柴油机运行参数对颗粒过滤器压降特性影响的试验研究

基于排气背压的柴油机颗粒过滤器(Diesel Particulate Filter,DPF)再生时机判断是DPF后处理系统的关键。针对壁流式过滤器,采取理论与试验相结合的方法,研究了柴油机不同的排气流量、温度以及DPF加载水平对过滤器压降特性的影响规律。结果表明:压降随温度升高基本成线性增长;随流量增加基本成二次方增长;随碳烟加载量的增加而增长的趋势是曲线斜率先大、后小、再增大。随后分析了排气背压和流量、温度以及碳烟加载量之间的数学关系。研究对于准确判断车载DPF的再生时机,进一步提升DPF后处理系统性能具有一定的指导意义。     

基于CNN-LSTM的在轨卫星故障预测分析

在役考核中,对遥测参数进行监控与分析,是评估在轨卫星工作状态及健康状况的重要途径.为解决在线多任务故障预测问题,提出了结合长短期记忆网络(LSTM)和卷积神经网络(CNN)的数据挖掘模型,并运用了一种基于误差反馈的权重自调整机制.利用某型卫星(含故障)遥测参数的仿真数据进行分析处理,实验结果表明:在线CNN-LSTM模型以最小的信息损失进行建模,对比单一模型以及传统的回归模型,CNN-LSTM模型不仅在测试集上取得了最小平均绝对百分比误差12.61％,同时模型预测性能在长时间预测中优于离线模型.     

基于证据理论与多模型结合的模拟电路故障诊断

针对模拟电路故障诊断中单一诊断模型诊断结果模糊性与不确定性较大的不足,基于信息融合原理,提出一种结合神经网络、支持向量机(SVM)与DS证据理论的综合诊断模型。在分析了传统BP神经网络与支持向量机的缺点后,分别用改进的免疫遗传算法和粒子群算法对其进行结构优化。利用两种模型的初步诊断结果进行DS证据理论的基本概率分配(BPA),得到证据理论的两个证据体。采用DS融合算法进行决策层融合诊断,定位故障元件。仿真验证表明,该方法可以有效提高故障诊断的准确率,避免了单一诊断模型的偶然性与不确定性。     

基于模糊模型的发动机部件级故障隔离方法研究

发动机故障诊断与故障隔离是发动机健康监控领域的一大难题,但对发动机故障定位、预防灾难性事故发生及发动机维修意义重大。为了准确地确定故障发生的部位,本文针对某型液体火箭发动机,提出一种基于模糊模型的部件级故障隔离方法。首先对发动机系统进行部件的划分,然后建立各个部件的模糊模型并进行训练,最后按照设定的故障检测与隔离策略对故障进行诊断。利用两组发动机故障仿真数据对基于模糊模型部件级故障隔离方法进行验证,结果表明:本方法可以实现单一或多个部件故障隔离。     

雷达故障"板级定位"诊断系统的设计

为故障精确定位而设计的雷达故障诊断系统,利用VXI测试仪器为硬件平台,设计了基于征兆(测点)的集成推理软件平台.对征兆的测试数据(含结果)进行采集,基于序贯分类方法的数据结果,再进行故障的合理识别、推理和判断,推断出正确的结果,将故障定位在板级(即最小可更换单元).     

基于概率神经网络的设备故障诊断及仿真分析

针对某些难于建立准确数学模型的复杂系统,用神经网络的方法进行故障诊断有其独特的优越性.首先分析了概率神经网络(PNN)的基本结构及其训练算法,建立了某型航空发动机故障分类的概率神经网络模型,通过对该设备故障进行定性诊断,对比分析了概率神经网络与常用的误差反向传播神经网络(BPNN)分类模型对各类故障的分类效果.仿真表明,基于PNN模型的分类方法在分类速度、精度和泛化能力方面均优于基于BPNN的模型,是一种有效的故障分类方法.     

