基于协调近似表示空间的航空发动机故障诊断

航空发动机故障诊断的一个主要目标即是求出具有最大分布的故障类型,协调近似表示空间为统一处理不同信息系统提供了工具,并且考虑到航空发动机故障是典型的小样本问题,因此针对航空发动机故障诊断决策信息系统,在求取其基于最大分布的协调近似表示空间的基础上,引入规则融合方法得到所有不同条件下的决策规则,并将其用于历史故障数据的分析,得到了高的识别率,从实践的角度证明了该方法的有效性以及融合所得规则的普适性.      

基于知识的贝叶斯诊断网络模型建造方法

复杂系统贝叶斯诊断网络模型需要一个非常艰难的人工建造过程,而且故障样本的获得比较困难,通常面临故障样本缺乏的情况.围绕这些问题,本文提出了提取领域专家知识建造因果映射网络,转化因果映射网络为贝叶斯诊断网络的方法,并以运载火箭伺服系统关键部件伺服阀为应用对象,阐述了运用此方法建造贝叶斯诊断网络模型的关键步骤.最后,通过在单故障情况和多故障情况下的案例仿真,验证了贝叶斯诊断网络模型和模型建造方法的有效性.     

基于小波包分析的转子振动信号故障特征提取研究

针对处理转子振动故障时,FFT等传统方法不能很好地分析同一频率下不同类型故障并发的复杂信号的情况,提出采用小波包分析的方法并分离故障特征向量。通过对比FFT与小波包分析方法,可以明显看出小波包分析的先进性和有效性。     

航天器故障征兆识别机制研究

为克服针对二值逻辑型阈值比较方法的固有缺陷,本文基于航天器状态划分故障征兆的思想,提出了利用遥测数据的数值型特征甄别遥测野值并获取故障征兆可信度的规则推理新方法。经验证,该机制不仅能够有效避免遥测野值导致的诊断误报现象,而且能够充分体现遥测数据的变化趋势和满足判断条件。     

基于支持向量机的航空发动机整机振动故障诊断技术研究

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的一种新型机器学习方法,由于它出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。针对某型航空发动机整机振动过大的现象,提出了一种基于支持向量机（SVM）的整机振动故障诊断方法。首先介绍了SVM理论,然后根据SVM学习方法的结构风险最小化原则,对某型航空发动机已知的整机振动故障模式数据进行了训练和预测,并建立了基于SVM的航空发动机整机振动故障诊断模型。最后通过对已有故障模式进行诊断预测,证明该方法在航空发动机整机振动故障诊断方面具有良好效果。     

某液体火箭发动机现场故障诊断技术分析

针对某液体火箭发动机热试车时发生的故障,详细的分析了振动数据、压力数据及转速数据,研究了该发动机产生故障的原因,并在试验后的发动机分解后得到有效的验证。     

TCAS故障诊断专家系统设计与研究

文中分析了TCAS的故障现象,根据专家系统理论,结合故障树故障诊断理论,建立了TCAS故障诊断专家系统,并论述了知识库的构建、推理机的设计。采用Visual C＋＋作为软件开发环境,利用SQL Server实现整个专家系统框架设计。     

动力学环境试验技术在航天器结构故障诊断中的应用

文章概括介绍了故障诊断领域的应用发展情况,并以某航天器结构故障诊断为例,详细介绍了运用多种动力学环境试验技术对故障原因进行诊断的过程。说明有效地运用动力学环境试验技术,不但可以暴露结构设计缺陷,还可对航天器的结构故障状态进行诊断分析,准确查找出故障产生原因,为设计人员改进设计、排除故障提供有力的依据。     

带马尔科夫参数时滞容错控制系统稳定性分析

在主动容错控制系统 (AFTCS, Active Fault Tolerant Control System)中,故障检测与隔离(FDI,Fault Detection and Isolation)装置是核心部分,对系统故障诊断过程建模并研究其对整个系统的影响是十分重要的内容.考虑控制系统传感器到控制器之间由网络传输造成的常时滞,用两个马尔科夫随机过程分别描述系统的故障过程和故障诊断过程,建立多马尔科夫参数的系统模型;进而研究故障诊断装置对系统稳定性的影响,基于矩阵直积的方法,给出了不依赖延时的系统均方随机稳定的充分条件,为故障诊断方法的选择和评估提供了依据;最后给出了计算实例,根据稳定性条件,得出了在保持系统稳定的前提下,时滞、误检率和漏检率应满足的条件.      

基于部件特性未知的航空发动机故障诊断技术

以航空发动机部件通用特性为基础运用单纯形优化方法,发展了一种预测发动机部件特性的自适应模型方法。并以此为基础运用气路分析原理,选取表征发动机性能参数变化的症兆变量和测量参数,建立了发动机故障诊断小偏差方程。诊断结果表明:症兆变量的选取和相对变化值大小对故障诊断误差有决定性的影响,其值的选取应以门限值1/3为最佳;故障诊断模型症兆变量与实际故障症兆变量变化值相对误差控制在5%内,且不会对故障类型的判断产生影响;故障诊断模型在已知的检验结果内无误诊现象。