基于Mamdani模糊推理的航空发动机故障诊断

提出了一种基于Mamdani模糊推理的航空发动机故障诊断方法.该方法将发动机故障征兆信号作为模糊推理的输入,利用专家经验建立模糊推理规则并提取蕴含关系,在此基础上,通过故障征兆信号与蕴含关系的Mamdani推理合成获取发动机故障原因发生的可能性,进而达到故障诊断的目的.实验结果表明,该方法可行且有效.     

基于ELM的航空发动机故障诊断方法

以航空发动机主燃油泵为具体研究对象,提出了一种基于基于小波包能量比与极限学习机(Extreme Learning Machine,ELM)的故障诊断方法。对于某型真实航空发动机,采用振动传感器感知发动机附件机匣的振动信号,对获取的发动机附件机匣的振动信号采用DB3小波包对其进行3层小波包分解,求出第3层各频带信号的能量作为原始信号的特征,构建特征向量。用求得的特征向量建立基于ELM的故障诊断模型,对航空发动机主燃油泵进行故障诊断技术研究。为表明该方法的有效性,还设计了基于BP神经网络的故障诊断模型,并对所构建的特征向量进行了诊断。试验结果表明,基于ELM故障诊断方法可以有效提高故障诊断的速度及准确率,具有很好的工程应用前景。     

改进关联规则挖掘算法航空发动机故障检测

通过对航空发动机机载数据结构以及几种常用的航空发动机故障检测方法的深入分析,提出采用关联规则挖掘来实现航空发动机故障检测.针对常用的关联规则挖掘算法——Apriori在应对数据量较大的数据库时存在效率瓶颈的问题,对该算法进行了改进.改进后的算法可以不断降低数据库规模和候选项集的数量.通过对航空发动机实际试车数据的挖掘实...     

液体火箭发动机故障诊断的最优回归方法

提出了一种基于最优回归理论的液体火箭发动机故障诊断方法，可以在测量参数较少的情况下诊断出较多的发动机故障。当发动机故障不太严重、故障因素也不多时，得到比较满意的关于故障定位和故障大小的结果；在发动机故障比较严重的情况下，仍能得到比较好的故障定位结果；当存在多个故障因素时，诊断效能有所下降。结果表明本文所提方法在比较大的范围之内具有良好的效果。     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。     

基于小波包和支持向量机的舰用发动机故障诊断

舰用发动机是一个复杂的大系统,由于受到海洋恶劣气候的影响,其故障发生的概率大大增加,因此,对舰用发动机故障诊断进行研究具有重大实际意义。以舰用发动机的主泵轴承为例,提出了基于小波包和支持向量机的故障诊断方法。首先采用振动加速度传感器获取轴承的振动信号,然后对采集数据进行多层小波包分解,求各频带信号能量,形成各种故障模式下的特征向量。将形成的故障特征向量训练集输入到支持向量机,通过训练建立诊断分类器,并运用测试数据对建立的诊断分类器进行测试。实验结果表明,该方法可以很好地实现舰用发动机故障诊断效能,具有很好的工程应用前景。     

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.     

平滑支持向量机的航空发动机性能衰退故障诊断

为解决发动机所监控的健康指数不能多于测量参数的问题,采用平滑支持向量机方法(SSVM),用4个参数对发动机九类衰退故障进行诊断,并与传统的支持向量机方法(采用LSSVM)进行对比.研究表明:在样本数量小、样本分布不平衡等条件的影响下,SSVM对各类部件性能衰退故障的诊断正确率均在90％以上.相对于LSSVM,SSVM无需优化参数,鲁棒性强,对样本集大小和样本集数目不平衡性的适应性良好,更适合航空发动机性能衰退故障的诊断.     

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。     

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。     

基于Maxwell2D和Simplorer的永磁同步电机退磁模型设计

永磁体退磁故障是永磁电机的常见故障,对电机退磁故障进行早期检测和诊断可以有效防止灾难发生,具有重大意义。建立不均匀退磁故障状态下的Maxwell2D电机模型,利用仿真软件Maxwell2D与Simplorer构建永磁同步电机联合仿真系统,分别对电机的正常状态模型与退磁故障模型进行仿真,并对相电流信号进行分析。利用EMD-LSSVM变换建立的故障诊断模型对不同程度的退磁故障进行诊断。仿真结果表明:该模型可以精确地识别出微弱的退磁故障,验证了联合仿真退磁模型的正确性。     

模糊理论在导弹系统故障诊断中的应用

任何系统的故障都有一定的模糊性,因此模糊理论在故障诊断中有着广泛的应用.模糊故障诊断有利于提高系统的故障诊断的水平,本文以模糊理论知识为基础,建立了系统的模糊故障诊断模型,并应用于某型号导弹武器系统的故障诊断中,结果证明该模型的有效性和合理性.     

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。     

基于小波变换与SVM的复杂装备故障诊断研究

针对复杂装备故障信号提取困难、故障诊断精度低的现状,根据小波变换对处理非平稳信号的优越性和支持向量机(SVM)对模式分类的良好性能,提出了一种基于小波变换与SVM的故障诊断模型,并选取配电系统进行故障诊断仿真实验。结果表明该模型能利用少量训练样本完成故障诊断,有效提高装备故障诊断精度。     

模糊Petri网在指火控系统故障诊断中的应用

故障诊断是保证指火控系统可靠性的重要措施,现将模糊Petri网应用于设备故障诊断,给出了基于模糊Petri网的故障诊断模型.以一个实际故障诊断系统应用为例,说明了该模型具有直观、表达能力强和易于推理的优点.     

基于AIS反面选择算法的炮射导弹故障诊断方法

提出将人工免疫系统（Artificial Immunity System,AIS）中的反面选择原理应用到炮射导弹故障诊断中,依据免疫算法实现故障诊断的基本原理,构建了基于反面选择算法的故障诊断数学模型,解决了在故障先验知识和故障特征信息缺乏等情况下的故障诊断问题,并通过对炮射导弹制导仪系统中的故障进行实例分析,验证了该方法的有效性和优越性。     

组合式空调机组故障诊断专家系统的设计与实现

通过分析某型组合式空调机组运行的实际需求,面向空调机组现场运行,以LabWindows/CVI8.5为开发工具,以SQL Server 2000数据库为平台建立系统知识库,采用基于故障树的故障分析及基于逻辑链的故障推理方法,构建了组合式空调机组故障诊断专家系统。     

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。     

指挥控制系统故障诊断专家系统的设计与实现

以专家系统理论为基础,针对某指挥控制系统的组成和下属工作站的结构特点,分析了该系统故障发生和故障传播的机理,应用故障树分析法,建立起系统的故障树。研究了故障的知识获取和表示方法,推理策略和推理机的构建。应用面向对象技术,构建了一种基于层次诊断模型与故障树分析法相结合,融经验诊断和原理诊断为一体的故障诊断专家系统。     

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。