射图的发动机故障诊断研究

根据SOM自组织网络的高维数据矢量量化、快速聚类、信息融合和拓扑映射等特征,建立了发动机故障诊断可视拓扑映射图模型,给出了映射模式误差测度和拓扑误差测度,并通过拓扑映射图对发动机故障进行诊断,获得了很好的效果。同时,进一步通过建立的故障模式的测量参数灰度图,可以清晰地观察到故障模式矢量特征、测量参数相关性特征、参数变化趋势,并可进行更深层次故障机理分析。     

船载设备测量数据处理结果的综合分析方法

数据处理技术包括数据诊断与误差分析技术、数学建模与处理技术以及数值微分与弹（轨）道计算技术等,而测量误差分析与处理技术是数据处理技术的核心。如何分析和处理误差贯穿于数据处理的全过程,直接影响弹／轨道计算的精度。对误差的分析和处理是测量船数据处理工作中的重要内容。本文根据测量船数据处理实际情况介绍了测量船数据分析方法,并结合任务实例介绍了测量船误差分析和处理的详细过程。     

航空发动机故障诊断主因子选取相似系数法

针对目前航空发动机气路故障诊断主因子模型中计算量大、故障方程多重共线性的问题,提出了主因子选取的相似系数法。通过计算故障模式和测量参数偏差之间的相似系数来选取故障方程的主因子,避免了对全部可能的主因子组合的计算。讨论了利用方法求解时的方程共线性问题,并对比了直接利用主因子模型求解的计算结果,结果表明,提高了故障诊断结果的可判断性,使故障诊断更加迅速可靠。     

基于基因算法的加工质量故障诊断研究与实现

以基于节约覆盖集理论的概率因果诊断模型为理论基础,以基因算法为该模型的求解策略,两者结合起来解决质量管理界的难点问题之一--机械加工过程质量故障诊断问题,其中又以构造一个合理有效的基因算法个体适合度评价函数为重点,同时引入了故障树分析方法,来提高诊断模型的准确性和可解释性。应用研究表明,该方法将有效地解决加工质量的诊断与改进问题。     

基于滤波器方法的非线性系统故障诊断准确率的机理分析

提高诊断准确率是非线性系统故障诊断的重要目标之一。从非线性滤波的角度,系统地分析了线性化误差和模型误差对诊断准确率的影响。首先揭示了线性化误差及模型误差两因素对非线性滤波性能的影响机理,接着通过计算非线性系统故障的后验条件熵,以及错误率的Bhattacharyya上界,从机理上证实提高非线性滤波精度对于提高故障诊断准确率的意义。     

进行非线性系统部件故障诊断的一种方法

为了辨识诊断非线性系统的部件故障,提出了Volterra核拟合线辨识模型。将各阶的Volterra核按照一定算法拟合为各阶曲线,基于多个阶跃响应对拟合线进行辨识并进行各阶分离,然后根据故障对各阶拟合线的影响特征进行故障辨识。将它仿真应用于一种液压放大器的故障诊断,结果较准确,计算量较少。适用于对非线性系统的部件偏差及故障的诊断。     

多状态气路分析法诊断发动机故障的分析

对多状态气路分析法诊断发动机故障的可行性进行了分析。估值平均误差J是判断诊断精度的有效判据。通过数值试验给出了J值的建议值。就状态数的选择和监视参数的选择对诊断效果的影响进行了分析。通过分析指出适当增加和正确选择监视参数可减少状态数, 增加诊断精度。增加高压压气机后压力和高低压涡轮间的压力两个测量参数是实用的改善诊断精度的方法。      

机载火控系统故障诊断技术研究

火控系统是高科技的复杂系统,故障诊断的难度较大。本文针对故障诊断领域的特点,介绍了一个用于火控系统故障诊断的专家系统。它利用测试装置和诊断测试软件,对火控系统的故障进行准确快速的自动定位,为技术人员进行航空火控系统的性能及故障检测提供了便利。     

燃气涡轮发动机故障诊断的人工神经网络法

介绍了人工神经网络专家系统在航空涡轮风扇发动机故障诊断上的应用。通过一个高涵道比涡扇发动机故障诊断的实例分析, 验证了三层逆传播网络的可行性。非常令人鼓舞的诊断结果证明:神经网络的模糊联想特点、分布存储和并行处理能力以及对随机误差的抑制作用, 使其成为一个有效的和快速的方法。它有很好的应用前景, 并可广泛用于航空发动机的故障诊断。      

基于GSP仿真和SDAE的航空发动机故障诊断

为了深入研究航空发动机故障机理,提出基于航空燃气涡轮发动机性能仿真软件(GSP)和堆栈降噪自编码器(SDAE)的航空发动机故障诊断方法。通过GSP性能仿真方法模拟发动机在不同设计参数下的部件故障,并得到对应的运行状态参数;从每种故障类型下的长时间序列的状态参数中提取出向量化的曲线特征,构成故障样本;将故障样本带入SDAE模型中进行深度特征提取,经过前向传播和反向微调得到训练好的模型用于发动机故障诊断。结果表明:GSP能够通过参数更改来模拟微弱故障下的状态参数,从而构建多故障样本集;SDAE的重构误差和反向传播误差能够快速收敛到较小值,SDAE的故障诊断正确率为99.5%;与深度信念网络(DBN)、人工神经网络(ANN)以及经典机器学习方法支持向量机(SVM)相比,SDAE的故障分类正确率分别提高了0.8%、6.9%和10.1%。