并行稀疏滤波在轴承声信号下的故障诊断

振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂，对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点，在轴承智能故障诊断中引起了广泛的关注。然而，由于航空发动机内声信号所处的环境噪声较强，传统的轴承故障诊断方法无法实现精确的特征提取。为此，研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点，在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取，可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法，能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取，然后采用权值归一化方法约束训练得到的权值矩阵。最后，通过仿真和实验数据验证了所提方法的优越性。结果表明，并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类，可用于声学信号下的轴承智能故障诊断。     

一种临近空间太阳能无人机自主故障诊断及应急处理策略

依据临近空间高空长航时太阳能无人机的特点,提出一种适用于此类无人机的自主故障诊断及应急处理策略。具体地,构建飞控系统故障诊断体系结构及逻辑规则,综合利用单机设备的状态回报、传感器输出等信息,设计逻辑规则判定单机状态或整机的飞行状态是否异常,并结合当前的飞控模式和飞行阶段确定应急等级和相应的处理策略。从设备复杂度和处理逻辑上讲,本策略较传统无人机的应急处理策略有较大差别,是一种新型的飞控系统自主故障诊断及应急处理策略,可为太阳能无人机飞控应急系统设计提供有效参考。     

智能控制在航天推力矢量伺服系统中的应用及展望

运载火箭控制技术的快速发展对推力矢量伺服系统提出了面对复杂非线性负载的自适应力位综合控制,智能故障诊断管理等新要求。结合近年来智能控制理论的进展,分析了几种可用于推力矢量控制的新型控制方法。在伺服系统中应用一些先进的智能控制理论,有望在负载辨识和模拟、自适应主动柔顺控制、故障诊断及余度管理等方面取得比传统控制方法更好的应用效果。     

试车台供气压缩机组并网控制方法

针对中国试车台供气压缩机组并网主要采用人工操作的现状,提出一种基于规则的专家系统,开展了供气压缩机组的并网仿真及相关验证实验。基于某型试车台供气压缩机组的结构,构建机组中压缩机、管网、换热器以及各个不同口径蝶阀的动态仿真模型;基于蝶阀连续动作阀位信号构建蝶阀执行机构动态模型;分析历史运行数据,构建基于规则的专家系统。在MATLAB/Simulink平台上搭建试车台供气压缩机组的并网仿真模型,进行并网控制仿真,并进行实验验证。实验结果表明,压缩机入口压力平均相对误差为3.12%,压缩机出口压力平均相对误差为0.44%,压比平均相对误差为3.23%。并网过程中实际机组最大压比为3.69,最小压比为2.27,满足机组安全要求,证明该控制策略具备可靠性。     

基于卷积双向长短期记忆网络的轴承故障尺寸估计

基于振动监测数据的航空发动机滚动轴承损伤大小识别,对于研究滚动轴承故障演化、故障预测和故障诊断具有重要意义。针对传统模型对先验知识依赖性高、特征提取不充分、故障尺寸训练类别有限等问题,提出了一种基于深度学习的滚动轴承损伤尺寸预计方法,能够对训练过程中未出现的中间尺寸进行准确识别。在经典模型的基础上,搭建了一种深度卷积网络与长短期记忆网络组合模型,该模型可对轴承振动信号的多维特征与时序特征进行充分提取,实现轴承故障的智能和高效诊断。最后,利用滚动轴承加速疲劳试验机,进行了多种转速与损伤尺寸下的滚动轴承故障试验,基于试验数据进行了方法的比较,结果表明,该组合网络的在正常和加噪的情况下预测精度分别达到99.94%和98.67%,较单独的深度卷积网络、长短期记忆网络及其他模型精度更高,比较结果充分表明了本文所提方法的优越性。     

基于多模型的航空发动机传感器混合故障诊断方法

本文在多模型架构下,提出一种航空发动机传感器在线混合故障检测与隔离算法。利用长短期记忆网络逼近航空发动机建模误差、健康参数变化、过程噪声和测量噪声等不确定性源引起的真实发动机与机载模型之间的偏差。将传感器测量输出与不确定性值的偏差用于一种基于多模型的混合卡尔曼滤波器组算法中,利用贝叶斯方法计算每个传感器在健康模式和不同故障模式下的条件概率,然后根据最大概率准则进行传感器故障检测与隔离,克服了阈值难以选取的问题。针对某型涡扇发动机传感器发生偏置故障、漂移故障和间歇性故障的情形进行仿真验证,并对比了不同传感器之间的检测与隔离精度。结果表明：所提出的方法可以在更高水平的退化下诊断出发动机传感器常见的故障,混合方法对不同不确定性源具有鲁棒性。     

应用人工神经网络技术对波音747—200型飞机发动机故障诊断研究

用人工神经网络技术,对波音７４７－２００型飞机的ＪＴ９Ｄ发动机的故障诊断进行了研究,并构成了诊断装置。该研究使用北京飞机维修工程有限公司提供的发动机性能监控数据央脱机后根据性能排队情况艇经验推定法,对发动机的一些常见故障和突发性故障进行了诊断。在诊断过程中,首先搜集发动机的故障状态数据,并对这些数据进行归纳选择,制成了诊断用的教师信号“故障模型”,通过神经网络系统对教师信号的学习,在一定范围内,对     

旋转机械轴系不对中故障的建模及其理论分析

轴系不对中是旋转机械常见的故障,通过对该故障建立理论模型,并采用 Ｒａｃｃａｔｉ传递矩阵法对之进行数值计算和理论分析,重点计算了角度不对中时的振动特性。为旋转机械的故障诊断提供理论参考。     

发动机故障诊断的变记忆约束滤波算法

为提高故障诊断可靠性,给出了3种利用多次测量信息减少测量误差影响的方法,即变记忆约束滤波算法、分段算术平均预平滑算法以及指数顶平滑算法。其中,变记忆约束滤波算法能够有效地避免由于故障方程多重共线性所引起的病态解。证明了多故障诊断问题中滤波算法与分段算术平均算法的等价性,证明了在衰减滤波的条件下（第一变记忆因子小于1）,随测量点数的增加,变记忆滤波算法的第一变记忆因子与指数平滑的平滑系数之和趋近于1。利用计算机仿真方法对于所得结论进行了检验。