模糊数学在火箭发动机故障诊断专家系统中的应用初探

在简要介绍了模糊数学及其应用的基础上，重点论述了应用模糊数学为故障诊断专家系统建立诊断矩阵、确立故障征兆与故障成因间的隶属关系、模式识别等的过程和方法。最后介绍了据此原理而建立的火箭发动机的故障诊断专家系统。     

制导站可靠性验证试验中的故障统计

故障统计是制导站可靠性验证试验中最重要的环节之一。制导站是一个可修复的大型系统，其中电子元件数以十万计，技术难度高，造价亦高。通过对预防性维修、短寿命元器件超期使用、可靠性增长的纠正措施、责任故障和非责任故障、故障定级和加权系数等问题的分析，提出了制导站可靠性验证试验中故障统计的实用程序及流程框图。     

镉镍蓄电池控制盒的故障树分析

对某型号镉镍蓄电池控制盒进行了故障树的定性和定量分析，得到了故障树的结构函数和控制盒失效概率的计算模型。分析结果对该产品的设计及实际使用中的故障判别与处理，对类似产品的设计与故障分析具有一定的参考价值。     

基于特征提取的容错控制及其应用

在黄金分割鲁棒自适应控制器的基础上，设计了一种自适应被动容错控制器，能在线辨识对象特征模型，在线提取系统动态性能特征和故障特征，对控制系统执行机构和测量部件的某些软故障具有被动容错能力。与传统PID控制的对比仿真充分说明了这种控制方案的优越性。     

大电流矩形镉镍蓄电池组的FMEA分析

对大电流矩形镉镍电池进行了详细的失效模式与影响分析（ＦＭＥＡ），提出了相应的预防措施，对一南类电池的可靠性和维修性设计具有一定的帮助。     

基于神经网络模型的学习诊断

基于故障树模型的诊断把故障树的底事件分成三部分：必然的故障源集（ＣＦＳ）、正常底事件集（ＮＥＳ）和可能的故障源集（ＰＦＳ），及如何进一步确定ＰＦＳ中各元素的状态（正常或异常）。在存在大量训练样本的情况下，可采用基于神经网络模型的学习诊断方法来确定ＰＦＳ中各元素的状态，并通过对某卫星能源系统故障模拟原理性试验台的故障诊断验证了该方法的有效性。     

航天电连接器及其组件失效分析

介绍了航天电连接器及其组件失效分析中初步分析、详细分析、故障假设和最终鉴定四个阶段的内容及方法。阐述了断路、接触不良、瞬断、绝缘不良、短路、误配线、固定不良和密封不良等常见失效模式和失效机理。给出了失效分析的程序和若干检验方法。     

飞控系统故障检测的参数模糊自适应调节

提出通过模型参数的模糊比例积分自适应调节，以校正基于模型的飞控系统故障检测中的系统数学模型偏差。针对模型中误差差较大的迎角导数值，将俯仰角加速度的测量值与教学模型估计值之差作为比例积分调节的反馈量，动态实时校正数学模型参数。     

基于故障树的直升机维修差错分析方法的研究

根据维修差错一人的失误机理、差错的墨菲定律，以及事故链模型和JamesReason模型，提出了基于故障树的主动预先的维修差错分析方法，试图在直升机设计之中和直升机交付使用前，通过这种基于故障树的维修差错分析方法，找出设计中、使用维修及使用管理中出现的问题或维修差错，提出改进措施，防止在使用维修中出现维修差错。通过这种主动事前的预防维修差错分析方法，可以消除或减少维修差错，提高直升机的安全性。     

Aircraft air conditioning system health state estimation and prediction for predictive maintenance

The vast potential of system health monitoring and condition based maintenance on modern commercial aircraft is being realized through the innovative use of Airplane Condition Monitoring System (ACMS) data. However there are few methods addressing the issues of failure prognostics and predictive maintenance for commercial aircraft Air Conditioning System (ACS). This study developed a Bayesian failure prognostics approach using ACMS data for predictive maintenance of ACS. First, a health index characterizing the ACS health state is inferred from a multiple sensor signals using a data driven method. Then a dynamic linear model is proposed to describe the degradation process for failure prognostics. Bayesian inference formulas are carried out for degradation estimation and prediction. The developed approach is applied on a passenger aircraft fleet with ACMS data recorded for one year. The analysis of the case study shows that the developed method can produce satisfactory prognostics results, where all the ACS failure precursors are identified in advance, and the relative errors for the failure time prediction made when just entering the degradation warning stage are less than 8%. This would allow operators to proactively plan future maintenance.