航空发动机数控系统多故障识别

提出了一种基于模糊逻辑的航空发动机数控系统多故障的识别方法.首先采用Takagi-Sugeno(T-S)模糊模型描述一种涡喷发动机数控系统的非线性模型,然后应用全解耦奇偶方程进行多故障的检测和隔离,并结合卡尔曼滤波器识别出传感器和执行器故障参数.仿真结果表明,针对传感器和执行器同时发生故障的情况,此方法能有效检测故障,并能准确识别出故障参数.      

某高负荷前掠双级风扇设计与掠形机理研究

介绍了某高负荷双级前掠风扇的设计方法和设计结果.为改善风扇性能, 采用了转子叶尖和静子叶根适度前掠的设计方法.在此设计基础上对前掠和后掠两个单级的三维数值解进行对比研究, 认为前掠、后掠所得风扇效率的差别很小, 转子通道在三维相对运动中不存在旋向相反的流动形态;前掠明显提高失速裕度的主要原因是转子通道激波曲面按其自身结构的需要而展向发展, 它的展向构形和流向平衡位置不完全随叶片前缘形状改变, 因此前掠增大了激波与前缘的相对距离.      

民用航空发动机性能故障诊断途径

发动机性能状态监控是保证飞行安全的重要手段.航空专用数据链通信系统(ACARS)和快速数据存取记录器(QAR)已经越来越普遍地被各航空公司所采用.介绍了多个综合利用ACARS、QAR译码巡航报告等信息对V2500发动机进行性能故障诊断的案例,对如何利用多种手段和EHM软件对V2500发动机进行故障诊断作了总结.     

故障星分布对星座PDOP可用性影响的建模及评价

 导航星座定位精度衰减因子（PDOP）可用性是卫星导航系统顶层设计的重要指标。研究了不同故障星分布状况对全球导航星座PDOP可用性的影响。首先,从概率角度并采用组合方法建立了全球导航星座PDOP可用性指标的统计评价模型。进而对给定数量的故障星分布在单个或多个轨道面内的不同状况下,典型的Walker δ构型导航星座的PDOP可用性如何变化进行了仿真计算和比较分析。仿真结果表明,故障星分布状况和轨道平面数对星座PDOP可用性有较显著影响,适当地减少轨道平面数对于改善星座的PDOP可用性是有利的。提出的评价模型物理意义明确,避免了主观性和局限性,且可以保证较高的指标评价效率。     

系统可靠性的贝叶斯网络评估方法

 针对现有组合法与状态法在可靠性评估方法中的局限性,对基于贝叶斯网络的系统可靠性评估新方法进行了研究。运用该方法进行可靠性评估,不但能计算出系统的可靠性指标,而且能方便地给出一个或几个部件对系统可靠性影响的大小,识别系统的薄弱环节。结合故障树方法建立系统可靠性评估的贝叶斯网络模型,并用实例阐述了贝叶斯网络方法进行系统可靠性评估的有效性。同时通过对贝叶斯网络的条件失效概率与系统可靠性评估中常用重要度指标的对比分析表明,贝叶斯网络的推理算法更便于查找系统的薄弱环节。     

基于证据理论的航空发动机早期故障诊断方法

在分析航空发动机早期故障特点和数据融合的基础上,将证据理论应用于发动机故障征兆级别的数据融合中,提出了构造基本信任指派函数的方法,从而得到了更准确的早期故障征兆.在此基础上,应用模糊聚类分析方法,依据最大隶属度原则得到发动机早期故障源.该方法考虑了发动机早期故障征兆不明确、不精确、不肯定等特点,应用模糊测度来表示征兆,更符合发动机早期故障的实际情况.      

基于粗糙集和神经网络的导弹故障诊断方法

人工神经元网络（ANN）具有本质的非线性特性、并行处理能力以及自组织自学习的能力,但单独使用ANN处理问题时,往往会存在一些缺陷。文章介绍导弹驾驶仪故障智能诊断的一种新方法：首先,利用粗糙集原理约简故障特征属性数据;其次,用带动量项的批处理BP神经网络方法对故障数据进行训练并检验;最后,将故障数据处理后输入神经网络分类器,对故障实施诊断。     

航空发动机滑油综合监控中的磨损故障融合诊断研究

单一的滑油光谱监控手段容易漏报航空发动机磨损故障.根据滑油光谱监控和自动磨粒检测互补的特点,在某型航空发动机上实施滑油综合监控,应用Dempster-Shafer(D-S)证据理论实现发动机磨损故障的融合诊断,并开发出基于上述监控方法和信息融合诊断的滑油监控专家系统.通过对实际诊断案例进行分析,结果表明:提出的滑油综合监控和融合诊断方法可有效解决该型发动机轴承故障预报的难题.      

一种基于知识推送的故障诊断系统

分析了基于知识的故障诊断,针对现有系统不能主动将知识在适当的时候传递给决策者的缺点,提出了一种基于知识管理的、以数据流驱动的、知识主动推送的故障诊断系统的体系结构,分析了其主要层次结构及知识的组织和管理,提出了以数据流驱动的知识主动推送方式.建立了知识主动推送的控制模型,开发了知识管理和数据流驱动的集成原型系统,并以液体火箭发动机试车台的故障诊断为例,实现了基于知识推送的故障诊断系统,后续实验证明了该方法的有效性.      

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.