基于神经网络算法的液体火箭发动机实时故障检测方法研究

以某液体火箭发动机为研究对象,将实时故障检测作为中心,分析了神经网络算法的特点及其实现步骤,利用Lab Windows/CVI与MATLAB混合编程的原理,实现和改进了基于神经网络的发动机实时故障检测方法,并用多次试车数据进行了检验.试车数据验证结果表明,该方法能及时、准确、有效地检测发动机稳态过程的故障.研究结果对发展未来液体火箭发动机的箭载故障检测系统具有重要的参考价值.     

基于故障因子函数的鲁棒联邦滤波算法研究

针对联邦滤波器子系统传感器故障，提出了一种基于状态递推器的滑动残差检验法，并在故障检测函数的基础上，定义了故障因子函数，用于联邦滤波器的信息分配。根据新的算法，联邦滤波器的信息分配系数可根据故障因子函数进行自动调整，以减少故障通过全局重置对其他无故障子系统的污染程度，从而减少了故障信息的影响程度和持续时间，提高了故障隔离后联邦滤波器的快速恢复能力。仿真结果表明该算法是有效的。     

基于新型终端滑模的航天器执行器故障容错姿态控制简

 针对受干扰的刚体航天器冗余执行器存在故障与控制受限的姿态跟踪控制问题,提出一类基于新型指数形式的非奇异快速滑模面（ENFTSM）与趋近律的姿态容错控制器设计方法。当部分推力器发生故障时,假设剩余推力器具有输出饱和特性且能提供足够推力保证航天器执行任务,相比一般终端滑模控制器,本文设计的控制器不仅能使系统状态以更快的速度到达平衡点,且不需要在线对执行器故障信息进行检测和分离。基于Lyapunov方法证明本文设计的控制器能保证闭环系统稳定,且能有效地抑制外部干扰、控制受限和执行器故障等约束。最后对提出的控制算法进行了数值仿真,其结果表明了该控制器的有效性。     

BIT技术在导航系统中的应用优势

介绍了BIT技术的定义、分类和关键技术,阐述了导航系统故障检测的特点,探讨了BIT技术在导航系统应用,能够增强导航系统内部各子系统故障诊断能力,信息融合能力,并为冗余设计和系统重构提供基础等方面的优势.     

有限长椭圆瓦轴承油膜力近似解析模型

基于动态油膜边界条件,利用分离变量法求解Reynolds方程,获得了有限长圆瓦滑动轴承油膜压力分布表达式,推导了圆瓦轴承油膜力近似解析模型.在此基础上,根据椭圆瓦轴承油膜边界条件,建立了有限长椭圆瓦轴承油膜力近似解析模型.与有限差分法模型、长轴承模型、短轴承模型对比的结果显示,有限长椭圆瓦轴承油膜力模型能够适应任意长径比,且具有较高计算精度.基于给出的模型,利用Runge-Kutta法分析了刚性转子-椭圆瓦轴承系统的动力学特性,仿真结果表明,该模型能够较好描述椭圆瓦轴承油膜动力特性.      

轴连轴承温度场的有限元分析

根据轴连轴承组件的结构及特点,建立了有限元模型,实现了对轴连轴承温度场的有限元分析.首先采用拟静力学方法分析出轴承工作时钢球的自转速度,然后计算出轴承在不同的内圈转速、轴向载荷和径向载荷下的功率损失,最后使用ANSYS软件计算出轴承的温度分布.通过算例分析了不同工况对轴连轴承工作温度分布的影响,并进行了试验验证,结果表明:轴向载荷和内圈转速对轴承温度分布影响较大,而径向载荷的变化对轴承温升影响不显著.      

基于Petri网的飞机交流发电机故障诊断系统研究

针对目前飞机交流发电机故障诊断专家系统存在的知识表示复杂、诊断速度慢等问题,基于故障Petri网方法来进行知识表达,以快速准确对故障进行诊断,首先利用故障Petri网来建立飞机交流发电机的故障诊断模型,然后采用关联矩阵和状态方程的推理算法进行故障诊断推理,提高了推理速度,易于编程实现。最后通过实例分析验证了该方法的可行性和有效性。     

PTFE/30CrMnSiNi2A 的重载摩擦性能

采用PTFE与30CrMnSiNi2A钢制成自润滑轴承,在重载工况下进行了数值模拟及试验分析,研究了自润滑轴承的主要失效形式、摩擦面状态及性能对摩擦性能的影响,并分析了轴承的磨损机理.结果表明:该轴承在重载下以润滑层失效为主要破坏形式,改善摩擦面能够有效提高轴承的摩擦性能;在摩擦过程中PTFE不断被挤出,形成转移润滑膜,起到了减小摩擦因数的作用.     

基于研制信息的测试性验证试验方案研究

针对现有测试性验证试验方案需要较大故障样本量的问题,提出了一种利用研制信息制定测试性验证试验方案的新方法。首先,在二项分布经典抽样模型的基础上,运用证据理论方法,研究了基于测试性试验数据、测试性预计结果和专家经验等研制信息的基本信任分配函数的构造方法,建立了基于融合不同种类研制信息的测试性验证试验方案,并确定了该方案的存在性,给出了方案的确定方法,最后开展了案例应用研究。由于充分考虑了研制信息,因此在确保有较好的验证效果的条件下,与传统的试验方案相比,该方法可以明显减少故障样本量,或在样本量保持不变的情况下有效降低双方风险。     

基于改进HMM和LS-SVM的机载设备故障预测研究

针对传统故障预测方法不能直接预测设备状态的不足,提出了将改进隐马尔科夫模型（HMM）和最小二乘支持向量机（LS—SVM）相结合的机载设备故障预测方法。首先,采用多智能体遗传算法对HMM参数进行训练优化,克服了B-W算法易陷入局部最优解的缺陷;其次,分别研究设计了设备是否具有使用阶段状态退化过程数据2种情况下的故障预测算法流程;最后,以飞机发动机温控放大器为应用对象进行仿真计算。结果表明,该算法不仅预测精度高,而且预测结果直接与设备状态相关,易于理解分析。