基于迭代退火算法优化的SVR在核动力装置故障诊断中的应用

针对船用核动力装置主蒸汽管道破口大小依照监测参数的变化很难有精确估计的问题,首先使用了支持向量回归(SVR)对破口大小进行了判断,将破口大小作为诊断模型的预测值;然后,使用迭代退火算法对支持向量机的训练参数进行了优化,并与未优化的模型进行了对照。对比结果表明:优化后的诊断模型精度高,泛化能力强。     

基于应急运行的核动力装置一回路小破口失水事故

针对船用核动力装置运行的特殊性,指出基于应急运行的事故研究对有效地维持机动性有重要意义.选用不可隔离的小破口失水事故进行分析计算,重点研究破口大小和不同处置对反应堆运行时间的影响.结果表明,若破口尺寸在某一范围内时,可以保证反应堆在一定时间内实现应急运行,并且在一定条件下通过降功率可以延长运行时间.     

基于模糊数学的炮射导弹制导装置故障诊断

为解决炮射导弹制导装置故障诊断的不确定性推理问题,有效提高故障诊断的准确性,将模糊数学中的综合评判方法用于炮射导弹制导装置的故障诊断。通过专家经验和故障试验统计数据,构建模糊诊断数学模型,对制导装置故障进行模糊运算和故障诊断,从而确定故障原因。通过具体故障模糊诊断实例验证表明:该方法能够给出定量的故障诊断结果,可较准确地实现故障定位。     

船用反应堆堆芯时空中子动力学仿真软件的研制

根据船用反应堆结构特点与运行方式,建立堆芯三维两群时空中子动力学仿真模型,研制了船用反应堆堆芯时空中子动力学仿真软件系统.利用软件系统进行堆芯物理计算,计算与验证结果表明,软件系统数学物理模型准确,可广泛应用于船用核动力装置模拟器的设计与研制.     

组合网络与证据理论相结合的电路故障诊断

针对神经网络中两种常用的网络类型BP和Elman,在模拟电路故障诊断中的应用过程的特点——各自网络都有自身缺陷,提出基于BP-Elman神经网络与证据理论相结合的故障诊断方法.首先BP-Elman网络得出其各自的初步诊断结果,经过必要的转换将其转换成证据理论的概率赋值,作为证据组合的依据;证据理论组合规则将初步诊断结果融合得出决策级诊断结果.通过对某装备位置调节器板的故障诊断过程表明,该模型经过尽可能融合有效故障信息,大大提高了系统的诊断精度和诊断正确率,而且有效降低了系统不确定性.     

核动力装置控制系统神经网络故障诊断

研究了如何将先进的人工神经网络的方法应用到核动力控制系统故障诊断中,并对这种方法的原理、优缺点、可行性等进行了分析,提出了针对核动力装置控制系统的设计方案.     

数据驱动的复杂系统非预期故障诊断通用过程模型

提高对复杂系统非预期故障诊断能力是故障诊断领域的难点。结合非预期故障诊断内涵及基本原理,构建了一种用于复杂系统非预期故障诊断的通用过程模型。该模型采用四层递进结构,包括四个主要模型,即预期(已知)故障检测模型、预期(已知)故障识别模型、非预期(未知)故障检测模型和非预期(未知)故障识别模型。分析了各模型所包含的关键问题及其相应的实现算法,包括检测统计量的构建及评估、故障特征方向提取、故障识别器设计及故障贡献率计算。该通用过程模型规范了复杂系统非预期故障的诊断流程,明确了数据驱动的实现原理。以卫星姿态控制系统为例,验证了非预期故障诊断通用过程模型的有效性。     

基于排放和模糊神经网络模型的柴油机故障诊断方法

根据排放检测数据规律,定义并提取特征参数,建立了规则与模糊神经网络有机结合的柴油机故障诊断模型及其对应的特征知识库,确立了模型的“可塑性”学习路线,并以单缸失火故障为例,进行了模型诊断实例研究。结果表明：运用该方法进行柴油机的故障诊断,结果准确,识别速度快,诊断效率高。     

