基于GSPN的飞机前轮转弯系统安全性评估

为解决在缺乏统计数据时无法对系统安全性进行评估的问题,提出将系统广义随机Petri网(GSPN,Generalized Stochastic Petri Nets)与经典评估相结合的方法.以某型尚处于设计阶段的飞机前轮转弯系统为研究对象,通过分析该系统结构功能图,建立出系统故障类型和影响分析(FMEA,Failure Modes and Effects Analysis)表;依照经典公式,求出系统各单元及其故障类型的故障率、维修度、平均无故障时间和平均维修时间等数据;将求得的数据与前轮转弯系统的GSPN模型相结合,利用TimeNET软件求得系统各故障类型的稳态失效概率;联立经验公式及危险度矩阵图对系统的安全性进行评估.经测评,该型飞机前轮转弯系统安全性符合设计要求.      

全球导航卫星系统多星故障排除新方法

在全球导航卫星系统中,多颗卫星同时发生故障的概率会随着观测卫星数的增加而增加,从而,在接收机自主完好性监测中需考虑多星故障的处理.针对故障检测比故障排除简单、且故障检测率比故障排除率高的特征,以故障检测为基础,提出了一种新的多星故障排除方法——随机搜索法.该方法采用二进制对观测卫星进行编码,通过随机初始化方式获得初始无故障星座,再通过逐步搜索未选卫星方式来得到最终的含有最多无故障卫星的星座,实现故障排除功能.仿真结果表明:大部分情形下,新方法能获得99%以上的故障排除率,既能进行单星故障排除,也能进行多星故障排除,能有效满足全球导航卫星系统关于自主完好性的要求.      

机载连续波行波管维修调试技术研究

通过对多型航空电子对抗装备中发射机的维修研究,对机载连续波大功率行波管的主要工作原理、故障模式、维修策略以及维修中的注意事项进行了简要介绍,并提出了行波管在装备后的使用维护和调试方面的一些经验和建议。     

液体火箭发动机传感器故障检测与数据恢复算法研究

以某型液体火箭发动机为研究对象,根据其传感器的故障特性,提出了基于BP神经网络的传感器故障检测与数据恢复算法。通过定义的传感器置信度来判断传感器是否发生故障,以及确定故障传感器,利用已训练好的神经网络结构对故障传感器进行数据恢复。研究内容能够实现传感器的故障检测、定位与补偿,能够有效提高发动机故障检测方法的可靠性和鲁棒性。     

航线维修中的NFF件处理对策

对未发现故障(NFF)件产生的原因进行了分析,结合航线维修工作特点,编制了NFF件处理逻辑图,提供了系统的NFF件解决方案;在对NFF件的可靠性管理过程中引入闭环控制方法,从航线维修和部件修理两个方面入手,给出了减少NFF件的方法,对消除由NFF件造成的飞机运行不良影响、降低维修费用、提高部件修理质量有积极作用.     

当发动机故障时

维修企业和租赁公司谈在接到客户AOG电话时的反应。从维修角度看,飞机因为发动机故障而紧急停场(AOG)是最糟的情况。一架飞机停飞可能会导致航空公司每天损失几万美元。虽然MRO和租赁公司都会快速响应提供帮助,但航空公司与这些公司的现有关系的紧密程度,决定了可以获得帮助的速度。     

基于复合疲劳试验的涡轮叶片振动应力反推法

提出了一种利用复合疲劳试验和外场故障数据反推涡轮叶片实际振动应力的方法.该方法针对与故障叶片同批次的叶片,开展数个振动应力水平下的单件试验和某一特定振动应力水平下的成组试验,利用极大似然法推导出叶片的概率-应力-寿命曲线(P-S-N);最后基于99.87%存活率下的概率-应力-寿命曲(P_99.87%-S-N),结合叶片的外场故障统计结果,反推出叶片实际工作中振动应力的范围和可能的最大振动应力.      

基于数值微分方法的卫星陀螺故障诊断(英文)

提出一种基于数值微分的卫星陀螺故障诊断方法。通过引入代数可观测的概念,将故障诊断问题转化为求解数值微分问题。并根据卫星姿态运动学方程证明了陀螺故障的代数可观性。然后通过高增益观测器的方法来近似姿态敏感器测量输出的数值导数,并利用李雅普诺夫理论分析和设计高增益观测器。基于陀螺故障的代数可观性和星敏感器测量输出的数值微分,可以直接得到陀螺组件的故障估计值。最后,通过突变、缓变和并发故障等仿真算例验证了算法的有效性,仿真结果表明所提出的方法不仅可以检测故障的发生,而且能够估计故障幅值。     

飞轮传感器的高斯混合模型故障检测方法

针对闭环控制的飞轮系统,本文采用一种基于高斯混合模型(GMM）的故障诊断方法检测飞轮的传感器故障。姿态机动的反作用飞轮是一个多工况系统。通过飞轮的历史观测数据建立飞轮的GMM模型,它用有限个高斯函数的加权组合来有效地拟合多工况的观测数据,利用基于贝叶斯推理的后验概率（BIP）指标计算新样本偏离GMM模型的程度,该指标能避免由于数据分类不确定而引起的误检测问题。仿真结果表明BIP指标不需要复杂的数学建模就能准确检测飞轮传感器故障。     

基于自适应迭代学习的小行星绕飞容错控制

对于小行星绕飞任务的探测器姿态控制问题,已有方法大都考虑了干扰力矩和参数不确定等因素,而忽视了执行器故障情况。针对执行器故障条件下的小行星探测器姿态控制问题,提出了一种基于自适应迭代学习的容错控制方法。所设计的控制器包括两部分：其一针对执行器故障,设计了自适应迭代学习控制器,采用类滑模的思想和自适应迭代学习算法对控制器参数进行调整,进而补偿执行器故障带来的影响,保证系统在控制输出不足情况下的高精度姿态稳定性;其二针对探测器参量变化、外部环境干扰等不确定情况,设计了基于自适应神经网络的迭代学习控制器,采用径向基函数（RadialBasisFunction,RBF）神经网络对系统非线性部分进行逼近,同时对控制器参数进行自适应迭代学习调整,进而保证系统在不确定情况下的动态性能。数值仿真结果表明该控制器能够有效抑制外部环境干扰和内部参数变化带来的不利影响,在执行器部分失效甚至完全失效故障情况下,仍能保证系统的鲁棒性并实现误差在10^-2数量级内的较高姿态控制精度。