一种基于知识推送的故障诊断系统

分析了基于知识的故障诊断,针对现有系统不能主动将知识在适当的时候传递给决策者的缺点,提出了一种基于知识管理的、以数据流驱动的、知识主动推送的故障诊断系统的体系结构,分析了其主要层次结构及知识的组织和管理,提出了以数据流驱动的知识主动推送方式.建立了知识主动推送的控制模型,开发了知识管理和数据流驱动的集成原型系统,并以液体火箭发动机试车台的故障诊断为例,实现了基于知识推送的故障诊断系统,后续实验证明了该方法的有效性.      

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

管中激光加速器的推力形成过程

管中激光加速器是一种新型的激光推力器,弹射体在管道中被加速。利用光线追踪法,根据光线在网格中的传播路径信息,运用辐射输运方程,得到流场的能量源项;数值求解含能量源项的流体控制方程,对管道中等离子体流场激波的形成和演化过程进行了研究。模型能够模拟空气光学击穿、空气对激光能量的吸收、等离子体对激光的屏蔽作用和推力形成过程,通过计算得到冲量耦合系数为3.61×10-4N/MW,等离子体内能转化为流场动能的比例约为9%。     

基于LMD的包络谱特征值在滚动轴承 故障诊断中的应用

滚动轴承故障振动信号往往是多分量的调幅-调频信号,而传统包络分析方法需要根据经验设置滤波器的中心频率与带宽,因而会带来解调误差.基于此,提出了一种基于局域均值分解(local mean decomposition,简称LMD)的包络谱特征值的滚动轴承故障诊断方法.该方法可以将一个多分量的调幅-调频信号分解成若干瞬时频率具有物理意义的PF (product function,简称PF )分量之和,由于每一个PF分量是分量包络信号和纯调频信号的积,因此可以直接对包络信号进行频谱分析得到包络谱.然后定义信号在包络谱中不同故障特征频率处的幅值比为包络谱特征值,并以此作为特征向量输入到支持向量机分类器中,用以区分滚动轴承的工作状态和故障类型.对滚动轴承正常状态、内圈故障和外圈故障振动信号的分析结果表明了该方法的有效性.      

氢氧火箭发动机羽烟紫外辐射参数反演研究

针对氢氧火箭发动机羽烟紫外辐射特性参数分析,提出一种基于紫外CCD(change coupled device)相机采集的单幅辐射图像,同时反演羽烟内紫外辐射源项和吸收系数的方法.该方法将羽烟简化为发射-吸收轴对称介质,通过对辐射图像数据进行Able变换得到三维介质内辐射强度分布,利用最小二乘法将反演问题转化为使计算得到的与Abel变换得到的辐射强度误差最小的最优化问题,然后利用共轭梯度法求解该最优化问题.通过在求解正问题得到的准确值的基础上添加随机噪声,模拟辐射图像数据,分析了测量误差对算法反演精度的影响.结果表明:该算法对测量误差不敏感,能够准确的重建羽烟内的辐射源项和吸收系数分布.      

离心压气机内不同非定常源影响实验研究

使用热线风速仪对扩压器内的非定常流场进行了测量,采用锁相采样—集平均技术对热膜测量的瞬时信号进行了处理,对离心压气机内扩压器势反冲效应和叶轮尾流的非定常影响进行了分离,采用＂逆频谱分析＂方法求解了不确定性非定常性,研究了离心压气机内不同非定常源的影响。结果表明,扩压器的势反冲效应同叶轮叶片的非定常影响处于同一数量级,扩压器的势反冲效应略小一些。扩压器的势反冲效应同叶轮叶片的非定常影响均是沿流向不断减小,且二者之间的差距沿流向也不断减小。叶轮叶片的非定常影响对扩压器叶片的位置较为敏感,靠近扩压器凸面侧的测点受叶轮叶片的非定常影响较大。径向间隙内不确定非定常度受扩压器叶片的反冲影响较大。     

航空发动机整机试验性能故障诊断系统设计

以航空发动机整机试验数据为研究对象,建立了1套气路性能故障诊断系统。该系统可对在研制和生产过程中的试验结果进行气路性能故障诊断分析;在分析发动机台架试车特点的基础上,阐述了该系统的设计功能和总体流程逻辑,并介绍了一些功能模块的流程设计;最后就系统的发展进行了讨论。经过带噪声的数值试验和真实试验数据验证,所建立的故障诊断系统诊断有效。     

应用多块对接结构网格方法的直升机涵道尾桨气动特性分析

基于湍流Navier-Stokes方程,建立了一套直升机涵道尾桨流场及气动特性的CFD分析方法.在该方法中,针对直升机涵道尾桨流场的特点以及动量源方法对网格系统的要求,提出了一种多块对接网格生成方法,分块贴体网格采用求解Poisson方程的方法生成.通过结合涵道尾桨的运动方式、几何特征及气动特征,建立一个包含动量源项的N-S方程的涵道尾桨流场计算方法和迭代流程;为较好地捕捉涵道壁附近存在的旋涡及分离现象,采用了一方程S-A湍流模型.通过对ONERA M6机翼的绕流特性的计算分析,以及对涵道尾桨在悬停状态下的拉力、诱导速度、载荷分布等的计算分析,验证了该CFD方法的有效性.在此基础上,采用该方法进行直升机悬停、侧飞和前飞状态下涵道尾桨流场与气动特性的数值分析,得到了关于涵道尾桨流场和气动特性的一些有意义的结论.     

基于加速退化试验和粒子滤波的电子设备故障预测方法

针对导弹电子设备故障预测问题,提出了一种基于综合环境加速退化试验(ADT)和粒子滤波的故障预测新方法。首先,不同于传统的ADT方案,仅以单个样本为试验对象,采用步进加速的思想,将性能退化理论拓展为加速性能退化理论(APDT),建立基于电子设备寿命退化速度的加速寿命退化模型。其次,为克服环境应力等测试不确定性因素对预测精度的影响,定义了电子设备退化度的概念,将寿命预测的不确定性问题转化为设备退化度最优估计问题,利用改进粒子滤波算法求解出电子产品动态退化的最优估计值,进而实现设备的全寿命评估。最后,实例说明该方法可行、有效,并大大提高了试验的效费比。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.