基于贝叶斯网络的发动机燃油系统故障诊断

在构建某型发动机燃油系统故障诊断贝叶斯网络模型的基础上,提出逆向推理的最强依赖路径算法,通过该算法可以对故障可能的原因按概率大小进行排序,进而快速、准确地对故障进行定位,从而大大提高复杂系统故障诊断的效率。     

基于SINS/GPS/CNS的机载综合导航系统故障诊断方法研究

传感器是导航系统中的重要部件,传感器故障容错性的分散化滤波,对提高系统的可靠性具有重要意义.以SINS/GPS/CNS组成的组合导航系统为研究对象,采用联邦滤波和方差交叉滤波相结合的方法,实现了对传感器故障具有容错性的分散化滤波,对导航系统的精度和容错性进行分析.仿真结果表明,将分散化滤波方法用于多个传感器组成的组合导航系统,不但具有精度高的特点,而且由于具有信息的冗余,整个系统具有较好的容错能力,可以提供更加完善、精确地反映运载体运动的导航信息.     

机载机电系统可靠性的计算机辅助分析方法

 为了提高机载机电系统的可靠性,机载机电系统常采用余度系统,以达到故障容错,进而实现整个飞机系统的高可靠性和安全性。开发适应于余度间耦合、动态性能降级的ReliaApp可靠性分析评价软件平台,通过有效综合故障模式影响（FMEA）、故障树分析（FTA）和Markov状态转移链法,实现不同容错设计方案的选择、机电系统的可靠性定量评价并给出系统的薄弱环节,为系统的余度配置和改进设计提供软件设计与评估平台,以确保飞机系统的高可靠性和安全性。实例应用表明该软件平台是飞机机载机电系统可靠性设计与评价有效的计算机辅助工具。     

一种基于事件序列的故障树最小割集算法

在系统分析故障树最小割集各种求解算法的基础上,提出了一种故障树事件序列的数据结构,并针对该数据结构,设计了一种高效的故障树最小割集求解算法,并对其替换子算法、复制子算法和消减子算法进行了形式化描述。算法可有效降低最小割集生成中的“组合爆炸”问题,实验结果表明算法具有较好的计算性能。     

基于不完备模糊规则库的信息融合故障诊断方法

在基于模糊推理的故障诊断专家系统中,规则库的不完备常常会引起系统的某些输入产生的输出不确定。针对此问题,将模糊推理与证据理论相结合提出了一种新的融合诊断方法。首先根据证据的随机集表示及随机集扩展准则将模糊输入映射到输出,并聚合生成故障命题的基本概率赋值(BPA),以度量由规则库不完备和输入模糊性引起的输出不确定。然后利用Dempster组合规则将多个不完备规则库提供的BPA融合,用融合结果判决故障,并以电机转子故障诊断为例,验证了所提方法可以有效地提高故障确诊率。     

基于奇异值分解的铅锌冶炼过程故障二次分离

铅锌冶炼过程是非常复杂的反应工艺,工况变化较大,在线监控和故障诊断的难度很大。铅锌冶炼过程故障分离的目的是根据异常监控变量来判断故障类型,由于铅锌冶炼过程故障的特殊性,不同类型的故障可能导致相同的监控变量发生异常,采用传统的故障分离方法不能有效地判断故障类型。本文提出一种基于奇异值分解的故障二次分离的方法,通过进一步分析监控变量和故障类型的对应关系,解决故障分离不彻底的问题。试验结果证明了方法的有效性。     

自治式水下机器人推进器故障检测、分离与重构

研究自治式水下机器人推进器故障检测、分离与重构问题。针对水下机器人故障诊断残差法中残差阈值不易选取的问题,提出了一种基于观测器的水下机器人推进器故障检测与分离方法,通过构建故障检测观测器对推进器故障与残差信号进行解耦,使推进器出现故障后仅引起与其相关的残差呈单调变化,从而可选择较大的阈值进行故障检测以提高诊断系统的可靠性,该方法在故障检测的同时可进行故障分离。针对系统不确定性导致的推进器故障重构精度低的问题,提出了一种RBF神经网络与等效输出注入相结合的故障重构方法,采用等效输出注入方法估计不确定性项,从神经网络输出中重构推进器故障。     

基于时滞分解的线性时滞系统主动容错H_∞控制

采用一种具有广义内模控制结构的反馈控制器,研究一类线性时滞系统的主动容错H∞控制问题。针对可由外系统描述其动态行为的故障,设计基于观测器的故障估计器,并将故障估计用于反馈控制的故障补偿。采用一种新的时滞分解方法选取Lyapunov-Krasovskii泛函,推导并证明问题可解的充分条件,最后给出主动容错控制系统的设计算法。最后通过算例验证了提出方法的有效性,并且利用时滞分解方法,保守性减小。     

战斗部中火工品装配技术研究

介绍了战斗部用火工品的分类、组成和原理,论述了各种火工品在战斗部中装配的安全要素,装配过程中发生的主要故障,以及故障处理和预防。工程应用表明采取安全技术措施和故障处理技术,杜绝了火工品装配引起的安全问题,产品的故障率大幅度下降。     

A two-step weighted least-squares method for joint estimation of source and sensor locations: A general framework

It is well known that the Two-step Weighted Least-Squares(TWLS) is a widely used method for source localization and sensor position refinement. For this reason, we propose a unified framework of the TWLS method for joint estimation of multiple disjoint sources and sensor locations in this paper. Unlike some existing works, the presented method is based on more general measurement model, and therefore it can be applied to many different localization scenarios.Besides, it does not have the initialization and local convergence problem. The closed-form expression for the covariance matrix of the proposed TWLS estimator is also derived by exploiting the first-order perturbation analysis. Moreover, the estimation accuracy of the TWLS method is shown analytically to achieve the Cramér-Rao Bound(CRB) before the threshold effect takes place. The theoretical analysis is also performed in a common mathematical framework, rather than aiming at some specific signal metrics. Finally, two numerical experiments are performed to support the theoretical development in this paper.