基于粗糙集与模糊神经网络的故障诊断

神经网络已广泛应用于故障诊断领域,但也存在冗余数据难以剔除、网络结构复杂的缺陷,与其他理论相结合可以得到更优越的诊断特性。粗糙集在数据约简和规则获取等方面具有优势,可以有效避免神经网络构造的困难;同时,模糊神经网络可以使网络推理过程变得透明,且较强的数据泛化能力可以弥补粗糙集的不足。通过将粗糙集与模糊神经网络技术相结合,建立故障诊断模型,利用歼击机操纵面故障诊断实例检验其可行性和有效性。     

基于Hilbert-Huang变换的电机故障诊断与仿真技术研究

对永磁同步电机发生退磁故障的有效诊断,一直是业界关注的主要问题之一。在AN-SOFT公司MAXWELL2D软件环境下,通过设置不同的永磁体矫顽力参数数值,建立永磁同步电机（Permanent Magnet Synchronous Motor,PMSM）正常与退磁故障模型。再将模型导入SIMPLOR-ER软件,与该软件中的电机驱动电路建立动态联合仿真,获得定子绕组相电流仿真信号。采用先进的Hilbert-Huang变换方法,求取电机相电流内禀模态分量（Intrinsic mode function,IMF）的瞬时频率。通过对比正常与退磁状态下相电流IMF分量的瞬时频率,可实现对永磁同步电机退磁故障进行有效诊断。研究结果表明,采用Hilbert-Huang变换方法,可有效诊断电机退磁故障,解决了永磁同步电机退磁故障难以有效诊断的难题,具有较好的推广应用价值。     

支持向量机用于液体火箭发动机的故障诊断

支持向量机（Support Vector Machine,简称SVM）是一种基于机器学习的模式分类算法,其在解决小样本、非线性及高维模式识别等问题中都表现出许多特有的优势。用SVM对液体火箭发动机的故障数据进行检测和诊断。通过对发动机仿真模型的9种故障数据的学习,能检测出18组故障数据中的17组,但有4组出现误报,对误报故障进行二次学习和再检测,能对这4种故障正确检测。经过对C75试车4种故障数据的学习,能正确检测其故障类型,进一步验证了该方法的正确性和可行性。     

基于模型的故障诊断方法在飞船推进系统中的应用

在飞船推进系统的物理和数学模型的基础上,研究了基于模型的故障诊断方法在飞船推进系统中的应用。该方法是某飞船推进系统状态监测与故障诊断专家系统中的关键技术之一。仿真结果表明,这项技术的提出和应用使得根据系统模型对推进系统的不可预知故障进行监测和诊断成为可能。     

基于调频高斯小波变换的导航传感器故障诊断

为提高多传感器组合导航系统对各导航传感器的在线故障检测能力,在分析调频高斯小波特性的基础上,提出了一种基于调频高斯小波变换的导航传感器故障诊断算法.该算法仅利用传感器的观测量来直接诊断传感器工作是否正常.它可以对方差突变等软故障进行有效的在线检测.仿真结果证明了所提方法的有效性.     

免疫系统的反面选择算法在故障诊断中的应用

生物免疫系统的主要功能就是检测和杀伤来自生物体内和体外称为抗原的非已物质，受免疫系统自己－非已识别机理的启发提出的反面选择算法能检测任何异常变化。文章结合航天器故障诊断的特点对反面选择算法进行了改进，提出了对卫星电源分系统实时系统故障诊断的新方法，通过诊断实例表明该方法是有效可行的，能对卫星电源系统的故障准确、快速的实时诊断。     

粗糙集在卫星电源系统故障诊断中的应用研究

为了提高多故障诊断算法在诊断信息不完备时的诊断能力,引入粗糙集技术。对粗糙集技术中决策表的约简问题进行了深入地研究,给出了约简算法;详细论述了已有的实时诊断算法的步骤和缺点,把粗糙集技术和其诊断算法相结合,给出了改进的诊断算法。将此技术应用于卫星电源系统的故障诊断中,在缺少征兆信息的情况下仍能正确地进行实时诊断,表明可以提高诊断能力和效率。     

碳纳米管用于聚合物基复合材料健康监测的研究进展

碳纳米管因其优异的机电特性,在聚合物基复合材料的健康监测方面具有广泛的应用前景。综述聚合物基复合材料中碳纳米管传感的最新进展:碳纳米管与树脂共混、碳纳米管涂层纤维、碳纳米线和碳纳米纸。利用碳纳米管传感网络来监测结构应变损伤是不同碳纳米管传感的核心原理。碳纳米纸可以解决碳纳米管与树脂共混时的难分散、碳纳米管涂层纤维的协同变形和碳纳米线的全结构监测等问题,为碳纳米管传感工程化应用提供了条件。实现碳纳米管传感在聚合物基复合材料健康监测领域的工程化应用是未来的发展方向。     

涡扇发动机故障诊断中粒子滤波改进方法

针对标准粒子滤波算法诊断步数多且诊断结果噪声水平高的问题,提出伪协方差和自适应似然分布结合的改进粒子滤波算法。该算法通过使用伪协方差代替了粒子集协方差,保证采样得到的粒子能够更真实地反映突变情况,减少诊断步数;通过对似然分布自适应调整,增加其与先验分布的重叠区域,提高抽样率,增加有效粒子数,降低诊断结果噪声水平。发动机健康参数估计仿真结果表明:与标准粒子滤波算法相比,改进的粒子滤波算法能使诊断速度提高约27%,诊断精度提高约38%,有效地减少了突变故障的诊断步数,并显著降低了诊断结果的噪声水平。     

基于RS-CART决策树的航空发动机小样本故障诊断

针对CART(classification and regression tree)分类决策树构建过程中由于小样本集特征维数高及噪声等造成的过拟合问题,在CART决策树算法训练过程中引入基于互信息的粗糙集(rough sets,RS)属性约简,考虑信息熵与基尼(GINI)系数刻画样本集“纯净度”的相似关系,对历史故障数据进行属性约简,降低属性维度以优化训练集,在此基础上构建分类决策树,可视化输出规则。实验结果表明:将改进的CART决策树算法应用于某型航空发动机油液故障诊断,提取的规则可解释性强,能够减小冗余属性及噪声对决策的影响,与常用故障诊断算法相比,该模型的诊断准确率提升20%左右,AUC(area under curve)值高达92%,可以有效处理高维离散型航空发动机小样本故障问题。