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     

航空发动机整机振动中的不平衡-不对中-碰摩耦合故障研究

针对航空发动机整机振动分析,建立了含不平衡-不对中-碰摩耦合故障的转子-滚动轴承-机匣耦合动力学模型.在耦合模型中,考虑了机匣运动,同时,充分考虑了滚动轴承间隙、非线性赫兹接触以及变柔性VC(varying compliance)等非线性因素;在耦合故障中,建立了不平衡、不对中和碰摩故障模型.运用数值积分方法获取了系统响应,研究耦合故障特征和规律.仿真计算分析表明了该模型的正确有效性.      

基于Riccati方程的离散容错控制系统设计

基于离散系统的Ｒｉｃｃａｔｉ方程，提出一种对传感器失效具有完整性的离散控制系统的设计方法，给出了完整性设计方法的设计步骤，并用设计实例验证了该方法的有效性．该方法还可推广用于执行器失效的情况．     

涡桨五E发动机空中起动失败原因分析

涡浆五Ｅ发动机在进行适航取证试飞时，进行了发动机燃烧室高空熄火后重新点火的性能试验，出现空中起动不成功，飞机两次单发着陆的情况，本文对试验的现状及数据进行了分析，找出了空中起动失败的原因，并提出了建议和改进措施，供发动机设计单位及今后装机使用参考。     

B737-300飞机液压系统串油故障分析

B737-300飞机液压系统串油故障一般来说不会影响飞行安全，但是串油严重时，会增加维护工作量和飞机使用成本。而且液压油从余油管溢出时，还会污染飞机表面及周边环境。从总体上说，无论是A系统向B系统串油，还是B系统向A系统串油，都只有两个原因：人为原因和机械原因。人为原因比较简单，是操作不当造成的，排除起来比较简单；机械原因与设计的不完善有一定的关系，排除起来就比较困难，因为从设计的角度来看，少量串油是一种正常现象。笔者综合多架飞机出现的串油现象对原因分析如下：     

滚动轴承平均故障前时间计算方法研究

滚动轴承的平均故障前时间(MTTF)和平均失效率是旋转类机械设备可靠性预计和分析的重要基础数据,传统源于统计样本信息的滚动轴承MTTF和失效率数据可信度不高,难以约束滚动轴承的可靠性定量设计。为得到可信度更高的滚动轴承MTTF,利用滚动轴承疲劳寿命计算方法,基于滚动轴承寿命与可靠度的关系研究,推导了威布尔分布的MTTF和平均失效率计算公式,提出一种滚动轴承MTTF和平均失效率的计算方法和流程,给出了滚动轴承MTTF和平均失效率的计算示例。解决了利用设计参数(工作寿命、可靠度、动载荷等)计算滚动轴承MTTF和平均失效率的问题,可为滚动轴承及其配套产品的可靠性预计和分析提供数据和方法支持。     

多传感器信息融合技术与无人机PHM系统

通过分析多传感器数据融合技术故障诊断方法与无人机PHM系统（故障预测与健康管理）的特点,在不改变当前无人机系统硬件组成的情况下,将多传感器信息融合技术运用于无人机PHM系统,实现对无人机系统的实时状态监测、健康评估和故障诊断。     

基于DWNN的机电作动器渐变性故障诊断

飞机飞行控制系统机电作动器（EMA）的渐变性故障很难准确预判,若不能及早发现而任其发展就会影响到飞机的飞行安全性。针对EMA的渐变性故障,提出一种基于动态小波神经网络（DWNN）的故障诊断方法。首先,利用EMA在电机电枢绕组匝间短路、传动装置丝杆和滚珠磨损等多种渐变性故障状态下的运行数据来训练DWNN故障诊断模型;然后,利用训练好的DWNN模型对EMA渐变性故障进行诊断。创新之处在于DWNN模型利用小波分解算法去除了传感器测量信号中高频分量的影响,利用反馈神经网络的记忆能力融合了过去输入的信息和过去预测的信息,提高了对EMA渐变性故障诊断的准确性。通过对某型EMA进行故障诊断实验,仿真结果表明所提出的DWNN方法可以实现对EMA部件渐变性故障的准确诊断。      

自动配平系统驱动电路故障分析与改进

针对某型飞机配平系统故障，对其原因、危害性进行了详细分析．并采取了措施对系统进行设计改进，解决了系统设计缺陷。