基于EMD熵特征融合的滚动轴承故障诊断方法

研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断.      

改进故障隔离的容错联邦滤波

为了解决重置模式下联邦滤波器中子系统故障对导航系统污染的问题,提出利用故障检测函数构建时变量测噪声的容错联邦滤波结构。通过将故障子滤波器等价为量测噪声趋于无穷大的正常系统,来取代传统的故障隔离方法;推导出了子滤波器对应的最优估计值,用以消除子滤波器估计次优性对故障检测的影响;采用动态信息分配系数,以减少故障信息对全局估计的影响。采用惯性/天文/景象/地形(INS/CNS/SMNS/TERCOM)的组合导航系统进行了仿真验证,结果表明该容错联邦滤波方法在子系统发生故障时的估计性能优于故障隔离方法。因此,所提方法具有提高故障子滤波器精度、保证无故障子滤波器鲁棒性以及全局估计精度的优势,具有较高的实用价值。     

基于环控物理仿真平台的余度模型设计

在环控物理仿真平台上,基于MATLAB和Vxworks环境,建立了飞机环控系统余度模型。详细论述了环控系统故障模型、机电管理计算机模型。此外,对模型的有效性、可靠性进行了验证。通过试验验证,表明模型结构正确、能够满足环控系统余度功能要求。     

航空发动机高能碎片非包容事件故障树分析

为了使航空发动机高能碎片非包容事件满足适航安全性要求,运用故障树法对航空发动机该事件进行安全性分析并提出了分析方法的步骤和流程。引入最小割集和概率重要的度的概念,利用Isograph Reliability软件画出故障树并计算出高能碎片不包容事件的发生概率、最小割集以及概率重要度,通过对比最小割集和概率重要度,确定导致发动机高能碎片不包容主要的失效形式,并提出了有针对性的措施。     

某型国产发动机压力传感器故障分析

从某型国产涡轴发动机压力传感器基本组成和工作原理出发,针对故障现象和特点,开展故障原因分析,得出了相应的结论,并提出了改进的合理建议,有利于提高发动机的可靠性。     

大功率高性能多余度宇航电传伺服技术发展综述

高性能电传伺服系统广泛应用于航空航天工业领域,其性能的改善可以提高设备的生产能力和产品质量。回顾了多余度伺服系统国内外发展历程与研究现状,针对未来航空航天飞行器对伺服系统在容错性、安全性、可靠性、空间体积、环境适应性、性能指标等方面提出的新要求,在分析传统多余度伺服技术的优缺点的基础上,重点阐述了新一代电冗余容错余度伺服技术的研究现状及关键技术,最后对宇航功率电传伺服共性关键技术进行了总结。     

滚珠丝杠舵机传动机构形式分析研究

针对滚珠丝杠舵机常用的曲柄滑块和拨叉两种传动机构形式,对舵机的减速比和间隙特性进行对比分析研究。拨叉舵机的减速比波动较小,在0°时为最小值,两边呈现对称状态,而曲柄滑块舵机的减速比为不对称状态。曲柄滑块舵机比拨叉舵机产生间隙的环节较多,但间隙易于控制,而拨叉舵机由于结构磨损产生的间隙增大现象较为明显。     

涡扇发动机气路传感器故障诊断

为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了1种基于在线贯序极端学习机的故障诊断算法。其核心思想是在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,解决多故障混叠问题。在线信号重构算法以泛化能力指标为判定条件,利用选择策略对算法网络权值进行选择性更新,提高了故障诊断系统的实时性。以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明:该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

基于局部均值分解和峭度图的滚动轴承包络分析方法

提出了基于局部均值分解(local mean decomposition,LMD)和峭度图(kurtogram)的滚动轴承包络分析方法.该方法中,原始滚动轴承故障振动信号通过LMD进行自适应的频率成分分离和初步降噪,包络分析中带通滤波器的参数通过峭度图客观地提供,从而提高滚动轴承包络分析的准确度.通过对滚动轴承仿真信号以及实验信号的分析,结果表明:在低信噪比情况下,LMD可以自适应分离出滚动轴承的固有振动成分,峭度图可以自动确定包络分析中带通滤波器的参数,与传统包络分析比较,所提方法能更加清晰准确地提取滚动轴承的故障特征.