基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。     

飞机转速摆动故障模糊诊断模型的建立及其仿真研究

鉴于传统故障诊断技术在飞机发动机故障诊断中不能较好吸收人类经验的缺点,文章运用模糊推理技术,模拟专家的故障诊断推理过程,建立了某型军用飞机发动机转速摆动故障的模糊故障诊断模型,并运用模糊神经网络对该模型进行了改进。仿真结果表明,所建立的模型可以很好地吸收维护人员的故障诊断经验,对故障原因可做出准确判断,训练完成的模糊神经网络模型可实现模糊模型的故障诊断功能,解决其不能自学习的问题。     

某型航空涡扇发动机试车振动异常现象分析

对某型航空涡扇发动机在试车中出现的振动过大现象进行了测量和分析。在对发动机进行时域、频域和三维谱阵等分析后,发现发动机的振动与转频变化密切相关。根据发动机转子不平衡和不对中等故障的振动特征,发现不平衡振动是导致01号发动机在试车中振动异常的原因;02号发动机试车振动中不对中特征明显。所得出的结论对该型航空发动机的故障诊断有一定的参考价值。     

基于神经网络的某导弹姿态控制系统故障诊断

介绍了多层前向神经网络及其算法 ,讨论了神经网络在故障诊断方面的应用 ,并对某导弹姿态控制系统的典型故障进行了神经网络建模 ,经测试取得了良好的效果。     

一种排除带凸肩风扇叶片榫头故障的新方法

探索了一种采取黏弹性橡胶阻尼器抑制带凸肩风扇工作叶片共振的新途径,通过应用于某型机风扇第1级叶片,在叶片结构不变的条件下排除了其榫头断裂故障。在发动机上的验证结果表明:根部橡胶阻尼器减振结构对叶片榫头出现最大振动应力的振型的抑制效果明显,从而拓展了黏弹性材料的应用领域。     

涡轮泵实时故障检测的改进自适应相关阈值算法

1引言火箭发动机在飞行使用之前,需要分析试车振动数据以评估发动机的性能与状态[1]。涡轮泵是液体火箭发动机中最复杂故障概率最高的部件[2],而振动是涡轮泵故障的重要起因[3],因此,涡轮泵振动数据的分析显得尤为重要。目前,它的主要分析方法有时域统计[4]、频谱分析[5]、神经     

基于DCOM技术构建分布式数控故障诊断系统

简要介绍DCOM技术的特点,对利用DCOM技术构建分布式数控故障诊断系统进行了研究,并提出了系统的组件模型结构。     

卫星故障诊断的最优奇偶向量法

 提供一种卫星故障诊断方法以提高 GPS导航的完整性。该方法利用最优奇偶向量来检测和诊断卫星故障以提高卫星故障诊断的准确性。仿真结果显示,在故障幅值较小的情况下最优奇偶向量方法相比广义似然比方法可以提高故障的正确检测率和正确诊断率。该方法还可以缩短检测斜坡型故障的时间,从而提高了系统的可靠性。     

飞机维护信息产生逻辑的解析

目前飞机故障诊断领域的研究多从飞机故障数据起始,对飞机故障如何产生和处理少有涉及。若缺乏对源头数据的分析,很难将故障诊断模型与机载故障触发逻辑有效匹配。为此,提出要采取飞机故障诊断模型和机载系统设计思路相吻合的故障诊断模型设计方法,对机载系统的故障产生逻辑和处理方法进行了解析,为下一步故障诊断奠定基础。     

根据遗传算法的拉深模试冲缺陷智能诊断

总结了拉深模试冲时的缺陷及原因，建立原因表，应用遗传算法技术对拉深模试冲时的缺陷进行智能诊断，探讨了提高拉深模试冲时的缺陷诊断准确率的优化方法，描述了遗传算法的诊断过程。