A fault diagnosis model based on weighted extension neural network for turbo-generator sets on small samples with noise

In data-driven fault diagnosis for turbo-generator sets, the fault samples are usually expensive to obtain, and inevitably with noise, which will both lead to an unsatisfying identification performance of diagnosis models. To address these issues, this paper proposes a fault diagnosis model for turbo-generator sets based on Weighted Extension Neural Network (W-ENN). W-ENN is a novel neural network which has three types of connection weights and an improved correlation function. The performance of the proposed model is validated against Extension Neural Network (ENN), Support Vector Machine (SVM), Relevance Vector Machine (RVM) and Extreme Learning Machine (ELM) based models. The results indicate that, on noisy small sample sets, the proposed model is superior to the other models in terms of higher identification accuracy with fewer samples and strong noise-tolerant ability. The findings of this study may serve as a powerful fault diagnosis model for turbo-generator sets on noisy small sample sets.     

基于分层传递系统模型的航天器故障诊断方法

 针对传统的传递系统模型在航天器自主诊断系统中只能表示单一粒度诊断知识,知识表示的完备性差,导致诊断结果的分辨率不高,且诊断系统执行效率低的问题,提出了分层传递系统模型和诊断方法。为了保证不同粒度诊断知识的完备性表示,将系统模型按不同粒度和结构关系进行分层。通过自顶向下的递归搜索,先监测系统异常,再匹配故障类型,逐层缩小搜索空间,最终找出故障候选集和故障的层次关系。同时为了减小计算规模,在诊断过程中引入了分离策略,降低实时诊断计算量。应用该方法建立了某卫星测控分系统模型并进行故障仿真,结果表明该方法可以增加模型知识表示的完备性,并能有效提高诊断效率和结果的分辨率。     

A novel approach of testability modeling and analysis for PHM systems based on failure evolution mechanism

Prognostics and health management (PHM) significantly improves system availability and reliability, and reduces the cost of system operations. Design for testability (DFT) developed concurrently with system design is an important way to improve PHM capability. Testability modeling and analysis are the foundation of DFT. This paper proposes a novel approach of testability modeling and analysis based on failure evolution mechanisms. At the component level, the fault progression-related information of each unit under test (UUT) in a system is obtained by means of failure modes, evolution mechanisms, effects and criticality analysis (FMEMECA), and then the failure-symptom dependency can be generated. At the system level, the dynamic attributes of UUTs are assigned by using the bond graph methodology, and then the symptom-test dependency can be obtained by means of the functional flow method. Based on the failure-symptom and symptom-test dependencies, testability analysis for PHM systems can be realized. A shunt motor is used to verify the application of the approach proposed in this paper. Experimental results show that this approach is able to be applied to testability modeling and analysis for PHM systems very well, and the analysis results can provide a guide for engineers to design for testability in order to improve PHM performance.     

基于增广观测器的非线性系统执行器故障诊断

针对一类满足李普希茨条件的非线性系统,提出了一种新的执行器故障诊断方法。将执行器故障作为增广状态向量的一部分构造一个增广系统,然后利用线性矩阵不等式方法设计一个增广状态观测器,能够同时获得原系统的状态和执行器故障的渐近估计。利用李亚普诺夫理论分析了增广状态观测器的稳定性和收敛性。最后,将所提出的方法用于卫星姿态控制系统执行器的故障诊断,仿真结果验证了该方法的有效性。     

运载火箭远程故障诊断技术综述

介绍运载火箭领域故障诊断技术的发展和各种方法的特点,将诊断技术按照基于阈值的判别机制、基于知识库的专家系统诊断方法、基于模型的故障诊断方法、基于自学习的推理机制、基于信息融合的故障诊断方法以及自主诊断技术六大类进行分析,同时介绍美国、日本以及中国新一代运载火箭(NGLV)在故障诊断上所取得的最新进展。在此基础上,针对远程发射支持系统(LSS)的特点,提出该领域故障诊断技术的发展方向。     

基于TMSDG的民用飞机故障诊断隔离策略

 针对民用飞机排故时交互式故障诊断与隔离需求,在符号有向图(SDG)中补充状态节点的故障概率信息和未测状态表达,引入对测试节点的描述,提出了一种附带测试维修信息的SDG(TMSDG),给出了基于此模型的交互诊断流程。首先根据初始征兆获取可疑集,然后综合可靠性和测试代价等因素生成一种基于最小测试代价的诊断二叉树对初始可疑集进一步隔离。该模型能描述复杂系统中存在的状态关联和故障测试依赖关系,对其中故障进行交互式诊断和隔离指导。利用该方法建立了某飞机发动机高压引气的诊断模型,实验结果表明提出的方法有效。该方法适用于飞机的外场故障诊断与隔离。     

转速波动状态下涡轮泵典型故障诊断方法

利用涡轮泵振动信号的变换域信息可有效地检测与诊断故障。针对涡轮泵转子叶片断裂与脱落这种典型故障,首先分析其出现的原因,并从动力学的角度研究其振动特征,选择可有效反映该故障的特征频率。然而,涡轮泵转速波动会造成这些特征频率提取的困难,为此提出一种解决此难题的新思路,通过一系列变换域处理来消除转速波动对振动频率的影响,在变换域中提取出稳定的特征频率,从而解决了涡轮泵转速波动状态下该型故障诊断问题。通过涡轮泵历史试车故障数据的验证表明,通过跟踪变换域中这些特征频率的幅值变化,可以有效检测与诊断涡轮泵转子叶片断裂与脱落故障。     

转子故障的连续小波尺度谱特征提取新方法

引入图像分析方法,提出了直接从转子故障信号连续小波尺度谱中提取图像纹理特征的新方法.首先,通过转子故障模拟实验台采集了不平衡、不对中、碰摩及油膜涡动等典型故障信号;然后,分析了故障信号尺度谱的差别及所提取出的数字特征对故障的敏感性;最后用结构自适应集成神经网络进行了智能诊断实验,结果表明了本文所提出的尺度谱数字特征对转子故障诊断的有效性.      

小波网络在某型航空发动机故障诊断中的应用

分析了用小波网络替代神经网络进行模型辨识的优点,在误差反向传播算法(Error back prop-agation)的基础上,结合小波分析理论,设计了一种小波网络算法.通过对某型航空发动机的仿真实验,小波网络能够及时准确地预测出发动机的输出.同时利用小波变换对残差的分析可以有效地检测出系统所发生的故障.      

基于奇异值差的转静件碰摩故障诊断方法研究

针对目前奇异值分解方法在航空发动机碰摩故障诊断处理中的不足,在基于矩阵分析推导奇异值残差重构信号能量成分的基础上,提出了利用奇异值残差重构突变信息的方法并建立了诊断流程.利用仿真信号对提出的方法进行了验证,得出了该方法与理论分析相符合.最后将其应用于某型航空发动机实测数据的处理,成功地判断出该发动机碰摩的时刻和碰摩故障的延展,结果表明该方法对航空发动机碰摩故障的诊断具有良好的效果.