一种自旋稳定卫星姿态传感器数据异常的诊断方法

针对自旋稳定卫星遥测数据异常时,故障类型和故障源难于辨识的问题,提出一种数据驱动的故障诊断新思路.该方法提出将卫星姿态与传感器之间固有冗余关系是否保持作为判断故障类型的依据,并利用主成分分析把这种关系通过测量空间的特征值进行量化,监测特征值之间相应比例的变化实施判定;借助正交子空间的结构分析,选择SPE统计量进行故障检测和故障源的定位.在遥测数据的基础上模拟风云某型气象卫星的不同故障模式,并应用本文方法进行分析,结果表明,该方法克服了传统贡献图方法无法判别故障类型的缺点,可以实现对故障的正确诊断.     

载人航天器推进系统健康监测的组件技术研究

为了适应载人航天器推进系统多发动机的分布式结构,提高健康监测系统的可靠性,应用组件技术构造了分布式多智能组件集成的健康监测系统,给出了组件之间的协调修正和决策算法。原型系统仿真结果表明,该技术比传统的面向对象（ＯＯＰ）技术更适用于分布式系统,可应用于载人航天器推进系统的健康监测。     

发动机转子系统早期故障特征提取方法

对飞机发动机转子系统早期故障特点进行分析的基础上,提出了利用虚拟仪器和Matlab小波工具箱分析软件对其早期故障进行检测和特征提取的方法.文中对早期故障特征量的选取、有用信号与噪声信号的分离方法、突变信号与奇异信号的特征提取等进行了分析和研究,并以转子早期碰摩和早期不平衡为例进行了实验研究.结果表明,Labview和Matlab小波分析软件相结合,能够快速有效地提取发动机转子系统的早期故障特征,为发动机转子系统早期故障的快速识别提供了一种新途径.     

基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。     

基于扩展故障树的运载火箭故障诊断专家系统

针对运载火箭故障诊断专家系统中知识获取的瓶颈问题,通过将扩展故障树分析法 和 基于规则的诊断专家系统有机结合,建立基于扩展故障树的运载火箭故障知识获取及表示方 法,实现了从扩展故障树到诊断知识的自动转换和诊断知识的规范化表示,解决了基于规则 的诊断专家系统的知识获取难题。在此基础上,结合扩展故障树给出了运载火箭故障诊断专 家系统快速推理策略。该策略基于诊断优先系数,实现了对发生概率大、结构重要度高、危 害严重的故障的优先诊断,并通过浅层推理与深层推理相结合,保证了推理过程的精确性和 严密性。     

液体火箭发动机基于时序分析的实时在线故障检测算法

针对液体火箭发动机主级稳态工作过程，采用时间序列分析理论，提出并实现了一种基于ＡＲＭＡ模型计算残差自相关函数置信区间检验的故障检测策略。经大量发动机实际热试车数据验证表明，本文所实现的故障检测算法是十分有效的。这一结果可望直接应用于工程。     

边缘检测技术在火箭发动机实验诊断中的应用

对高速运动分析仪拍摄的Ｕ型燃气发生器固体装药燃烧和双组元液体喷嘴雾化图像进行了边缘检测图像分析,根据被分析实物边缘层次性较强的特点,在简单边缘检测的基础上采用自动门限、二次门限和最佳滤波的方法,获得了固体燃气发生器在燃烧过程中的内部结构、推进剂瞬态燃速、绝热隔板烧蚀率等参数,获得了双组元液体喷嘴的雾化角、粒子分布等特性。     

基于WCFSE-FSVM的转子振动故障诊断方法

为了提高含有噪声和野值的转子振动故障样本诊断精度,提出了基于WCFSE-FSVM的故障诊断方法。充分融合小波相关特征尺度熵(WCFSE)特征提取方法和FSVM故障诊断方法的优点,建立WCFSE-FSVM故障诊断模型。基于转子实验台模拟4种典型故障,获得原始故障数据;并利用WCFSE方法提取这些故障数据的WCFSE值,选取故障信号高频段中的尺度1和尺度2上的小波相关特征尺度熵W1和W2构造出振动信号的故障向量作为故障样本,建立FSVM诊断模型。实例分析显示:WCFSE-FSVM方法的转子故障诊断精度最高,即故障类别诊断精度为94.49%,故障严重程度的诊断精度为95.58%,二者都优于其它故障诊断方法。验证了WCFSE-FSVM方法的可行性和有效性。      

基于主元核相似度免疫机制的故障诊断方法及应用

1引言目前,国内外已发展了多种应用于航空发动机的智能故障诊断方法,如专家系统方法、神经网络方法,以及新近提出的基于支持向量机的诊断方法。但这些方法需要有足够的已知故障模式的训练样本才能发挥出优异的性能,而且算法实时性较差,难以满足快速在线诊断的要求[1]。传统的基     

液体火箭发动机故障数据库的设计与实现

讨论了液体火箭发动机故障数据库的设计思路及实现途径,以国内２１种液体火箭发动机试车及发射数据为基准,建立了初步的故障数据库,重点介绍了故障数据库的功能设计,结构设计和开发环境等内容。