基于SVM的小样本可靠性数据分布模式识别研究

小样本数据分布模式识别是航空新装备可靠性分析中亟需解决的一个难题。采用现代统计学原理及支持向量机多分类算法提取了数据分布特征参数,构建了小样本数据分布模式识别模型。测试结果表明,模型对小样本数据分布模式具有较强的识别能力。     

基于图像分形的故障特征提取方法

提出了一种图像分形的故障特征提取方法。介绍了分形维数的理论计算公式,分析了计盒维数的计算方法。对现场测试的柴油机爆燃阶段振动信号波形图像和切片Wigner高阶矩谱图像进行了分形维数计算。研究结果表明柴油机缸套活塞不同磨损状态的分形维数差异明显,能够表征不同状态的特征参数。     

空中交通服务电报智能处理系统

空中交通服务电报采用固定的信息编组方式组织报文.由于传输差错及人为因素引起了报文的非标准化,计算机自动处理困难.本文提出了基于模式识别、神经网络技术的报文处理算法,并进行了仿真实验,结果表明该算法具有较高的报文正确识别率,以及维护简单、扩充方便灵活的优点.      

嵌入式飞行参数传感系统的神经网络算法

对使用BP网络来代替嵌入式飞行数据传感(FADS)系统的空气动力学模型进行了研究。针对FADS系统的特点设计了一个具有双隐含层的BP网络模型并详细推导出了它的快速算法。文中不仅设计了数据集的产生方法,而且对数据集的划分进行了探讨。试验结果显示,动静压的平均绝对误差均在130Pa以内,可以满足FADS系统的设计要求。     

基于机内测试的故障注入系统设计

随着机内测试(Built-in Test, BIT)的深入研究和广泛应用,对其验证和评价提出了迫切要求,也使这一领域成为新的研究热点.通过故障注入的方式检测BIT性能是一种有效的验证其测试性水平的方法.在综合国内外相关研究的基础上,详细分析了BIT验证和评价的重要性、迫切性及其实用价值,着重阐述了关于BIT验证和评价的故障注入系统设计方案,并给出了系统实现的总体结构框图、工作流程图、系统中各子模块的关系图以及实验数据等.在硬/软件设计实现的基础上,进行了初步的BIT验证实验,模拟一定数量的故障注入到被测电路中,用以验证BIT测试的有效性.结果表明该故障注入系统能够满足验证BIT设计指标的要求,达到了预期的初步设计目的.      

基于局部方法的余度惯性组件故障诊断

介绍了局部方法(local approach)原理及其在随机系统故障诊断中的应用问题,讨论了用于故障诊断的样本数目对检测性能的影响,指出通过增加样本数目,可以大大增加局部方法检测小故障的能力,并说明样本数为1时,广义似然比(GLR,Generalized Likelihood Ratio)方法和局部方法的判决函数相同.为了验证所提出方法的有效性,将局部方法用于沿正十二面体对称侧面配置的冗余微机械惯性组件(IMU, Inertial Measurement Unit)故障检测,实验结果表明文中的理论分析是符合实际情况的.      

利用键合图模型进行空间推进系统故障诊断研究

介绍了键合图基本理论,并利用其理论对空间推进系统进行了故障诊断研究。结果表明利用键合图模型诊断液体火箭发动机故障,具有建模简单,模型直观,故障定位方便等优点,是液体火箭发动机故障诊断的一个新途径。      

基于支持向量机的民航发动机故障检测研究

将支持向量机用于民航PW4056发动机故障检测研究。首先,对3个发动机巡航数据偏差进行研究,分析得到故障检测应采用短期偏差;其次,由于模型参数对检测准确率影响很大,文中采用验证法进行模型参数选择,并分析了模型参数对检测准确率的影响;最后,对检测模型的输出进行了分析,并定义了异常指数来衡量发动机故障严重程度,其中检测模型的训练和验证采用了发动机真实运行数据。研究表明,该发动机故障检测模型有效可行,准确率达到90%,但要获得更高的检测准确率,还需进一步提高数据质量。     

齿轮箱中滚动轴承的故障诊断

提出了一种基于自适应除噪技术(ANC)和共振解调技术(DRT)的齿轮箱中滚动轴承的故障诊断方法。该方法先后用同一传感器和测量系统、在同一位置采集被诊断轴承在无故障时的振动信号和在状态监测过程中的振动信号,然后把这两次拾取的信号分别作为自适应除噪系统的参考输入和主输入进行除噪处理,最后用共振解调技术对除噪后的振动信号进行包络解调,实现齿轮箱中滚动轴承的故障诊断。实际应用表明,该方法能够从齿轮箱振动信号中剔除齿轮啮合振动等背景噪声,提高滚动轴承振动信号的信噪比,可以有效地诊断齿轮箱中滚动轴承的故障。      

一种用于故障诊断的定常线性系统的建模方法

提出了以系统脉冲响应序列作为闭环系统模型的建模方法,并且给出了这种建模方法的计算方法以及模型输出的计算方法。这种闭环系统建模方法保留了脉冲响应序列中的高频成分,避免了从脉冲响应序列向传递函数变换过程中丢失脉冲响应函数高频信息的缺点;同时,也避免了神经网络每次学习结果获得的网络模型不确定的缺点。采用该方法建立的闭环系统模型精度非常高并且可以应用在故障诊断的系统中。文章最后以数值仿真和实际带随机干扰的系统为例,证明该方法是有效的。