基于模型的液体推进系统故障诊断算法

给出串联双涡轮结构以泵作为供应系统的液体火箭发动机系统故障仿真的准动态数学方法和基于灰色关联度分析的实时诊断算法。该算法对于调整计算确定的具体系统和预先设定的典型故障模式进行仿真计算、事先形成该发动机系统的故障模式样本集。试车时, 利用诊断算法对采集的发动机性能参数进行实时分析, 从而给出发动机所处的健康状况, 以便及时采取措施, 提高发动机的安全性和可靠性。      

传感器故障检测、识别和适应方法

对现有的方法进行了研究，着重阐述用检测滤波器思想进行传感器故障检测、识别和适应的方法。并利用这些方法，对一个具体的模型设计一个传感器故障检测、诊断和适应系统。通过故障仿真计算，验证了本文提出的方法使用的有效性     

BPN 在涡扇发动机气路故障诊断中的应用

本文应用误差反传网络（BPN）算法,研究发动机气路部件故障的定量诊断,并针对某型军用涡扇发动机的典型故障,给出了诊断结果,分析了测量系统的随机误差、发动机的不同工作状态、不同调节规律对的诊断结果影响,结果表明BPN可成功地应用于发动机故障的定量诊断。      

基于交互多模估计策略的故障检诊方法

针对多模自适应（ＭＭＡＥ）故障检诊（ＦＤＤ）方法的局限性,提出了一种基于交互多模（ＩＭＭ）估计策略的动态系统中多重故障的检诊方法。交互多模估计是针对包含有结构以及参数的系统的一种效率较好的自适应估计技术,它提供了故障检测、诊断和状态估计的集中框架。通过对在传感器和作动器中含有多个故障飞机的仿真。结果表明,所提供的方法比其它方法能够更快、更可靠地检测和隔离出多重故障。     

模糊外展故障诊断方法在飞机电源系统中的应用

讨论了一种模糊外展（ａｂｄｕｃｔｉｏｎ）故障诊断方法在电源系统应用。该方法在确定故障的种类的同时,还可得到故障的严重程度。特点是在测量信号不完整时可得到一个观测到的现象的“覆盖”集合。     

涡扇发动机气路故障定量诊断的BP网络研究

为了克服ＢＰ算法收敛速度慢的问题,提出了一种基于混合学习规则的ＢＰ算法,并采用模归一化方法,成功地定量组织了故障的学习样本,建立了能够定量分析发动机气路部件故障的人工神经网络（ＢＰＮ）。通过分析测量系统随机误差的影响和实际试车数据的效验结果,表明该网络具有较强的推广能力及适应性,能基本满足故障定量诊断的要求,并具有较好的工程实用性。     

航天器推进系统故障诊断专家系统的研制开发

论述了设计航天器推进系统故障监测与诊断专家系统的重要性和必要性。并结合具体工程背景所研制开发的诊断系统, 研究了其主要的设计思想、特点、功能以及软件需求分析,实现软／硬件环境     

试建立基于检测振动加速度信号的设备故障部位诊断模型

往复式压缩机、内燃机等复杂设备,一旦出现故障,诊断的首要任务是要判断它们的故障部位。以检测振动加速度信号取代传统的耳听手摸的经验方法是这类设备诊断的一个趋势。尝试着提出了基于检测振动加速度信号的设备故障部位诊断模型--单特征模型和多特征集成模型。通过在往复式压缩机和内燃机上的实例验证表明,提出的单特征模型和多特征集成模型具有一定的可行性,其中多特征集成模型比单特征模型更有效。     

有机硅工业中的铂催化剂研究进展

铂催化硅氢加成反应,广泛用于含Ｓｉ－Ｃ单体的制备及聚合物的交联,本文综述了铂催化剂的组成,表征,抑制剂的作用及铂催化剂催化机理。     

应用BP-ART混合神经网络的推进系统状态监控实时系统

应用ＢＰ－ＡＲＴ混合神经网络提出了一种供推进系统状态监控实时使用的系统,其拓扑结构为： 第一层处理单元由ＢＰ神经网络组成, 每个ＢＰ网络代表一个相应的推进系统组件; 第二层处理单元为一个ＡＲＴ神经网络, 网络的每一个输出代表推进系统的一种“健康状态”, 据此可对其故障进行“诊断”。该混合结构充分发挥了两类网络的优点, 给出的具体应用实例也显示出在推进系统实时状态监控与故障诊断应用中的有效性