IETM与CBM的系统集成应用

针对IETM(Interactive Electronic Technical Manual)与CBM(Condition Based Maintenance)系统集成的现实需求,分析了CBM系统的功能特性、信息流程、故障监测报告和健康评估方式,结合IETM故障诊断功能和外部应用接口设计,提出了基于故障警报的集成、基于故障定位的集成、基于维修决策的集成和基于状态数据的故障预测集成4种集成方式,并以OSA-CBM(Open System Architecture for Condition Based Maintenance)接口信息规范为标准设计集成接口,保证了集成的通用性。     

基于改进GM(1,1)模型的装备故障预测

针对装备故障数据量小、传统灰色预测模型GM(1,1)的精度受背景值影响大的问题,提出了一种基于背景值优化的改进GM(1,1)装备故障预测方法。该方法基于背景值的几何意义,从背景值与发展系数之间数量关系的角度出发,通过最小二乘法对二次参数进行估计,还原得到原始参数估计值,并结合新陈代谢对模型进行改进。导弹装备的故障预测实例表明,改进GM(1,1)模型较传统模型有更高的预测精度。     

运用故障传播图进行诊断推理的研究

基于对系统结构的分析,利用系统本身各部件之间的故障传播特性,提出了一种新的算法,以确定系统发生故障时真正的故障源。在单一故障源诊断中,可以确定故障源;在多故障源诊断中,确定最大可能故障源的最小集合。     

基于数值模拟的柴油机后处理系统阻力研究

将柴油机用肇流式过滤体（Diesel Particulate Filter，DPF）简化为单通道流动管道的集合，根据准稳态流动的压力损失方程和传热方程建菠了DPF的一维流动模型；将柴油机工作过程模型与DPF流动模型集成，建宦了后处理系统的排气阻力模拟计算模型，通过台架试验验证，证明误差在3％以内。计算结果表明：柴油机在低负荷时，系统排气阻力与负荷近似呈线性关系；在高负荷时，二者近似呈二次曲线关系。计算给出柴油机全工况排气阻力MAP图，可用于标定DPF再生控制器。     

基于多模型组合的模拟电路故障诊断方法

针对传统模拟电路故障诊断方法识别准确率低及耗时较长的问题,提出一种基于改进的二进制粒子群优化算法(IBPSO)与隐马尔科夫模型(HMM)的综合诊断方法。该方法利用IBPSO对故障特征进行提取优化,降低故障特征维度,进一步利用HMM对提取的故障特征进行预处理,排除不可能类故障特征,提高了LSSVM的分类准确率。经过仿真结果分析验证,该方法较现有的BP神经网络诊断方法,能够在确保正确率得到提升的基础上,进一步提高故障诊断速度,具有更强的战场环境适用性。     

SVM与PSOHF参数优化装备机械传动齿轮故障诊断

为了提高支持向量机(SVM)对齿轮故障诊断的准确性,提出了一种基于SVM与PSOHF参数优化的机械传动齿轮故障诊断新方法。采用蜜蜂觅食机制改进粒子群算法(PSOHF)对SVM径向基核函数参数c和g进行了优化,建立优化后的SVM模型;而后对齿轮不同裂纹长度的故障信号进行小波包分解,将相对小波能量作为故障特征向量输入SVM;进行模式识别和故障分类,最终实现齿轮故障诊断。齿轮裂纹故障振动实验信号的研究结果表明,PSOHF优化的SVM提高了分类正确率,更适于实际中齿轮故障诊断。     

基于多级RBF神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题，提出了一种基于多级RBF神经网络集成的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息，建立多级神经网络集成观测器模型。将输出与传感器实际输出相比较获取残差序列，获得基于残差序列的传感器偏置故障和漂移故障的辨识策略，实现控制系统传感器故障在线诊断。将三容水箱液位控制系统作为仿真对象，仿真结果表明该方法不仅可以提高单一神经网络的运算精度，而且采用RBF神经网络集成方式还要优于其他集成方式，可以快速准确地检测和分离传感器故障，辨识传感器故障类型、故障大小以及故障发生的时间。     

复杂系统的MTTR建模研究

现代武器系统的结构越来越复杂,在进行系统修复前,系统往往发生多个故障的情况,致使原来的维修性模型不能完全地反映系统的维修性水平。针对多重故障的维修,推导出一种能反映这种情况下的维修性预计的平均修复时间(MTTR)数学模型。模型中的一次维修事件由原来的只进行单一故障维修扩展到可以对多个不同故障进行维修的情况,更好地反映了复杂系统的实际维修情况。通过实例验证了该模型能实际地反映出复杂系统的维修性情况,从而更加准确地预计出系统的维修性水平。     

