操纵面故障对飞行包线的影响研究

进行飞机操纵机构故障时飞行包线估计对提高飞行安全具有重要意义。针对飞机操纵面故障特点,提出一种在线飞行包线估计方法。首先根据操纵面对飞行动力学参数的影响建立故障参数模型,然后应用基于遗忘因子的最小二乘参数估计方法进行气动参数的在线估计,最后基于参数估计结果进行包线的精确估算和分析,计算结果可为驾驶员和包线保护控制提供参考。仿真分析表明,该方法能精确估计飞行包线范围。     

基于故障统计模型的导弹武器系统贮存检测周期确定方法

综合运用可靠性工程理论、现代数理统计理论等,以实际故障统计数据为基础,提出了确定导弹贮存检测周期的方法,并用Matlab进行了计算验证.     

航空发动机可靠性评估中故障样本时效性分析

通过故障数据建立可靠性模型反映系统可靠性状态的变化具有一定的滞后性,随着发动机可靠性水平的不断提高,对航空发动机进行可靠性评估需要将早期故障样本进行时效性处理.提出衰减因子 α 用于表示故障强度的衰弱程度,对Gompertz可靠性增长模型改进得到故障的衰减函数,来描述故障强度的衰弱过程;用Bayes方法合理利用发动机全部故障样本进行数据融合,可有效解决样本的时效性问题.对在研的某涡扇发动机进行故障统计分析,研究了典型故障模式的时效性变化,结果表明:考虑样本的时效性后进行可靠性评估对发动机当前的可靠性水平能给予更加科学的评价.     

卫星导航系统传感器故障识别

传感器是卫星导航系统中的重要部件,其故障的检测和识别对提高系统可靠性具有重要意义。给出了一种基于模糊逻辑的卫星导航系统传感器故障识别方法。首先采用T-S模糊模型描述卫星导航系统,然后应用全解耦奇偶方程的方法进行故障检测,并利用卡尔曼滤波器进行故障参数识别。仿真结果表明,针对导航系统中多个传感器同时发生故障的情况,此方法能有效检测故障,并能准确识别故障参数。     

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.      

基于故障树分析法火箭测量系统故障诊断研究

本文对某系列运载火箭近十年来出厂测试出现的故障事件进行统计分析,应用故障树分析法的基本原理,建立了某系列运载火箭出厂测试测量系统故障树,并对其作定性和定量分析,指出其可靠性较低环节。结果表明,应用故障树分析法对运载火箭测量系统故障事件进行研究,能够清晰发现对顶事件发生影响的主要因素,为故障预防和诊断提供思路和依据。     

基于QPSO粒子滤波的航空发动机突变故障诊断

针对标准粒子滤波算法对突变故障诊断迟缓的问题,提出了量子行为粒子群优化(Quantum-behaved particle swarm optimization,QPSO)的粒子滤波算法。该算法引入权值偏差系数的概念,当权值偏差系数超出设置的阈值时,认为系统发生故障,并结合最新的观测值,将量子行为粒子群优化算法融入到粒子的采样过程中,驱使粒子向高似然区域移动,提高粒子群对突变故障的估计性能。仿真结果表明,与标准粒子滤波算法相比,量子行为粒子群优化的粒子滤波算法显著提高了对突变故障的反应速度。     

自识别自校准Kalman滤波方法

在导航滤波、故障诊断等许多工程领域中,受环境因素影响、模型和参数的选取不当等原因,系统状态方程中往往含有未知输入(系统误差),传统的Kalman滤波方法无法消除这种未知输入的影响,导致产生较大的滤波误差。为此,提出一种自识别自校准Kalman滤波方法,并分别对线性系统和非线性系统进行了详细讨论,给出了相应的公式和滤波步骤。该方法能够自动识别状态方程中有无未知输入,当有未知输入时,则能自动估计未知输入,并对它进行补偿和修正。大量实例计算和仿真模拟表明,与传统方法相比,本文方法能够有效提高状态估计精度,且计算简单,便于工程应用。     

卫星姿态控制系统执行器微小故障检测方法

针对卫星姿态控制系统执行器微小故障检测问题,提出一种基于神经网络干扰观测器的微小故障检测方法。该方法利用卫星姿态控制系统内的冗余关系,分别构建陀螺干扰观测器和干扰力矩观测器,对系统内的测量误差、扰动等进行估计,并对故障检测观测器进行扰动补偿,提高对执行器微小故障的检测能力。仿真结果表明,与基于解析模型的方法相比,该方法能够较精确地对解析模型的误差进行补偿,明显降低了检测阈值,实现了对扰动掩盖下的微小执行器故障检测。      

基于试飞数据的航空发动机状态监测与故障诊断

在航空发动机飞行试验阶段,发动机技术状态变化快、故障频发,为了实时监控发动机工作参数变化情况,快速及时地预测并诊断发动机故障,本文研究了试飞数据驱动的航空发动机状态监控与故障诊断技术。文章基于实际试飞数据建立了航空发动机ANN-NARX参数预测模型,考虑到建模样本量大、模型结构复杂、训练时间长、输入输出延迟等因素,采用遗传算法对模型的最小数据样本需求和结构进行了改进优化,并利用蒙特卡洛方法确立了参数预测模型的自适应告警门限,同时基于构建奇偶空间残差模型实现了航空发动机典型故障诊断。结果表明：实际试飞中只需有限架次试飞数据的训练学习,即可得到发动机参数预测模型,高压转子转速、压气机后压力、涡轮后总温及滑油总回油温度预测相对误差最大值分别为：1.0%、1.7%、0.2%和1.2%,综合模型建模误差和参数测量误差后的自适应告警门限有效降低了模型预测结果的不确定性,在已有数据样本集上的典型故障识别率达到95.2%。