Simultaneous state and actuator fault estimation for satellite attitude control systems

In this paper, a new nonlinear augmented observer is proposed and applied to satellite attitude control systems. The observer can estimate system state and actuator fault simultaneously. It can enhance the performances of rapidly-varying faults estimation. Only original system matrices are adopted in the parameter design. The considered faults can be unbounded, and the proposed augmented observer can estimate a large class of faults. Systems without disturbances and the fault whose finite times derivatives are zero piecewise are initially considered, followed by a discussion of a general situation where the system is subject to disturbances and the finite times derivatives of the faults are not null but bounded. For the considered nonlinear system, convergence conditions of the observer are provided and the stability analysis is performed using Lyapunov direct method. Then a feasible algorithm is explored to compute the observer parameters using linear matrix inequalities (LMIs). Finally, the effectiveness of the proposed approach is illustrated by considering an example of a closed-loop satellite attitude control system. The simulation results show satisfactory perfor-mance in estimating states and actuator faults. It also shows that multiple faults can be estimated successfully.     

高超声速飞行器自适应神经网络容错控制

针对高超声速飞行器巡航段执行器控制效益损失故障和卡死故障问题,基于高超声速飞行器纵向运动模型,将自适应算法与改进的径向基函数神经网络(RBFNN)方法相结合,设计了一种自适应神经网络容错控制器。所提出的容错控制方法具有无需估计执行器故障值的优点,且设计的控制算法结构简单,无需大量实时计算,可以快速处理故障的发生,确保系统在参数不确定、恒定或时变执行器故障与卡死故障情况下仍具有稳定跟踪能力。最后,仿真验证了该方法的有效性。     

基于综合模糊聚类算法的液体火箭发动机故障诊断

基于液体火箭发动机正常及故障状况数据的完备程度和数据质量的不断提高,提出一种基于数据驱动的综合模糊聚类算法用于故障诊断。采用模糊c均值(FCM)算法对已知正常样本数据进行聚类得到最优的聚类中心,将所得到的聚类中心作为先验样本数据用于传递闭包法最优分类结果的选择从而得到故障检测结果,该算法只需要少量的正常先验样本数据就能快速、准确的检测出故障;随后采用FCM算法进行故障分类,可以根据现有的故障数据库进行聚类得到对应的故障类型,并且可以给出故障幅值范围。模型仿真结果表明:该算法对故障的检测率可达968%,故障隔离率达到94%。某型液体火箭发动机实际试车数据结果表明:该故障诊断算法能够准确及时的检测并隔离出故障。     

带非线性支撑的转子有限元模型求解方法

用数值方法研究了非线性支撑的柔性转子系统的动学行为,提出了一种将有限元与非线性支撑结合的模型和求解方法。利用有限元法(FEM)构建转轴和转盘部分的模型,通过矩阵进行组合;利用离散元方法对包含滚动轴承和挤压油膜阻尼器(SFD)的支撑部分进行建模,此部分包含4个单元,分别为轴承内圈、外圈、SFD内圈和支撑鼠笼。有限元部分和离散元部分通过轴端节点相连,仿真过程中轴端位移传递给非线性支撑部分,支撑部分通过位移计算得到的非线性力反过来作用于有限元转子轴端部分。为了耦合求解有限元转子和非线性支撑组成的数学模型,提出了一种综合的迭代求解方法,克服传统的有限元求解方法对轴端隐性非线性支撑的求解局限性。由于转轴部分采用了Timoshenko梁单元建模,对比与简单转子模型,可以考虑陀螺力矩和轴的柔性特征,更能体现非线性支撑对振动真实影响。在建立的20个轴单元的有限元转子模型中,非线性响应更多体现在靠近非线性支撑的节点1和节点21处,响应频谱中靠近轴端的节点能体现出滚动轴承的2倍和3倍变柔振动频率。     

