全球导航卫星系统多星故障排除新方法

在全球导航卫星系统中,多颗卫星同时发生故障的概率会随着观测卫星数的增加而增加,从而,在接收机自主完好性监测中需考虑多星故障的处理.针对故障检测比故障排除简单、且故障检测率比故障排除率高的特征,以故障检测为基础,提出了一种新的多星故障排除方法——随机搜索法.该方法采用二进制对观测卫星进行编码,通过随机初始化方式获得初始无故障星座,再通过逐步搜索未选卫星方式来得到最终的含有最多无故障卫星的星座,实现故障排除功能.仿真结果表明:大部分情形下,新方法能获得99%以上的故障排除率,既能进行单星故障排除,也能进行多星故障排除,能有效满足全球导航卫星系统关于自主完好性的要求.      

基于联邦滤波器的新型故障检测结构及算法

提出了一种基于联邦卡尔曼滤波器的故障检测结构,该结构利用各局部滤波器和参考滤波器共有状态之间的残差进行故障检测.并提出了2种故障检测算法:χ2检验法和Elman神经网络检验法.以组合导航系统为例进行了仿真研究,和其它算法相比该算法计算简单、可靠,不但可以快速检测出外部传感器及参考系统故障,且具有很好的容错性能,能快速检测出故障并进行隔离,使融合后系统依然保持较高精度.     

基于小波包和Elman神经网络的液压泵故障诊断

针对液压泵出口故障检测信号信噪比低、难以进行故障特征提取的特点,及 传统的BP网络进行故障诊断时网络学习具有收敛速度慢和学习、记忆不稳定的缺陷,提出了 一种将小波包变换和改进Elman神经网络相结合,进行液压泵故障诊断的新方法.利用具有 紧支结构的小波函数对信号进行分解,削减小波系数以滤除信号中的噪声;单支重构以有效 提取各频带的故障特征,并以频带能量作为识别故障的特征向量;应用改进的Elman神经网 络建立从特征向量到故障模式之间的映射,实现液压泵故障分类.试验结果表明,采用小波 包和改进Elman神经网络相结合的方法可有效的实现液压泵故障的诊断.      

组合导航系统的鲁棒故障诊断

 讨论了导航系统的故障检测问题,提出通过设计对特定导航系统故障敏感的最优鲁棒向量来检测组合导航系统故障,只利用传感器的测量数据,不需要具体的动态模型,并与常用的奇偶检测法进行了比较.最后以3个导航系统的组合为例,仿真结果显示,鲁棒故障诊断的检测故障、隔离故障效果明显提高.     

转子系统不平衡故障的再现方法浅析

针对转子系统不平衡特征再现设计问题,提出1种基于动力学相似关系的模型再现方法。根据转子系统的振动微分方程,通过积分模拟法和量纲分析法建立转子系统中转轴、转盘、弹性支承和不平衡量的相似关系。根据相似关系,设计了原型不平衡转子系统的动力学相似模型,利用有限元方法仿真验证了所得相似关系的正确性。试验采用最小二乘三点法识别原型与模型不平衡转子试验台的不平衡量,给出再现原型不平衡特征的过程,验证了不平衡特征再现设计方法的有效性。总结了基于动力学相似关系的转子系统不平衡特征再现设计方法。     

Elman网络在某型自动驾驶仪飞控盒多故障诊断中的仿真研究

目前采用传统故障诊断方法对复杂系统进行故障诊断时,还存在许多缺点,尤其在多故障同时发生的情况下,传统故障诊断方法难以准确定位故障点。为此,基于Elman神经网络,结合故障字典法,设计了一种基于Elman网络的综合故障诊断方法。为验证该方法的准确性,以某型飞机自动驾驶仪飞控盒的几种主要故障为诊断源,仿真研究了所设计的综合故障诊断方法。仿真结果表明,与传统故障诊断方法相比,所设计的基于Elman网络的综合故障诊断方法在进行多故障诊断中对故障的准确定位是有效的和快速的。     

航空发动机性能差异问题的故障部件快速检验方法

提出了一种航空发动机性能差异问题的故障部件快速检验方法.该方法以部件特性曲线为基础,可以快速检测出航空发动机各部件的自身特性变化而排除由于其它部件性能变化引起的工作线变动带来的影响,从而快速判断出故障的部件.该方法特别适用于仿制发动机与原型发动机性能变化原因的查找.      

作动器输出机构刚度优化设计与仿真分析

作动器输出机构的变形可以看作是输出轴体扭转变形与摇臂变截面悬臂梁变形的综合。从材料力学的角度出发,详细推导了作动器输出机构机械刚度的理论计算方法,并以此理论为依据对作动器输出机构的结构进行优化设计。通过仿真对比确定优化设计的正确性,为工程应用提供了有力的理论支撑。     

涡扇发动机故障诊断的快速原型设计

提出一种基于发动机基线模型的面向气路故障诊断的快速原型设计方法.考虑到基于模型的发动机全包线范围的故障诊断方法需要有较高精度的模型,选择合适的换算参数对已有的相似变换参数进行修正,建立适用于全包线的发动机基线模型,设计基于加权最小二乘算法的故障诊断模型,并将其写入至CompactRIO构建了发动机故障诊断的快速原型.通过对某型涡扇发动机试验表明:该种故障诊断的快速原型设计方法是有效的.      

基于小波包分析与多核学习的滚动轴承故障诊断

为了更准确地诊断滚动轴承故障,提出了一种基于小波包分析与多核学习的滚动轴承故障诊断方法.该方法首先对振动信号进行3层小波包分解,将振动信号分解为不同频带的信号,提取各频带的相对能量特征,构建特征向量;然后采用多核学习算法从训练样本集中学习核函数与分类器;最后使用训练出的分类器识别滚动轴承故障类型.为了验证方法的有效性,进行了滚动轴承故障诊断实验,实验结果表明该方法的故障诊断准确率达到98.25%,与传统的基于小波包与支持向量机的滚动轴承故障诊断方法相比,其故障诊断准确率更高,同时由于避免了核函数的选择问题,该方法更便于实际应用.