基于证据理论的航空发动机早期故障诊断方法

在分析航空发动机早期故障特点和数据融合的基础上,将证据理论应用于发动机故障征兆级别的数据融合中,提出了构造基本信任指派函数的方法,从而得到了更准确的早期故障征兆.在此基础上,应用模糊聚类分析方法,依据最大隶属度原则得到发动机早期故障源.该方法考虑了发动机早期故障征兆不明确、不精确、不肯定等特点,应用模糊测度来表示征兆,更符合发动机早期故障的实际情况.      

基于粗糙集和神经网络的导弹故障诊断方法

人工神经元网络（ANN）具有本质的非线性特性、并行处理能力以及自组织自学习的能力,但单独使用ANN处理问题时,往往会存在一些缺陷。文章介绍导弹驾驶仪故障智能诊断的一种新方法：首先,利用粗糙集原理约简故障特征属性数据;其次,用带动量项的批处理BP神经网络方法对故障数据进行训练并检验;最后,将故障数据处理后输入神经网络分类器,对故障实施诊断。     

航空发动机滑油综合监控中的磨损故障融合诊断研究

单一的滑油光谱监控手段容易漏报航空发动机磨损故障.根据滑油光谱监控和自动磨粒检测互补的特点,在某型航空发动机上实施滑油综合监控,应用Dempster-Shafer(D-S)证据理论实现发动机磨损故障的融合诊断,并开发出基于上述监控方法和信息融合诊断的滑油监控专家系统.通过对实际诊断案例进行分析,结果表明:提出的滑油综合监控和融合诊断方法可有效解决该型发动机轴承故障预报的难题.      

一种基于知识推送的故障诊断系统

分析了基于知识的故障诊断,针对现有系统不能主动将知识在适当的时候传递给决策者的缺点,提出了一种基于知识管理的、以数据流驱动的、知识主动推送的故障诊断系统的体系结构,分析了其主要层次结构及知识的组织和管理,提出了以数据流驱动的知识主动推送方式.建立了知识主动推送的控制模型,开发了知识管理和数据流驱动的集成原型系统,并以液体火箭发动机试车台的故障诊断为例,实现了基于知识推送的故障诊断系统,后续实验证明了该方法的有效性.      

Robust fault-tolerant control for wing flutter under actuator failure

Many control laws, such as optimal controller and classical controller, have seen their applications to suppressing the aeroelastic vibrations of the aeroelastic system. However, those control laws may not work effectively if the aeroelastic system involves actuator faults. In the current study for wing flutter of reentry vehicle, the effect of actuator faults on wing flutter system is rarely considered and few of the fault-tolerant control problems are taken into account. In this paper, we use the radial basis function neural network and the finite-time H_∞ adaptive fault-tolerant control technique to deal with the flutter problem of wings, which is affected by actuator faults, actuator saturation, parameter uncertainties and external disturbances. The theory of this article includes the modeling of wing flutter and fault-tolerant controller design. The stability of the finite-time adaptive fault-tolerant controller is theoretically proved. Simulation results indicate that the designed fault-tolerant flutter controller can effectively deal with the faults in the flutter system and can promptly suppress the wing flutter as well.     

基于EMD熵特征融合的滚动轴承故障诊断方法

研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断.      

可重构零空间控制分配算法及流程规划

针对飞机正常情况和舵面故障情况下的控制分配算法展开研究。根据控制效能矩阵的特点设计了性能指标,并给出了对应的最优逆控制。对带约束的一般控制分配问题,采用零空间横截方法进行了再分配。设计了针对舵面卡死故障的重构控制律。结合某飞机仿真平台,进行了卡死故障的重构仿真,结果表明,控制分配算法能够在故障状态下完成对指令的精确跟踪。     

基于环控物理仿真平台的余度模型设计

在环控物理仿真平台上,基于MATLAB和Vxworks环境,建立了飞机环控系统余度模型。详细论述了环控系统故障模型、机电管理计算机模型。此外,对模型的有效性、可靠性进行了验证。通过试验验证,表明模型结构正确、能够满足环控系统余度功能要求。     

航空发动机高能碎片非包容事件故障树分析

为了使航空发动机高能碎片非包容事件满足适航安全性要求,运用故障树法对航空发动机该事件进行安全性分析并提出了分析方法的步骤和流程。引入最小割集和概率重要的度的概念,利用Isograph Reliability软件画出故障树并计算出高能碎片不包容事件的发生概率、最小割集以及概率重要度,通过对比最小割集和概率重要度,确定导致发动机高能碎片不包容主要的失效形式,并提出了有针对性的措施。     

基于局部均值分解和峭度图的滚动轴承包络分析方法

提出了基于局部均值分解(local mean decomposition,LMD)和峭度图(kurtogram)的滚动轴承包络分析方法.该方法中,原始滚动轴承故障振动信号通过LMD进行自适应的频率成分分离和初步降噪,包络分析中带通滤波器的参数通过峭度图客观地提供,从而提高滚动轴承包络分析的准确度.通过对滚动轴承仿真信号以及实验信号的分析,结果表明:在低信噪比情况下,LMD可以自适应分离出滚动轴承的固有振动成分,峭度图可以自动确定包络分析中带通滤波器的参数,与传统包络分析比较,所提方法能更加清晰准确地提取滚动轴承的故障特征.