基于组件的模糊推理在卫星故障诊断中的应用

利用COM组件技术实现故障诊断组件化 ,用模糊推理技术与故障诊断技术相结合的方法 ,给出卫星故障诊断组件化平台 ,并开发了模糊推理组件。最后针对某型号卫星的电源系统 ,将模糊推理组件应用在电源损耗器故障诊断专家系统中     

基于频谱法的航空起动发电机故障检测与诊断

对航空直流起动发电机的电枢电流波形进行频谱分析可有效地对电机的故障进行检测和诊断.由于电机在运行时其转速是变化的,而电枢电流的纹波信号与电机转速成正比,若对电流进行定时采样,则其频谱会散布在很宽的频率范围内,使频谱特征模糊化,难于利用频谱特征进行故障检测和诊断.采用与转速同步的电流采样方法,得到的频谱称为"阶比谱",在阶比谱上,频谱成分是单一的,因此容易用它来进行故障检测和诊断.文中对起动发电机进行了实验,对线圈短路、绕组元件与换向片开焊、相邻导体短路和转子偏心等四种故障成功地进行了检测和诊断.      

用机体振动诊断直升机旋翼复合不平衡故障研究

 在用机体振动诊断旋翼单一不平衡故障研究基础上,提出了仅借助机体振动信号诊断旋翼复合不平衡故障的新方法。证明了从旋翼复合不平衡故障空间到多点机体振动空间存在一对一映射关系。利用3个BP神经网络诊断故障类别和程度,利用机体振动一阶谐波分量的初相角确定失衡桨叶方位。模型旋翼实验结果表明,该方法可行、有效。     

某型飞机火控系统故障诊断测试仪的设计

针对某型战机火控系统在维护保障上存在检测仪器功能单一、通用性差、检测效率低、可靠性不高等问题,研制了基于故障树分析法与专家系统相结合的某型飞机火控系统故障诊断测试仪.文中以火控系统不工作为顶事件,建立了故障树,并对故障树作了定性分析.该测试仪有效克服了机载火控系统故障诊断中传统的数据采集、分析、处理及决策控制方法的不足,结果表明,故障树分析法是机载火控系统故障诊断的一种有效方法.     

基于半马尔可夫过程的容错导航系统可靠性分析

在容错导航系统中,当采用序贯的方法进行故障检测或者对系统的某些参数采用滤波以后,系统已不再满足马尔可夫过程的基本假设条件。但可以利用半马尔可夫过程理论分析系统的可靠性。利用平移的二阶Erlang分布拟合的方法同以往方法相比能够更加准确地拟合系统的故障检测时间概率密度函数,提高容错导航系统可靠性分析的准确性。     

基于模糊神经网络的飞船GNC分系统故障诊断

研究了基于模糊神经网络的飞船GNC分系统的故障诊断方法,提出了重构新的激励函数并附加动量因子的改进BP算法,采用了由输入层、输出层、隐含层和量化层组成的一种4层前向模糊神经网络,通过Ⅱ型隶属度函数完成输入模糊化。建立了基于模糊神经网络的GNC分系统故障诊断系统,实验验证了改进BP算法以及该诊断系统的正确性和有效性。     

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。     

发动机故障诊断的主因子模型

提出了发动机故障论断的主因子模型。这是一种基于故障方程的参数诊断方法。主因子模型能够利用较少的测量参数对较多的故障类型进行论断,可以有效地克服故障方程病态的影响,保证诊断结果具有高的精度和信度,并提供诊断结果可靠性的评价信息。文中给出了主因子模型的基本理论、主因子模型的最优实用算法及其算例以及对于JT9D发动机的24个故障样本的验算结果。理论和实际考核表明主因子模型是一种有效的故障诊断方法。     

模糊超体神经网络及其在火箭发动机故障分离中的应用

提出了一种用模糊集表示火箭发动机故障模式的神经网络二次分离器,模糊集是由模糊超体聚集形成的集合体,模糊超体在一次分离中表现为由半径和球心确定的n维超球,在二次分离中是一个由夹角、球心和方向矢量确定的部分超球。神经网络二次分离学习算法与一次学习算法相比,提高了训练样本的分离精度,增强了神经网络对故障的敏感性。      

人工智能在航天器制导与控制中的应用综述

航天器制导与控制技术是保障空间任务顺利实施的关键技术之一。当前,动力学模型的强非线性以及参数不确定性制约了高精度姿轨控技术的发展,而系统故障则决定航天器姿轨控的成败。以机器学习为代表的新一代人工智能技术航天器制导控制领域展现了巨大的应用潜力。首先对基于人工智能技术的轨迹制导和姿态控制中的研究发展及应用现状进行归纳,分析航天器轨迹规划、姿态控制、故障诊断以及容错控制技术的发展趋势。然后,从鲁棒轨迹规划、自适应姿态控制、快速故障诊断和自适应容错控制等4个方面总结适用于未来航天任务的航天器姿轨控关键技术。最后,针对智能姿轨控技术的应用所面临的挑战,从姿轨控架构、算法最优性、算法的训练以及技术验证等方面提出相应的发展建议。