A combined technique of Kalman filter,artificial neural network and fuzzy logic for gas turbines and signal fault isolation

The target of this paper is the performance-based diagnostics of a gas turbine for the automated early detection of components malfunctions. The paper proposes a new combination of multiple methodologies for the performance-based diagnostics of single and multiple failures on a two-spool engine. The aim of this technique is to combine the strength of each methodology and provide a high success rate for single and multiple failures with the presence of measurement malfunctions. A combination of KF (Kalman Filter), ANN (Artificial Neural Network) and FL (Fuzzy Logic) is used in this research in order to improve the success rate, to increase the flexibility and the number of failures detected and to combine the strength of multiple methods to have a more robust solution. The Kalman filter has in his strength the measurement noise treatment, the artificial neural network the simulation and prediction of reference and deteriorated performance profile and the fuzzy logic the categorization flexibility, which is used to quantify and classify the failures. In the area of GT (Gas Turbine) diagnostics, the multiple failures in combination with measurement issues and the utilization of multiple methods for a 2-spool industrial gas turbine engine has not been investigated extensively.This paper reports the key contribution of each component of the methodology and brief the results in the quantification and classification success rate. The methodology is tested for constant deterioration and increasing noise and for random deterioration. For the random deterioration and nominal noise of 0.4%, in particular, the quantification success rate is above 92.0%, while the classification success rate is above 95.1%. Moreover, the speed of the data processing (1.7 s/sample) proves the suitability of this methodology for online diagnostics.     

横向连续推力小偏心率人工冻结轨道设计

非临界倾角自然冻结轨道要求近地点幅角为90°, 偏心率在1× 10-3量级, 并且偏心率与轨道倾角和半长轴有特定的对应关系, 苛刻的要求极大地限制了轨道根数选择的多样性. 研究表明, 施加常幅值、方向半轨道周期切换的横向连续小推力可以形成任意轨道根数的小偏心率人工冻结轨道, 放宽自然冻结轨道对轨道根数的严苛限制. 维持小偏心率人工冻结轨道的横向连续推力a_T与半长轴的平方根成正比, 与偏心率大小成反比; 在临界倾角i_c附近, 推力a_T与倾角偏置量Δi近似呈正比, 且长期维持的燃料消耗较小. 此外, 在进行仿真计算时还需考虑拟平均轨道根数与瞬时轨道根数的转换.      

调频多工数据传输技术在交通诱导系统中的应用

针对我国智能型交通的现状,提出了基于调频多工数据传输技术的交通诱导系统.本文在分析研究RDS-TMC技术的基础上,设计了利用RDS技术传输实时交通信息的车载动态导航装置,并介绍了该装置的主要功能模块.在实验室条件下进行了测试,证明设计可行,运行可靠.     

AIS在LRE故障检测与诊断中的应用研究

为提高液体火箭发动机(LRE)故障检测与诊断的及时性、实时性与准确性,将人工免疫系统(AIS)中的否定选择原理用于LRE的故障检测与诊断。基于正常状态与故障模式的人工识别球,采用最大相似原则,实现了LRE稳态工作过程中的故障检测与诊断,并用LRE稳态故障试车数据进行实验。验证结果表明:AIS对LRE故障检测与诊断的速度快,正确率与灵敏度高,捕获未知故障能力强,有良好的应用前景。     

群智能机制启发的传感器网络能量感知服务质量路由树

提出一种理论优化路由树的启发式算法,实现地理信息辅助的传感器网络服务质量数据收集架构.算法采用群智能蚁群优化机理进行设计:首先通过构造基于流量的能量有效性权将网络划分为不同的功能区域,使得路由的选择过程能够低延时地自适应网内不均衡性的能耗状况;然后,设计了新颖的启发式因子和信息素更新规则,赋予人工蚂蚁代理感知网络局域能量状况和逼近理论优化树的能力,从而提高路由构建的自适应性和能量有效性.仿真实验结果表明,本文提出的路由机制能够在数据收集的应用背景下,有效提高收集质量和降低传输时延,并在健壮性和节能效果方面优于许多经典的传感器网络路由算法.     

地面目标多角度SAR数据集构建与目标识别方法

南京航空航天大学雷达探测与成像技术研究团队利用自主研制的无人机（Unmanned aerial vehick, UAV）机载高分辨率微小型合成孔径雷达（Mini synthetic aperture radar, MiniSAR）系统,针对多类具有代表性的地面目标进行全方位回波录取及成像处理,构建了拥有自主知识产权的复杂目标SAR数据集,并依托该数据集开展了基于人工智能的目标识别方法研究。针对无人机运动姿态不稳定、辅助传感器精度受限导致的图像散焦问题,本文提出了新型运动补偿及新型二维自聚焦算法。实验表明,虽然AlexNet、ResNet-18、AConvNet和VGG等经典神经网络在MSTAR十类目标分类问题中取得了接近100%的分类准确率,但将其应用于南航MiniSAR数据集时分类准确率均明显低于90%。由于本文采取的实验方法与SAR目标识别技术的实际应用场景较为接近,该MiniSAR数据集对于面向工程应用的SAR目标识别算法研究将会具有重要参考价值。     

智能化无创血氧饱和度检测系统的研究

无创脉搏血氧饱和度仪能够快速实时进行血氧饱和度的测量，在临床中得到广泛的应用，针对复杂生物组织如何建立相对准确的数学模型是提高血氧仪精度的关键问题，本文分析了光通过人体组织的传输特性，采用辐射传输理论，并考虑散射效应，提出了一种新型无创脉搏轿氧仪的设计方案，有效地减少了血氧仪的测量误差，通过对PC机联网，实现了血氧测量的智能化。     

神经网络BP算法预测可靠性增长

叙述可靠性增长的基本概念和神经网络BP算法,着重探讨BP算法用于可靠性增长预测的可能性。通过两个实例的预测结果,与常用的可靠性增长参数模型Duane,Gompertz的结果相比较。实例表明,该方法是可行的,而且是有效的,适应性强。可以预料,它不但能用于仪器设备试制过程中预测可靠性增长,而且可用于武器装备在储存过程之中可靠性下降的预估。     

基于人工免疫算法的编队压制干扰资源分配

通过对舰艇编队雷达有源干扰资源分配问题的研究分析,将免疫算法应用在编队有源压制干扰资源分配中,构建了分配的数学模型.提出了相关定义和一种能有效表达编队有源压制干扰资源分配的抗体染色体矩阵编码方案,并给出了亲和度算法.在假定情况下进行了仿真计算,得到了有效的有源压制资源分配方案,通过实例验证了算法的正确性和有效性,为求解更复杂的编队干扰资源分配问题提供了参考方案.     

一种模糊推理模型在医学专家系统中的应用

本文介绍一种模糊推理模型DFRM(The Double Weight Number Fuzzy Reasoning Model),它已应用到儿童消化道疾病专家系统中,获得了满意的结果。并对该模型作了评价。