发动机故障诊断主状态量模型合理解的选择

主状态量模型是基于发动机故障方程的发动机故障诊断的一种十分有效的方法,它在发动机故障诊断上的成功应用已为大量实例所证实。发动机故障诊断主状态量模型的一个技术关键就是合理解的选择问题。本文给出了选择合理解的基本原则。这些原则可以有效地提高合理解选择的确定性和故障诊断的故障分辨率。对于JT9D发动机的大量故障实例利用主状态量模型(加权最小二乘法)进行了检验。故障诊断的成功率达90%以上,并且得到了许多有用的信息,文中给出了24个实例的故障诊断结果以及故障趋势分析的典型例子。     

EMD和SVM在刀具故障诊断中的应用

与传统方法相比,声发射传感器在刀具故障诊断方面有很大的优势。将声发射传感器应用于刀具切削过程中,提出了基于经验模态分解（EMD）和支持向量机（SVM）的刀具故障诊断方法。该方法首先对标准化的声发射信号进行经验模态分解,将分解后的有限个固有模态函数（IMF）通过一定的削减算法增强故障类型特征,把每个IMF和残余项的能量以及整个信号的削减比作为特征向量,最后将特征向量输入支持向量机进行训练和测试,判断刀具的故障类型。通过对某一刀具的故障诊断结果进行分析,验证了该方法的实用性和有效性。     

航空发动机整机试验性能故障诊断系统设计

以航空发动机整机试验数据为研究对象,建立了1套气路性能故障诊断系统。该系统可对在研制和生产过程中的试验结果进行气路性能故障诊断分析;在分析发动机台架试车特点的基础上,阐述了该系统的设计功能和总体流程逻辑,并介绍了一些功能模块的流程设计;最后就系统的发展进行了讨论。经过带噪声的数值试验和真实试验数据验证,所建立的故障诊断系统诊断有效。     

转子振动故障的小波能谱熵SVM诊断方法

融合小波能谱熵和支持向量机(SVM)的特点,提出了基于小波能谱熵的SVM故障诊断方法.利用转子试验台对转子典型振动故障进行模拟并采集振动数据,提取其振动信号的小波能谱熵作为特征向量,通过样本训练建立了转子在各种典型振动故障状态下的SVM模型和多类分类器,进而实现了对未知转子振动故障的识别.实际应用表明,提出的转子振动故障诊断方法是可行和有效性的.      

基于改进模糊SVM的转子振动故障诊断技术

首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行的和有效的.     

基于二叉树支持向量机的装备故障诊断研究

本文提出了一种基于二叉树支持向量机的某型装备故障诊断方法,应用该方法构造了多故障分类器,并通过某型装备故障实例验证了该方法故障诊断结果的正确性,证明了该故障诊断方法具有良好的鲁棒性和推广性。     

基于振动检测的发动机故障诊断算法研究

基于振动检测的发动机故障诊断算法,分析发动机发生故障时振动信号所具有的特征和故障诊断指标选择,对振动信号预处理、特征提取、状态识别和诊断决策分别进行了介绍,研究出采用振幅和频率两参量包络曲线法诊断发动机故障的算法,通过发动机热试车验证了采用发动机振动检测来判断发动机故障的算法的正确性。     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

防空导弹武器系统故障诊断技术探究

对主要的故障诊断技术进行了系统地归纳和分类,并重点讨论了基于知识处理的智能故障诊断方法,对专家系统故障诊断方法、故障树故障诊断方法、模糊故障诊断方法、神经网络故障诊断方法以及基于支持向量机的故障诊断方法进行了详细介绍。     

基于Markov链的FSM容软错误设计

随着深亚微米工艺的广泛应用,持续攀升的软错误率对宇航设备的电路可靠性造成了极大影响。针对现有冗余防护技术面积开销大的不足,将概率统计的思想运用到有限状态机（FSM）的软容错设计上,提出了选择部分状态冗余的容错方法。在Markov链模型的基础上,计算出各状态概率,从而为状态冗余提供依据。与未经选择状态冗余的电路相比,以平均增加14.9%的面积开销为代价,这种电路可屏蔽87.6%的时序逻辑单翻转（SEU）。