转子系统挤压油膜阻尼器设计与动力特性

鉴于挤压油膜阻尼器(SFD)设计必须要同时考虑转子系统的动力学特性,提出了一种转子系统与挤压油膜阻尼器耦合设计方法,给出了详细的设计流程。对所设计的阻尼器进行了CFD数值模拟、油膜压力测量以及减振效果实验,结果证明所提出的设计方法是有效的。相比未采用阻尼器,采用阻尼器后转子系统两个转盘的振幅分别下降了46%和39%。通过实验还研究了不平衡量、支承刚度、供油压力和滑油温度对挤压油膜阻尼器减振效果的影响。结果表明,相比于不平衡量和支承刚度对减振效果的影响,供油压力和滑油温度的影响并不显著。进行挤压油膜阻尼器设计时,重点应该关注转子上的不平衡量大小和支承刚度。     

空心气冷低压涡轮动叶气热耦合数值模拟

以空心气冷低压涡轮动叶为研究对象,采用高质量的流体域和固体域网格控制技术,带转捩模型的双方程SST湍流模型,开展了基于CFD方法的叶片气热耦合问题研究。获得了不同冷气流量比(分别为1.0%,1.38%,1.8%和2.2%)、温比(分别为2.1,2.25,2.3,2.4和2.5)和压比(分别为1.4,1.6和1.8)对叶片换热特性的影响规律,设计状态中截面按弧长平均的叶片壁面金属温度计算值较试验值偏小0.3%,气热耦合计算的叶片壁面温度分布与试验结果吻合良好,验证了气热强耦合计算方法的精度,为涡轮叶片温度场分析提供了一种有效的方法。     

基于气压高度辅助的机载自主完好性监测算法

卫星接收机自主完好性监测是指根据用户接收机的多余观测值监测用户定位结果的完好性,其目的是在导航过程中检测出发生故障的卫星,并保障导航定位精度。针对卫星接收机自主完好性监测算法可用性不足的问题,结合机载实际导航系统配置,提出了一种基于气压高度表辅助的机载自主完好性监测算法。综合利用卫星导航系统及气压高度表观测信息,建立联合系统的观测模型,推导了基于多解分离的完好性监测及保护级别计算方法。仿真结果表明,相比于传统的接收机自主完好性监测算法,该算法在可见星为5颗时仍能识别故障卫星。该算法具有更好的故障检测能力及可用性,能有效提高卫星导航系统的完好性监测性能,从而保证卫星导航系统的精度和可靠性。     

飞机电源系统故障诊断方法综述及发展趋势

飞机电源系统是机上一切用电设备的电能来源,其安全性与可靠性至关重要。在环保和高效发展需求的背景下,现代航空工业正在推进以电能为核心的多电/全电飞机技术的研究和应用。电驱动装置和电力电子器件的广泛使用导致飞机电源系统结构的复杂化,对飞机的可靠性、安全性、测试性和维修性提出了更高的要求,研究飞机电源系统的故障诊断技术具有重要意义。首先介绍了飞机电源系统的组成结构和各自功能,概述了飞机电源系统的发展历程,对比了国内外典型电源系统的特征,总结了飞机电源系统中的主要故障模式、故障特点和失效原因,并提出了一种飞机电源健康管理系统的设计架构,然后综述了国内外基于模型和基于数据的故障诊断方法研究进展,从准确度、数据需求量、适用性和实现难易程度等方面评述了各类诊断方法的特点,最后指出了飞机电源系统故障诊断技术面临的挑战和发展趋势。     

基于弹性小波神经网络的故障诊断研究

航空电源系统是机上设备的重要组成部分,任意一个环节出现故障,将会影响整个飞机系统的正常安全运行。针对神经网络收敛速度慢,易陷入局部最小的缺点,将小波神经网络结合弹性BP算法应用到电源系统故障诊断中。训练过程及仿真结果表明：小波神经网络故障诊断算法收敛时间方面表现更优,具有较高故障诊断率。     

故障模拟多功能振动试验台的设计

提出了一种多功能振动试验台的设计方案,可模拟多种转动机械振动状况,配置数据采集分析系统,通采集、分析安装在试验台上的传感器信号,可对转子的振动情况进行测量。模拟转子动平衡、不对中、轴承故障等实验,便于技术诊断人员、科研实验人员进行转子多种振动和轴承故障的测试实验,也适合对相关技术人员进行教学培训工作。