人工神经网络在某型航空发动机故障诊断中的应用

介绍了神经网络在航空发动机故障诊断中的应用 ,给出了利用神经网络方法进行航空发动机故障诊断的方法和步骤及需注意的关键问题 ,并利用神经网络方法诊断了加力泵不供油故障     

基于规则的某型直升机故障诊断专家系统研究

简要介绍了专家系统理论,并对某型直升机维修现状进行了全面的分析。构建了某型直升机故障诊断专家系统,介绍了在Delphi7开发平台下专家系统的总体结构、设计思路及实现方法,详细阐述了各模块功能,以及知识的表示方法和推理策略。实现了直升机在运行状态及零部件失效方面的智能故障诊断。     

飞行器智能结构系统研究进展与关键问题

 飞行器智能结构是由传感器、驱动器、控制元件和基体结构组成的集成系统,它具有承载、检测、判断与动作等功能,可显著提升飞行器的性能。根据国内外飞行器智能结构系统研究的最新进展,论述了飞行器结构动力响应主动控制、智能机翼、旋翼以及飞行载荷谱监测与结构损伤诊断等的基本原理与技术问题;指出了飞行器智能结构系统研究在埋入式功能元件、复杂非线性多场耦合系统的动力学建模与控制以及智能结构系统中的损伤和失效问题等方面所面临的关键技术问题和挑战。     

基于动态模糊观测器的故障诊断方法研究

研究了T S模糊系统中存在未知输入、多重故障时的诊断问题,提出了基于动态模糊观测器的诊断方法。仿真结果表明,该方法推理简单,解耦多重故障准确有效。     

某型飞机平显故障诊断系统的设计与实现

提出了基于知识库的某型飞机平显故障诊断系统.文中给出系统总体结构模型和面向对象模型,介绍了规则推理、神经网络推理和模糊逻辑推理的特点,并提出了三者并行推理的方法,其优点在于能节省推理时间并且各模块之间可以相互学习提高诊断能力.最后给出了系统的功能和实现方法.     

基于1-DISVM的聚类模型及直升机齿轮箱故障诊断应用

针对当前故障诊断中存在的训练样本少、知识难获取的问题,结合SVM小样本学习的特点,提出一种基于SVM的自学习聚类模型。通过改进无监督1-SVM算法上的不足,形成一种改进决策1-SVM(1-DISVM)算法,由此构建了多模式训练与分类算法,并设计出基于1-DISVM的自学习聚类模型。最后对其进行仿真验证,并应用于直升机齿轮箱的故障诊断,结果表明该方法能从少量样本中自学习输入模式的内在规律,自适应地对未知故障模式进行准确地分类识别。     

航空发动机故障诊断的机载自适应模型

提出了复合拟合法建立状态变量模型,该方法应用于建立高维状态变量模型时,具有较高的精度.将健康参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计得到健康参数.为了减少自适应模型与真实发动机之间的建模误差,在自适应模型中加入神经网络对稳态基点模型进行修正,从而提高了故障诊断系统的置信度.      

依据振动加速度信号绘制航空发动机转子轴心轨迹的方法

在飞机发动机的故障监测及诊断中,轴心轨迹是时域分析的重要内容之一,它可以直观地反映转子瞬时运动状态。但对于振动数据是振动加速度值而非位移数据的情况,由测得振动加速度数据求轴心轨迹,就要先对其进行两次积分得到位移数据。基于最小二乘法的积分波形修正算法,提出对振动加速度数据进行动态递推拟合去除趋势项,得到转子轴心轨迹,这为状态监测及诊断提供了依据。     

贝叶斯网络在动量轮地面试验可靠性分析中的应用

为了有效综合动量轮地面试验过程中积累的大量复杂试验信息,对动量轮进行可靠性定量分析.提出了利用贝叶斯网络模型,融合大量测试和调试数据、专家知识等多种信息,建立动量轮可靠性模型的方法;采用贝叶斯网络推理技术,对动量轮进行可靠性评估、故障诊断和灵敏度分析,有效解决了动量轮地面试验可靠性分析与评估等难题,为动量轮可靠性试验提供了理论指导.      

航空发动机部件性能故障融合诊断方法研究

提出一种对航空发动机部件性能蜕化进行融合诊断的模糊决策融合机制,以改善单独采用基于模型和基于数据的部件性能故障诊断的漏诊与误诊的问题.传感器测量值同时输入到基于自适应模型的和基于数据的诊断模块中,分别利用卡尔曼滤波算法和最小二乘支持向量机(LSSVM)对主要部件故障性能参数估计,再利用模糊逻辑调整决策权重以进行D-S(Dempster-Shafer)证据理论的决策融合诊断.以某型涡扇发动机为对象进行单部件和双部件蜕化仿真研究表明,与单独使用基于模型和基于数据的诊断方法相比,采用决策融合机制有效地提高了部件故障诊断精度.