WZ8F发动机涡轮叶片碰磨故障诊断与分析

针对W Z8F发动机涡轮叶片碰磨故障,从第1级导向器的结构与生产工艺着手,开展了全过程的质量检查与复查和试验验证等,找到了故障原因。     

基于CBR的机载雷达故障诊断专家系统研究

以故障诊断的理论和方法为基础，综合运用神经网络、基于案例推理(CBR)和专家系统理论，对雷达装备的故障诊断问题进行研究，形成一个集成的智能诊断专家系统。介绍了系统的总体结构和工作原理，并给出具体的诊断实例，此方法充分利用神经网络和CBR的优点，将提高雷达装备故障诊断的正确性和效率。     

声发射技术在复合材料损伤模式识别中的应用

应用模态分析技术,分析复合材料拉伸破坏试验中的声发射信号,提取复合材料不同破坏阶段下的声发射源信号的特征,进行了有关复合材料损伤模式识别的工作。     

航空燃气涡轮发动机气路故障诊断现状与展望

燃气涡轮发动机在航空、地面和舰船上有着广泛的应用,对其进行性能评估和故障诊断有着重大的现实意义。本文对发动机气路诊断的发展以及当前的主要气路诊断方法如故障方程法,基于非线性模型的诊断方法,基于人工智能等方法进行了综述,最后对航空发动机气路诊断的发展进行了展望。      

含噪振动信号中早期碰摩的故障检测研究

 研究了在有噪环境下发动机转子系统早期碰摩故障的检测问题。利用最优参数搜索法改进了独立分量分析( ICA) 算法, 用于求解转子系统振动信号与噪声的盲分离问题。在此基础上, 对分离后的振动信号利用小波包分解进行早期碰摩信号的检测。结果显示最优搜索的ICA 算法运行效率高, 信号分离纯度好, 对振动信号有高效的降噪作用, 并利用小波包分解准确地检测出振动信号中的碰摩信息, 其效果优于小波分解法。信噪分离与小波包分解相结合有望用于工程实践中的早期碰摩故障检测和诊断。     

基于模糊奇偶方程的非线性系统传感器故障诊断

 给出了一种非线性系统传感器的故障诊断方法。该方法将T-S 模糊模型、全解耦奇偶方程和参数估计相结合,同时对非线性系统的多个传感器的故障进行检测、隔离与识别。设计出用于产生残差的线性系统全解耦奇偶方程,并给出了全解耦奇偶向量的存在条件,全解耦奇偶方程产生的残差仅对一个传感器故障敏感,而对系统状态、扰动输入和其它传感器输出解耦。引入T-S 模型将全解耦奇偶方程推广到非线性系统中得到了模糊奇偶方程。传感器的故障模型表示为刻度因子和偏差的形式,根据残差信息应用卡尔曼估计方法可识别出故障模型的参数。最后给出了某型号飞机控制系统传感器的故障诊断仿真实例。     

故障诊断策略的优化方法

 以相关性模型为基础,综合可靠性和测试费用等因素提出了一种系统级优选测试点方法和故障诊断策略。首先根据系统的相关性矩阵,将测试性度量、故障概率和测试费用统一考虑,推导出测试点的故障诊断信息量计算公式;然后根据信息量的大小依次选择测试点,并确定出优化的故障诊断策略。所得到的故障诊断策略确保了在较低的测试费用下,使用尽可能少的测试步骤快速完成系统的故障检测和隔离。     

涡轮泵振动参数与统计特征量的线性相关性分析

为了剔除冗余的振动参数和统计特征量，提高涡轮泵故障检测的实时能力，建立了线性相关性假设检验模型。利用该假设检验模型和某型液体火箭发动机的历史试车数据，检验了7路涡轮泵振动参数以及13种常用统计特征量的线性相关性，并分析了统计特征量对涡轮泵故障的敏感性和稳定性，以及涡轮泵振动数据的正态性。数据统计分析表明，大部分涡轮泵振动参数以及统计特征量显著线性相关，幅值统计特征量的故障敏感性弱，但稳定性强，而无量纲统计特征量的情况恰好相反，并且正常涡轮泵振动数据服从正态分布，而异常涡轮泵振动数据不再服从正态分布。据此，为涡轮泵故障检测选择了线性相关性弱，故障特征反映能力强的3路振动参数和3种统计特征量。     

并行鲁棒观测器对发动机减小转速信号的故障分离

通过对减小转速故障信号产生机理的研究 ,提出了一种基于多重模型假设下的并行鲁棒观测器残差输出的故障分离方法 ,建立了实际系统的正常工作状态和 4种故障工作模式 ,将该方法应用于某型航空涡扇发动机导致减小转速信号产生的传感器的故障检测与分离。数字仿真和误差分析结果显示 ,文中提出的方法可靠性高 ,故障定位准确 ,对发动机减小转速信号的故障分离行之有效。      

基于粗糙集理论的航空发动机故障诊断

在利用神经网络诊断航空发动机故障的过程中,引入粗糙集理论和方法,对故障诊断特征参数属性进行属性约简,剔除其中不必要的属性,从而揭示了故障诊断条件属性内在的冗余性,降低了神经网络构成的复杂性,最后给出了属性约简的结果。