涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。     

RS码的时域编码频域译码技术

通过对于RS码的时域编码／频域译码的算法进行分析,找到了它们的不同之处及转换方法,得出了时域编码／频域译码的混合编译码方法,提高了运算速度和纠错能力。     

基于扩展卡尔曼滤波器的微型燃气轮机传感器 故障诊断与硬件在环验证

为了解决微型燃气轮机在变工况条件下的传感器信号故障诊断问题,提出了基于1簇卡尔曼滤波器的故障诊断方法。该方法基于V字研发流程,使用基于模型的设计方法开发了Simulink微型燃气轮机部件级仿真模型,设计了变负载条件下的传感器故障诊断与隔离系统。基于全数字仿真平台和硬件在环仿真平台对模型以及故障诊断与隔离系统进行集成验证。结果表明:基于MBD方法的全数字仿真及硬件在环仿真具有很高的一致性,能够快速实现模型转换及验证,为微型燃气轮机控制算法开发与硬件在环验证提供了有力的支持。     

基于强跟踪EKF的组合导航系统故障检测方法

针对大方位失准角的机载SINS/GPS组合导航系统,为保证在高动态环境下实现高精度、高可靠的导航,利用强跟踪EKF滤波残差设计了一种基于残差统计特性的坏值检测算法,对导航信息进行估计和跟踪.仿真结果表明,该算法能够实时检测出GPS量测信息中的坏值信息,隔离后可显著提高组合导航精度,具有较高的可靠性、出色的容错能力和重要的工程应用价值.     

电缆故障在线检测定位装置研究

电缆作为飞机电源系统的重要组成部分,实现电缆故障的在线诊断,可以提高其可靠性。采用扩展频谱时域反射法(SSTDR),基于FPGA技术,设计一种板级速率为500 MHz的飞机电缆故障在线检测和定位装置,并进行实验验证。结果表明:该装置能够实现电缆开路、短路以及间歇性电弧的在线检测和定位,具有定位精度高、实时性好等优点;利用该装置在线监测电缆的健康状态,实现难以复现的间歇性故障的检测,能够提高地面运营、维护效率,节省人力物力,具有较高的工程应用价值。     

基于粗糙集理论的卫星故障诊断方法

卫星结构和控制的复杂性、独特性和诱发故障的多源性导致其故障诊断的困难．卫星的一种故障模式与许多症状变量有关,目前的故障诊断推理因未充分考虑症状变量的冗余变量而比较复杂．提出了基于粗糙集理论的故障症状约简新方法,用卫星故障实例研究了新方法的应用,结果表明该约简方法对消除卫星故障症状信息冗余、简化和优化故障诊断推理非常有效。     

空间目标一维距离像重构的线性规划方法

高分辨一维距离像是空间目标故障诊断与识别的重要手段。针对典型的空间目标 ,文章采用稀疏成份分析法研究了一维距离像的超分辨重构和特征提取问题。将处理实信号的基寻踪方法推广到复信号 ,并利用约束最小二乘解提出了一种次优的距离像重构算法 ,实现了空间目标散射中心的有效分离。数值结果验证了其合理性和有效性。     

故障诊断与维修指导系统

故障诊断与维修指导系统是用于演示验证新型号垂直发射车用CAN总线通讯系统可靠性的设备,通过CAN总线节点、单板节点、通讯电缆组、供电模块以及系统软件,对垂直发射车的通讯故障进行模拟、检测和分析,对垂直发射车通讯系统的健壮性和安全性进行评估并提供维修指导原则。     

基于RBF带学习能力高精度非线性FDD设计

在轨航天器故障检测与诊断问题需要面对模型的非线性,而且要求尽量提高其检测的精度,为此设计了基于径向基函数（RBF）神经网络的动量轮非线性故障检测与诊断（FDD）方案。首先应用RBF补偿建模误差,提高检测精度,并选择李雅普诺夫函数证明其收敛性;然后应用非线性观测器来产生故障残差,给出了阈值以及故障检测的时间;应用RBF网络对故障信号进行重构,并据此设计了带学习能力的FDD策略。再次建立了详细的动量轮模型,通过不同条件下的仿真研究分别验证残差的阈值特性、时间特性以及RBF的重构能力,仿真结果表明了算法的有效性。     

Fault diagnosis based on measurement reconstruction of HPT exit pressure for turbofan engine

Aero-engine gas path health monitoring plays a critical role in Engine Health Management(EHM). To achieve unbiased estimation, traditional filtering methods have strict requirements on measurement parameters which sometimes cannot be measured in engineering. The most typical one is the High-Pressure Turbine(HPT) exit pressure, which is vital to distinguishing failure modes between different turbines. For the case of an abrupt failure occurring in a single turbine component, a model-based sensor measurement reconstruction method is proposed in this paper. First,to estimate the missing measurements, the forward algorithm and the backward algorithm are developed based on corresponding component models according to the failure hypotheses. Then,a new fault diagnosis logic is designed and the traditional nonlinear filter is improved by adding the measurement estimation module and the health parameter correction module, which uses the reconstructed measurement to complete the health parameters estimation. Simulation results show that the proposed method can well restore the desired measurement and the estimated measurement can be used in the turbofan engine gas path diagnosis. Compared with the diagnosis under the condition of missing sensors, this method can distinguish between different failure modes, quantify the variations of health parameters, and achieve good performance at multiple operating points in the flight envelope.