全船断电叠加波动管失效事故分析

利用MELCOR程序建立了船用堆计算模型,通过模拟船用堆全船断电事故进程,分析了全船断电事故的热工水力及堆芯失效过程。建立了稳压器波动管蠕变失效模型,实现了MELCOR程序对稳压器波动管蠕变失效问题的计算分析。对波动管破口尺寸进行了敏感性分析,结果表明:破口尺寸越大,事故进程越快。全船断电事故舱底的熔穿及稳压器波动管的失效,给船用堆的抗沉性及船内人员健康带来潜在的危害。     

飞机发动机关键系统智能故障诊断方法

飞机发动机是一个非常复杂的大系统,由于其结构复杂,工作环境恶劣,对其关键系统的故障进行准确诊断始终是困扰业界的技术瓶颈之一。提出了采用EMD小波阈值降噪与主元分析相结合的方法,对飞机发动机气路系统故障诊断进行了深入研究。针对某型真实飞机发动机进行测试试验采集的气路多参量数据,首先采用经验模态分解(Empirical Mode Decomposition,EMD)对气路系统各参量信号进行EMD分解,然后采用软阈值函数对其进行降噪,并进行信号重构,从而可得到飞机发动机气路工作状态有效数据。在此基础上,设计了飞机发动机气路系统主元分析故障诊断模型,并结合预处理得到的飞机发动机气路有效数据,运用所设计的主元分析故障诊断模型对飞机发动机进行故障诊断技术研究。研究结果表明,所提出的方法能够很好地诊断出飞机发动机气路系统实际运行时所出现的故障,具有重要的实际应用价值,并有广泛的应用前景。     

基于数据融合技术的液压系统故障诊断

在分析数据融合基本概念和原理的基础上,阐述了多传感器数据融合在设备故障诊断中的应用技术,提出了将多传感器数据融合技术应用到液压系统的故障诊断方法,并应用于某车辆液压系统故障诊断实验,给出了实现计算机自动诊断的程序流程,结果表明该方法能够及时准确地提取液压系统故障特征、诊断出故障部位、找出故障原因.     

基于LS-SVM方法的某核电站主泵故障诊断

主泵是核电厂非常重要的设备,它直接关系到整个核动力装置能否安全运行,对其进行有效的故障诊断十分必要。支持向量机(SVM)具有使用较少的训练样本达到较好分类效果、不需要故障分类的先验知识的特点,可以应用于主泵的故障诊断。为此,首先使用小波变换提取某主泵的转子质量不平衡、转子不对中、碰摩等三种典型故障的故障信息,然后使用最小二乘支持向量机(LS-SVM)方法对故障模型进行训练,最后对训练得到的模型进行故障诊断。诊断结果较好,从而验证了该方法的有效性。     

驱动控制对太阳帆板驱动系统动力学特性的影响

准确预示太阳帆板驱动系统动力学特性是开展扰振机理和振动控制研究的基础。本文推导了考虑驱动控制因素的太阳帆板驱动装置等效力学特性参数表达式,构建了太阳帆板驱动系统动力学特性等效分析模型,并在仿真和试验验证基础上,讨论了驱动速度和控制增益对驱动装置力学特性参数和驱动系统动力学特性的影响规律。结果表明:所构建的等效分析模型能够在不同驱动速度和控制增益情况下准确预示驱动系统动力学特性,分析结果与试验误差小于10%；驱动装置等效阻尼与驱动速度和控制增益无关,但等效刚度随控制增益减小和驱动速度增大而减弱。随着驱动速度提高,驱动控制逐渐成为影响驱动系统动力学特性的重要因素。     

基于信号处理的齿轮箱状态监测与故障诊断

针对工程上齿轮箱实时监测和故障诊断的需要,对JZQ 250型齿轮箱展开研究,提出了状态监测特征值和故障特征向量相结合的分级诊断方法。通过时域参数分析提取监测特征值作为一级诊断,利用能量比重谱的方法,提取故障特征向量作为神经网络的输入向量进行故障诊断为二级诊断。实验结果表明,该方法不仅满足工程上实时在线诊断的要求,而且能够准确进行齿轮箱故障定位。     

