基于BP网络信息融合技术的电路板故障诊断

对基于BP神经网络的信息融合故障诊断技术进行了研究,将信息融合技术应用到某型反舰导弹俯仰综合放大器电路板的故障诊断中,并利用改进的BP神经网络进行数据融合,得到了较为理想的结果.研究表明,该方法能够较好地解决电路板元件故障诊断的不确定性问题.     

航空发动机风扇转子叶片外物损伤I.鸟撞击试验研究(英文)

本文改进了叶片鸟撞击试验条件。对某型发动机风扇一级转子叶片进行了鸟撞击试验。通过对叶片的鸟撞击瞬态响应分析和撞击前后叶片叶型变化的分析,验证了风扇一级转子叶片的抗鸟撞击性能,为某型发动机风扇转子叶片的抗外物损伤设计提供了依据。     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

AP聚类改进免疫算法用于航空发动机故障诊断

在免疫算法训练过程中引入近邻传播(AP)聚类与熵权法,对训练样本进行聚类与权值计算,将权值引入免疫算法中样本选择阈值的计算,以解决训练过程采用固定选择阈值所造成的检测器在部分区域过拟合,部分区域欠拟合的问题。结果表明:改进的免疫算法用于典型非线性函数的寻优时,迭代性能均优于传统免疫算法,并在大部分情况下优于粒子群算法与量子遗传算法,在进行某型发动机故障诊断的实例实验时,改进后的算法的诊断准确率达到98.06%,高于传统免疫算法的92.60%。      

基于混合卡尔曼滤波器组故障传感器定位方法

为了在发动机性能蜕化与传感器故障并存的情况下实现故障传感器的定位与部件蜕化情况的估计,并实现故障诊断基准数据的修正,构建了1种包含了机载模型与线性卡尔曼滤波器的组合结构混合卡尔曼滤波器组。该卡尔曼滤波器组能够在之前所描述的故障/蜕化耦合情况下定位故障传感器,并得到较为准确的部件蜕化估计结果。为了验证了混合卡尔曼滤波器组的有效性,进行了相关仿真。仿真结果表明:混合卡尔曼滤波器组能够在发动机动态过程中遭遇传感器故障与部件蜕化并存的情况下完成故障定位与蜕化估计。     

双馈风机接入对系统极限切除角的影响

风电场的大规模接入对电网暂态稳定性造成的影响不容忽视。以含双馈风电机组的扩展两机系统为例,建立了双馈风机等值模型,将两机系统等值成单机无穷大系统,依据等面积法则详细推导了风电接入后系统极限切除角的解析式,进而定量分析了极限切除角随风电比例、风机并网位置、故障位置和负荷接入位置等4个影响因素的变化趋势,总结出4种影响因素对暂态功角稳定性的影响规律。在BPA和FASTEST中分别建立含双馈风机的扩展双机系统的仿真模型,对理论分析工作的正确性进行了仿真验证。     

叶片丢失后发动机整机响应模拟试验与仿真

依据大涵道比涡扇发动机结构设计了叶片丢失试验台,开展了一系列模拟叶片丢失试验,并采用显式有限元方法进行了数值仿真,研究了发动机叶片丢失后整机结构响应与载荷传递规律。结果表明:丢失叶片与机匣存在叶尖与叶身两次撞击,对应的加速度曲线存在两个响应峰值;转子转速越高,加速度响应幅值越大。叶片飞断后转子不平衡载荷传递路径为前轴承支承-中轴承支承-中介支板-机匣结构;叶片撞击机匣导致的冲击载荷则由风扇机匣向后传递,最终传给吊装结构;发动机承受的载荷是由不平衡和冲击影响耦合得到,其中冲击载荷为主要部分。该研究为掌握真实发动机叶片丢失下整机响应规律提供了试验模拟方法与数值仿真分析工具。      

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

基于HHT的航空直流串行电弧特征提取方法

由于飞机内部布线空间有限、电弧故障存在发生时间地点随机以及特征不明显等问题,导致检测困难。本文基于航空270 V高压直流（HVDC）系统开展直流串行电弧故障特征提取方法研究,采用希尔伯特黄变换（HHT）提取电弧电流交流分量的时域和频域特征量。选择HHT的固有模态函数IMF5瞬时幅值的峰峰值和标准差作为识别电弧故障的时域特征,与原始信号中提取的时域特征量对比,正常和电弧特征量的区分度更大;选择HHT的固有模态函数IMF1+IMF2、一定频带范围内的瞬时幅值计算得到的谐波功率和作为区分正常和电弧情况的频域特征量。与常用的快速傅里叶变换（FFT）方法相比,HHT三维时频谱能够反映信号的局部特征,HHT方法计算得到的正常和电弧特征量之间的区分度更大,电弧和正常特征量的比值最高可达346。基于HHT的电弧故障特征提取方法能够更好地区分正常和电弧情况,有助于提高电弧故障的检测率,降低虚警率,具有重要的工程应用价值。     

海上双馈电机开路故障容错性能评估

海上风电机组面临故障率高、停运损失大等问题,迫切需要及早发现运行故障、及时提供容错机制。构建基于西蒙决策理论的双馈风力发电机开路故障容错设计方案,选取电能质量和风力发电机组可靠性作为典型评估指标。结合双馈风力发电机组机侧变流器单相开路故障容错案例,给出量化的容错性能指标。结果表明及时有效的故障容错机制能够提高海上风电场的可用率,避免故障恶化,降低故障带来的经济损失。