三相永磁容错电机单相故障的容错控制

为了使三相永磁容错电机在单相故障后仍能输出满足要求的转矩,提出了容错电流优化控制方法。针对开路故障,利用故障前后磁动势不变的原则,得到了故障时的容错补偿电流,实现对转矩脉动的补偿。针对短路故障,利用分开补偿的策略,对由短路电流引起的转矩脉动和缺相不对称转矩脉动进行分开补偿,进行了电流矢量合成,实现了电机在短路时输出转矩脉动的最小化。通过MATLAB/Simulink进行仿真,验证了所提出容错控制方法的有效性。     

一例电传控制系统自检故障分析

针对某型飞机电传控制系统自检工卡第6步时,四通道计算机УСП右传动故障灯异常燃亮情况,对自检信号流向、故障发生机理进行分析,并总结了此类故障排除的思路和技巧。     

基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。     

基于双状态卡方故障检测的组合导航系统

故障检验与隔离是利用联邦滤波实现组合导航系统安全可靠运行的关键技术。针对常规残差卡方检验法对于慢变故障检验效果差,以及状态卡方检验受到初值误差、系统噪声和建模误差影响导致子系统被频繁隔离的问题,提出一种改进的SINS/GPS/ADS/DVL组合导航系统故障检验算法。该算法采用2个状态推进器交替地对滤波数据进行重置,避免状态递推器被未检测出来的故障污染。实验结果表明,改进的算法能够有效提高故障检验的灵敏度,增强组合导航系统的可靠性。     

面向进化容错的FPGA故障模型研究

不同的容错方法需采用不同的故障模型。文章分析了进化容错方法的特点,提出需要研究与之相适应的FPGA故障模型。首先从故障模型定义出发提出故障模型划分的思想,从不同的角度研究FPGA故障模型;然后根据基于SRAM的FPGA的结构特点,从功能角度和配置角度提出两种FPGA故障模型划分,分析了两种故障模型划分方法所适用的容错方法。从配置角度划分FPGA故障模型有利于简化进化容错方法中的故障检测环节。故障检测实验的结果说明这种划分方法是有效的。     

交会对接寻的段机动故障对策分析与仿真

根据寻的段的机动故障类型及其约束条件,首先给出了该段的故障控制策略规划模型,然后给出了相应的故障对策,最后基于高精度轨道模型仿真分析了各种故障工况。仿真结果表明,所提出的对策能较好的应对寻的段各类机动故障。     

飞行器网络控制系统在线故障检测算法

针对飞行器网络控制系统具有网络诱导时延且采样周期较短的情况,提出了一种飞行器网络控制系统在线故障检测算法.考虑未知时延对网络控制系统的影响,建立飞行器网络化控制系统故障检测模型.基于此模型,构造了残差生成器,将故障检测问题转化为最小化优化问题.以矩阵Moore-Penrose逆的形式给出该最小化优化问题的解,在每个采样周期内进行飞行器网络控制系统在线故障检测.数值算例表明:当飞行器网络控制系统存在未知时延时,该故障检测算法对故障敏感,同时对未知时延引起的扰动具有鲁棒性.     

不确定非线性主动容错控制系统模糊控制设计

考虑到实际主动容错控制系统中故障以及故障检测与隔离(FDI,Fault Detection and Isolation)决策出现的随机性,随机故障与FDI决策行为分别用两个Markov过程描述,用T-S(Takagi-Sugeno)模糊模型表达不确定非线性主动容错控制系统,并基于并行分布补偿(PDC,Parallel Distributed Compensation)方案,给出了能够保证闭环模糊系统鲁棒随机稳定的模糊控制器设计方法.鲁棒容错模糊控制器的存在条件由一组线性矩阵不等式(LMI,Linear Matrix Inequality)给出,从而方便地利用优化技术求解,随后倒车控制系统的仿真结果验证了所建议方法的有效性.      

一种基于二元估计与粒子滤波的故障预测算法

假设对象系统的故障演化过程可以由一个含有未知缓变参数的状态空间模型加以描述,则故障预测问题就可以转化为一个在已知当前系统信息的条件下,对系统未来某一时刻的状态变量的估计问题.针对该问题的求解提出了一种基于二元估计和粒子滤波的故障预测算法.算法的实施分为两个主要阶段:在状态估计阶段,采用两个并联的粒子滤波器迭代估计当前时刻对象系统故障演化模型状态和未知参数的后验分布.在状态预测阶段,对当前时刻故障演化模型状态的后验分布进行迭代采样,以采样样本粒子来近似估计未来时刻的状态变量的先验分布密度.在上述计算结果的基础上,结合相应的故障判据,算法采用计算对象系统未来时刻故障概率的方法预测其剩余使用寿命.仿真实验中将本文提出的算法与基于联合估计的故障预测算法进行对比,实验结果证明了所提算法的有效性.      

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.