基于高斯权值-混合建议分布粒子滤波的疲劳裂纹扩展预测

飞行器结构的疲劳裂纹扩展预测对保障结构安全、实现视情维护具有重要意义。结合粒子滤波算法和结构健康监测方法进行在线的疲劳裂纹扩展预测是近年来刚刚开始研究的新方法,该方法通过状态空间模型表征疲劳裂纹扩展过程中的不确定性,同时通过贝叶斯方法将结构健康监测所获取的结构实际裂纹观测值用于修正裂纹扩展模型的预测误差,实现更准确的疲劳裂纹扩展在线预测。由于该方法的研究刚刚开展,已有研究中粒子滤波算法的重要性密度函数往往简单选取为先验转移概率密度,存在严重的粒子退化问题。另一方面出于简单考虑,仅采用表征裂纹稳定扩展区的Paris模型。针对上述问题,本文提出一种基于高斯权值-混合建议分布粒子滤波的疲劳裂纹在线预测方法,基于表征裂纹全扩展区域的NASGRO裂纹扩展模型建立疲劳裂纹扩展状态方程,以主动Lamb波监测方法实现结构裂纹的在线监测,借助在线结构健康监测的优势,在粒子滤波时选取重要性密度函数为观测概率密度和先验转移概率密度的混合分布,同时基于先验估计获取高斯权值进行权值更新。本文进一步进行了仿真研究,结果表明所提出的方法优化了疲劳裂纹扩展预测的准确性。     

基于声发射信号信息距的滚动轴承故障诊断

在信息熵理论基础上,提出了一种融合小波能谱与马氏距离的信息距滚动轴承故障诊断方法.利用双转子试验台对滚动轴承内圈故障、外圈故障、滚动体故障、内圈 滚动体故障和内圈 外圈故障进行模拟,并采集其声发射信号.利用提出的信息距方法对获取的声发射信号进行分析,成功实现滚动轴承单一故障和耦合故障诊断.结果表明该方法信息利用率高于信息熵方法,能够清晰和准确地诊断出滚动轴承早期故障,效果明显优于信息熵距的诊断方法.      

航天复合材料智能健康监测技术研究进展北大核心CSCD

航天复合材料智能健康监测技术水平是衡量航天型号可靠性与先进性的重要标志之一,是支撑航天装备向多次重复使用、长期可靠运行发展的关键技术之一。本文总结了近年来复合材料智能健康监测在传感器制作技术、传感器与复合材料集成技术、复合材料状态监测技术、复合材料损伤及失效表征技术、人工神经网络数据处理和分析技术主要研究进展及发展现状,提出了航天复合材料智能健康监测技术存在的问题以及后续未来发展的重要方向。     

非迭代动态多故障诊断方法研究

由于传感器噪声和故障判决规则的不可靠,故障检测系统难免出现检测错误。不同的测试之间具有一定的冗余关系,利用这些关系就可以纠正一定的错误。基于迭代的动态多故障诊断（DMFD）算法在系统中有测试错误的情况下具有较高的诊断正确率,但当系统规模较大时,它的迭代过程并不必要,且有时迭代并不能收敛到最优值。针对这一问题,文章在详细分析迭代拉格朗日松弛方法和维特比算法原理的基础上,提出了利用故障和测试结果之间的关系来估计拉格朗日乘子的非迭代动态多故障诊断方法。该方法避免了迭代过程,减少了计算时间并提高了诊断正确率。对航天器电源系统的诊断表明,非迭代动态多故障诊断方法的诊断速度快,且其正确率高于以前的算法。     

Diverse AdaBoost-SVM分类方法及其在航空发动机故障诊断中的应用

 提出采用考虑到精度/差异权衡的SVM作为弱分类器的一种新的组合分类诊断方法——Diverse AdaBoost-SVM。该方法通过在一组具有适当精度的弱分类器中进一步选择具有较大差异性的弱分类器,对这些具有较大差异性的弱分类器进行组合,从而较好解决AdaBoost算法中存在的精度/差异权衡的难题;同时该方法也较好地解决了现有的AdaBoost方法存在的弱分类器本身参数选取困难问题及训练轮数T的合理选取问题。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明和其他方法相比,Diverse AdaBoost -SVM方法具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类,也更适合对非对称故障样本集进行分类。     

基于粗糙集理论的飞机供电系统诊断规则提取

 为有效解决飞机供电系统故障诊断专家系统在知识获取方面的“瓶颈”,在对某型号飞机供电系统进行故障模式分析的基础上,利用粗糙集理论不需要提供待求解问题所需处理的数据集合之外的任何先验信息的特点,提出了一种诊断规则的自动获取方法。在运用粗糙集理论对故障样本集进行属性约简和值约简的过程中,针对“不确定测量状态”提出了改进的约简规则。通过在交流一次配电子系统上的验证分析表明,该方法具有较强的容错能力,可有效地约简知识,自动获取规则,且规则具有正确的逻辑意义。该方法为飞机供电系统故障诊断专家系统由理论验证向实际应用的转化提供了可行性。     

基于改进的BP算法在飞机压力加油系统中的仿真与应用

将一种改进了的BP神经网络算法应用于飞机压力加油系统容错控制中,进行了仿真和实验,并对仿真结果进行了分析,仿真结果表明,加入BP算法以后的压力加油控制律大大缩短了加油时间,并且提高了压力加油的控制精度,此项研究为开发基于神经网络的飞机燃油故障诊断专家系统奠定基础。     

基于RBF神经网络的航空发动机故障诊断研究

采用改进算法优化了径向基函数(RBF)网络.针对航空发动机工作条件和结构的复杂性,提出了用RBF网络进行故障诊断的方法,构建了基于RBF网络的多参数航空发动机故障智能诊断模型,并对典型发动机故障进行了诊断.结果表明,RBF网络具有优秀的故障学习能力,采用它进行航空发动机故障诊断是行之有效的,具有较好的应用前景.     

基于峭度熵与分层极限学习机的动量轮轴承故障诊断研究

动量轮是卫星姿态控制系统的关键部件,其可靠性直接关系到整星寿命与安全.作为动量轮的核心组件,轴承易于发生故障,且独特结构和复杂运行环境导致监测信号信噪比低,早期故障诊断困难.针对这种情况,对变分模态分解和峭度熵结合的特征提取方法进行研究,获得动量轮轴承监测信号中的微弱故障特征,并建立特征向量.引入分层极限学习机,对结构...     

Fault diagnosis of bearings based on deep separable convolutional neural network and spatial dropout

Bearing pitting, one of the common faults in mechanical systems, is a research hotspot in both academia and industry. Traditional fault diagnosis methods for bearings are based on manual experience with low diagnostic efficiency. This study proposes a novel bearing fault diagnosis method based on deep separable convolution and spatial dropout regularization. Deep separable convolution extracts features from the raw bearing vibration signals, during which a 3 × 1 convolutional kernel with a one-s...