遗传算法在航空发动机故障诊断中的应用

提出了基于遗传算法的航空发动机故障诊断的方法,将概率因果模型与发动机故障诊断问题结合,在得到发动机故障征兆和故障成因之间关系的基础上,利用遗传算法实现对故障的分类和诊断.该方法可以准确而快速得实现对复杂故障问题的诊断,将其应用于某型发动机的故障诊断中,得到了较好的效果,同时也说明了遗传算法在航空发动机故障诊断中是行之有效的.     

基于改进D-S证据理论的滚动轴承故障诊断

针对单一分类器进行故障诊断时诊断精度不高、随机性强的问题,提出一种基于改进D-S证据理论的滚动轴承故障诊断方法,构建了信息融合诊断框架。首先,利用BP神经网络、支持向量机、径向基神经网络构建初步诊断层,将提取的特征信息进行初步诊断;然后,利用改进的D-S证据理论构建融合诊断层,将初步诊断层的诊断结果进行融合,并根据诊断规则得到最终的诊断结果;最后,采用不同的信息融合方法对滚动轴承故障数据进行对比研究。试验结果表明:使用改进D-S证据理论的滚动轴承故障诊断方法能够有效提高证据可信度,降低不确定性,提高故障诊断精度和故障诊断模型的鲁棒性。     

某型导弹故障模式自动识别系统研究

针对某型步兵战车导弹制导控制系统的维修问题,在研究了诊断对象故障特点和故障机理的基础上,运用单片机技术,电子测量技术,智能故障诊断技术,频率因子、相位因子和幅度因子相结合的分析技术以及运用在线测试和动态比较法实现了故障模式的自动判断与识别,研制了自动、快速、实时和在线检测与故障诊断设备,并详细地给出了系统故障诊断的具体实现过程。     

复杂导弹武器装备通用层次模块化诊断模型

根据复杂导弹武器装备系统的组成、结构、故障机理和故障诊断的特点,建立其通用的层次模块化故障诊断模型,研究了层次模块化故障诊断机理和诊断过程中所采用的推理搜索机制,建立的层次模块化故障诊断模型能够根据具体诊断问题的特点,选择不同的故障诊断方法,逐层逐块深入进行诊断,直到完成诊断任务。故障诊断模型具有很强的通用性、可行性和潜在的应用价值,基于此模型的故障诊断系统的建立将有助于复杂导弹武器装备的维修保障。     

基于VR与PNN相结合的机电液控制系统故障诊断方法

针对大型复杂机电液控制系统故障诊断中存在的数学模型获取困难、历史故障数据匮乏问题,提出了一种将虚拟样机与概率神经网络相结合的故障诊断混合方法。建立系统的虚拟样机,并对其可信性进行校核与验证。在此基础上进行大量随机性故障植入与仿真实验,获取故障仿真数据。经过特征提取与概率神经网络模式识别训练,形成用于诊断的知识库,从而实现故障诊断。以操舵系统作为研究案例,得到了较高的故障检测和隔离精度与较低的虚警及漏警率,验证了该方法的可行性,为大型复杂机电液控制系统故障诊断提供新的思路。     

机电液控制系统故障诊断的虚拟样机与概率神经网络混合方法

针对大型复杂机电液控制系统故障诊断中存在的数学模型获取困难、历史故障数据匮乏问题，提出了一种将虚拟样机与概率神经网络（PNN）相结合的故障诊断混合方法。建立系统的虚拟样机，并对其可信性进行校核与验证。在此基础上进行大量随机性故障植入与仿真实验，获取故障仿真数据。经过特征提取与PNN模式识别训练，形成用于诊断的知识库，从而实现故障诊断。以操舵系统作为研究案例，得到了较高的故障检测和隔离精度和较低的虚警及漏警率，验证了该方法的可行性，为大型复杂机电液控制系统故障诊断提供新的思路。