温度对压电陶瓷传感器信号传输的影响研究

近年来,飞机结构健康监测技术得到了快速的发展,并在航空航天等领域得到了广泛的应用,特别是在碳纤维复合材料结构的状态监控与损伤诊断方面更是明确了功能材料与智能结构的发展趋势。首先分析了航空领域典型的结构健康监测技术,包括模态法、机电阻抗法、超声法、声发射法、Lamb波法,并对其中的Lamb波法进行深入讨论。而后,开展了基于Lamb波技术的温度对压电陶瓷传感器信号传输影响的实验研究。该研究考虑了实验装置及传感器在高温环境下的特性,特制了用于测试压电陶瓷传感器信号传输特性的高温实验装置,将压电陶瓷传感器通过机械方式安装于实验装置上,开展环境实验。分别对五档不同温度下的实验结果进行分析,研究结果表明:温度对压电陶瓷传感器信号传输具有一定影响,并给出了信号受温度影响的变化规律。     

基于状态观测器的空间机械臂关节故障诊断

为了实时检测空间机械臂关节故障的发生并获得有效的故障信息,提出一种基于状态观测器的关节故障诊断方法。通过结合滑模变结构控制理论设计滑模状态观测器,获得机械臂各运行状态的残差信息,并将其与设定的阈值比较,实现关节故障的检测。进而引入不同的故障模式,构建故障数据库,将实际关节故障所导致的机械臂故障残差信息与故障数据库对比,完成故障发生位置及其故障程度的识别。所提诊断方法考虑了空间机械臂系统内部强耦合特性,能够及时检测故障的发生并获取有效的故障信息。最后以7自由度空间机械臂为对象开展数值仿真研究,验证了所提关节故障诊断方法的有效性。     

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

面向军用飞机任务能力的健康评估方法

军用飞机健康评估在工程实际中存在应用困难的问题。以军用飞机为研究对象,开展包括面向任务 的能力分析、基于故障劣化的功能分析以及参数化的健康评估等研究,得到基于任务分析的“飞机-任务功 能-影响参数暠两级映射作为健康评估的对象;综合利用劣化度、严酷度及极大熵改进区间层次分析法等多种 方法,得到飞机健康状态评估结果。结合具体实例及参数分析结果,表明该评估方法可信度高,具有较高的工 程实用价值。     

基于局部均值分解和峭度图的滚动轴承包络分析方法

提出了基于局部均值分解(local mean decomposition,LMD)和峭度图(kurtogram)的滚动轴承包络分析方法.该方法中,原始滚动轴承故障振动信号通过LMD进行自适应的频率成分分离和初步降噪,包络分析中带通滤波器的参数通过峭度图客观地提供,从而提高滚动轴承包络分析的准确度.通过对滚动轴承仿真信号以及实验信号的分析,结果表明:在低信噪比情况下,LMD可以自适应分离出滚动轴承的固有振动成分,峭度图可以自动确定包络分析中带通滤波器的参数,与传统包络分析比较,所提方法能更加清晰准确地提取滚动轴承的故障特征.      

基于结构健康监测的飞机结构 MSG-3 分析

结构健康监测(SHM)技术被广泛引入到了飞机设计与维护,本文依据现阶段SHM技术的发展现状,将SHM技术与MSG-3分析思想融合,制定了一种针对采用SHM技术飞机结构的计划维修分析流程。     

涡扇发动机气路传感器故障诊断

为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了1种基于在线贯序极端学习机的故障诊断算法。其核心思想是在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,解决多故障混叠问题。在线信号重构算法以泛化能力指标为判定条件,利用选择策略对算法网络权值进行选择性更新,提高了故障诊断系统的实时性。以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明:该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。