基于总线网络结构的无人机故障检测与诊断系统设计

文章在认真研究现行无人机飞行保障需求的基础上,提出了一种基于总线网络结构的无人机故障检测与诊断系统的总体设计方案及软硬件实现方法,研究了故障检测算法和基于人工神经网络专家系统。介绍了组成系统的工控机(主机)、RS485总线网络和飞控机(从机)设计原理。经过模拟验证表明,该系统性能稳定可靠,完全可以满足性能需求。     

导弹遥测故障的GM-Verhulst-SCGM预测算法

遥测故障预测是保障导弹遥测系统可靠性的基础。根据导弹遥测故障的历史数据,结合GM(1,1)模型、Verhucst模型和SCGM(1,1)c模型构建了导弹遥测故障的GM-Verhulst-SCGM组合灰色预测模型,按照预测有效度算法取得组合预测模型的权重系数。选用导弹遥测故障的训练组实际值作为原始数据,分别利用各预测模型估算对比组导弹遥测故障数据。预测结果表明,相比单一预测模型,组合灰色预测模型具备更高的故障预测精度。在验证组合灰色预测模型可行性的基础上,进一步估算了同一型号导弹未来时序的遥测故障数据,为相关部门及时改善导弹遥测技术及避免导弹故障提供理论及方法借鉴。     

混沌蝙蝠算法UAV网络控制系统故障诊断策略

针对总线条件下具有双通道多包传输的短时变时延无人机(Unmanned Aerial Vehicle,UAV)发动机控制系统,提出一种基于改进蝙蝠优化算法(Bat Algorithm,BA)的发动机故障检测算法,快速变化的延迟被认为是系统不确定性的一种。残差信号的传递函数与噪声和故障信号的传递函数之比用作目标函数。通过改进的Bat算法对其进行优化,以获得最佳的观察增益矩阵,使得该故障观测器系统不仅能够抑制噪声,而且对提升对故障敏感程度。最后将该方法在网络控制系统半物理平台上进行仿真,仿真结果说明所提出的方法能够同时抑制噪声信号和放大故障信号,从而提高了故障诊断的正确率,降低了虚警率。     

基于DWT-LPP的行星变速箱故障信号特征增强方法

针对行星变速箱齿轮故障信号特征易被噪声湮没且不同齿轮故障信号较难区分的特点,提出了一种基于离散小波变换(Discrete Wavelet Transform,DWT)和局部保持映射(Local Preserving Projection,LPP)的行星变速箱故障信号特征增强方法。首先,利用DWT对信号进行多频段的重构扩充信号维度;然后,通过LPP对多维度信号进行降维,减弱噪声影响并增强信号的稳定性;最后,以排列熵(Permutation Entropy,PE)、样本熵(Sample Entropy,SE)和功率谱熵(Power Spectral Entropy,PSE) 3种信息熵表征信号特征。对台架试验采集不同故障状态的振动信号进行分析,结果表明:该方法对故障信号特征增强明显,依据3种信息熵值的三维坐标有效实现了行星变速箱齿轮故障的分类识别。     

基于形态分量分析和EEMD样本熵的自动机故障诊断

针对自动机故障诊断过程中振动信号故障特征较难提取的问题,提出了结合形态分量分析(MCA)和总体经验模态分解(EEMD)的自动机故障特征提取方法。根据自动机振动信号组成成分的形态差异,利用形态分量分析方法构建不同的稀疏字典对各组成成分进行分离,消除噪声分量,提取出反映主要故障特征的冲击分量;对所提取的冲击分量进行EEMD分解并计算各IMF分量的样本熵值,以此作为故障特征向量输入基于离子群优化的支持向量机(PSO-SVM)进行识别。通过自动机典型故障诊断试验表明:形态分量分析方法可有效分离出自动机振动信号中的冲击成分;同时,所提出的特征提取方法能够有效地进行自动机故障诊断。     

全球卫星导航系统自主导航完好性隔离算法

全球卫星导航系统在自主导航工作模式下,为了保持星座系统的稳定,保证系统的完好性,需要对故障卫星进行及时可靠的隔离。因此提出一种基于星间链路的全球卫星导航系统(GNSS)自主完好性隔离算法,分析全球卫星导航系统故障判别方式,设计了基于星间链路的故障隔离流程,提出了基于星间测距误差和判别的故障检测及隔离算法。仿真结果表明,基于星间链路的GNSS自主完好性隔离算法,可以有效隔离故障卫星,保持星座自主导航精度,并且算法实现复杂度较小,易于工程实现。