基于自联想神经网络的发动机控制系统传感器故障诊断与重构

研究自联想神经网络及其在发动机控制系统传感器故障诊断及重构中的应用。自联想神经网络关键在于特征提取和噪声滤波。综合自联想网络的最优估计与故障诊断 ,自动区分估计误差和传感器故障。仿真结果表明这种方法不需要模型 ,能诊断传感器硬、软故障 ,当发动机性能蜕化时也能提供很好的解析余度。     

航空发动机故障诊断方程的求解及应用

用换算系数方法建立了基线模型，分析了测量参数偏差的计算方法，重点介绍了发动机故障诊断系统中故障方程的求解方法，并应用发动机试车数据对此进行了求解检验，结果表明故障诊断方程的求解方法可行。     

航天器推进系统故障的面向时态检测和诊断

根据航天器推进系统的时变性特点，在规则的专家系统方法基础上，提出了推进系统面向时态的故障检测和诊断方法，在对知识表示方法和推理诊断策略进行改进后，在Windows NT环境与实现了一个基于知识的故障诊断原型系统，介绍了原型系统的结构、功能及网络实时数据通信方法，经过仿真数据测试验证了方法的有效性。     

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。     

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。     

基于神经网络的涡轮泵多故障诊断

针对液体火箭发动机的涡轮泵系统中，常出现多故障同时发生的现象，分析了涡轮泵常见故障的特征表现，建立了涡轮泵系统的标准故障模式，在此基础上，提出了采用建立并行BP神经网络进行多故障诊断分类的方法，结果表明，并行BP神经网络结构简单，学习诊断速度快，对单一故障的诊断分类优于基本BP网络，且能对并发故障进行诊断分类。     

故障诊断方法发展动向

在介绍故障诊断技术发展、当前的故障诊断方法的基础上 ,重点介绍当前故障诊断领域中最为活跃的两种系统———基于知识的专家系统和基于神经网络的智能诊断系统的发展动向     

故障诊断专家系统中诊断决策方法的研究

 被诊断系统的复杂性造成故障诊断过程效率低,耗费时间长。采用多属性决策方法可以将测试代价因素引入到对复杂系统故障诊断的决策中,以提高诊断的效率。根据故障诊断的实际情况,确定了对属性权值的约束条件,提出了一种求取MADM 权值的方法,解决了故障诊断决策中属性权值选取困难的问题。通过仿真证明和普通的方法相比,专家系统采用MADM 方法,故障诊断时间减少了1/ 5 。     

基于LabVIEW的集成式多探针等离子体诊断系统

为了提高电推进羽流诊断自动化程度,解决传统等离子体诊断方法测试周期长、精度低和数据处理复杂等问题,以LabVIEW为开发平台研制了一种电推力器羽流自动诊断系统。该系统集成了Langmuir单探针、Langmuir双探针、RPA离子能量分析仪和法拉第筒等几种常见静电探针,可通过软件实现不同探针的选择切换,扫描电源波形控制、电流及电压信号采集、曲线降噪与滤波、数据处理及计算结果显示和保存等功能。与传统逐点手动方法相比,该系统显著地提高了等离子体羽流诊断的速度和精度。     

基于D—S证据理论的航空发动机故障诊断

航空发动机滑油中舍有摩擦副产生的磨损微粒。通过滑油介质中所含磨损微粒中元素的分析．运用Dempster-Shafer证据融合诊断方法,对航空发动机的磨损状态等进行有效的诊断,确定发动机的磨损程度,以及发动机的磨损部位,从而可对发动机的故障排除作参考。在融合过程中提出了先对每个元素的磨损量和磨损率进行融合,再总体融合的方法。针对Dempster—Sharer证据融合的局限,应用了两种改进的融合方法,并进行比较。实例表明,Dempster—Shafer证据融合是一种有效的航空发动机滑油磨损的故障诊断方法。