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.      

基于PHM技术的导弹维修保障

为解决传统导弹维修保障方法所存在的问题,加快军队信息化建设,提出了基于PHM技术的导弹维修保障方法。分析了不同维修方式、导弹维修保障及信息化建设与PHM技术的关系,利用PHM技术并结合决策支持的思想,建立导弹健康状态的信息管理系统,初步分析了系统的基本结构组成,并结合实际提出了一些需要重点解决的问题。     

定量危害性矩阵分析方法研究

危害性矩阵分析中,由于同一个严酷度类别在矩阵图中是一个区间,容易出现当几个故障模式的严酷度相同时,在矩阵图中无法精确标识,从而使得得出的危害度有偏差.同时,利用作图法,分析效率较低.本文首先对目前的危害性分析方法进行改进,将区间进行再次划分并用显性直观的数值进行度量;然后,以某型飞机升降舵操纵分系统为例,进行危害性分析.结果表明:该方法可以对各故障模式或产品的危害度给出精确的量化值,为改进决策提供支持.     

基于误差预测修正的液体火箭发动机故障预测方法研究

为解决液体火箭发动机故障预测这一难题,提出一种基于误差预测修正的故障预测方法。在历史数据的基础上建立小波过程神经网络故障预测模型,同步计算学习样本的预测误差,根据上述误差建立双并联离散过程神经网络预测模型。预测时,将预测误差值实时补偿到小波过程神经网络预测模型以提高预测精度。通过液体火箭发动机地面试验中的涡轮泵数据对该方法进了验证。结果表明,该方法在预测精度和适应能力上较单一的过程神经网络预测模型有显著提高,进行10步预测时,预测值的标准化均方根误差为0.392,预测平均耗时为76ms,能够用于解决液体火箭发动机故障预测问题。     

基于环控物理仿真平台的余度模型设计

在环控物理仿真平台上,基于MATLAB和Vxworks环境,建立了飞机环控系统余度模型。详细论述了环控系统故障模型、机电管理计算机模型。此外,对模型的有效性、可靠性进行了验证。通过试验验证,表明模型结构正确、能够满足环控系统余度功能要求。     

空客A320飞机起落架系统非典型故障分析

介绍了几起空客A320飞机起落架系统比较少见的故障,通过查阅飞机排故手册并根据系统工作原理排除了故障,排故经验可供机务维护人员借鉴。     

某型国产发动机压力传感器故障分析

从某型国产涡轴发动机压力传感器基本组成和工作原理出发,针对故障现象和特点,开展故障原因分析,得出了相应的结论,并提出了改进的合理建议,有利于提高发动机的可靠性。     

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。     

航空发动机MTBF的Bayes评估

针对航空发动机的试验样本量和故障数据少,采用传统的数学平均值法对其平均故障间隔时间（MTBF）评估不能反映其真实可靠性水平的问题,基于Bayes理论,把历史试验数据视为先验信息,采用矩等效方法确定先验分布,然后通过Bayes理论综合现场试验数据,建立了一种基于Bayes理论的航空发动机MTBF评估方法。该方法可以扩大MTBF评估所需的信息量。采用所提出的Bayes方法对某航空发动机MTBF进行评估,得到其MTBF评估值为302.68h,比采用数学平均值法约提高了18.7%,评估结果更符合实际。表明该方法可应用于航空发动机MTBF的评估。      

某型辅助动力装置滑油泵故障的分析与排除

针对一起辅助动力装置外场使用时出现的滑油泵工作不正常故障,进行了滑油泵外观检查、故障点复位检查、性能调节检查、调压活门分解检查,分析了故障机理,确定了故障发生的根本原因,最终排除了故障,为同类故障的排查提供了参考。