液体火箭发动机基于模型的故障检测算法

针对泵压式供应系统液体火箭发动机的故障监控问题,建立了用于发动机故障检测的非线性动态数学模型,设计并实现了发动机系统的广义卡尔曼滤波器。利用新息序列的统计特性,进行了发动机故障新息检测算法的仿真研究,讨论了降低滤波器计算费用的方法以及置信度、自由度对检测算法性能的影响。本文的工作为进一步研究发动机故障在线实时检测算法奠定了重要基础。     

基于系统构型替换的固冲发动机故障模式半实物仿真

为全面快速验证冲压发动机的故障检测算法,基于构型替换建立了能模拟多种固冲发动机故障的仿真验证平台。基于此平台,搭建了发动机点火故障模型、压强传感器故障模型、设备接口模型,以及与真实控制器中检测算法具有相同外部接口和系统构型的故障检测算法模型等。通过系统构型的切换,将同一个故障模式注入故障检测算法模型和真实发动机系统,并通过对比同一组故障模式下故障检测模型检测结果与发动机控制系统检测结果,来对发动机控制器中的故障检测算法进行快速验证。以无喷管助推器点火的检测为例,讲述了该方法的建模、实验验证及分析过程,此外,该方法还能应用到无喷管助推器关机、进气道前后堵盖打开、燃气发生器点火、燃气流量容错控制等多个故障模式的仿真模拟与验证,具有很强的通用性,能大大地降低控制系统开发与验证的时间成本,具有很强的应用价值。     

基于SPRT的组合导航故障检测与隔离互辅算法

针对SPRT(序贯概率比检验)算法无法准确判断缓变故障结束时间的问题,提出了一种故障检测与隔离互辅算法。采用SPRT算法对滤波残差进行故障检测,确认故障后隔离故障观测量,重新建立卡尔曼滤波观测方程并完成量测更新,将隔离后的滤波结果作为下一时刻的滤波初值辅助故障检测。仿真结果表明,该方法能准确定位故障观测量并判断出故障的结束时间,提高了系统可靠性。     

交互多模型算法的无人机控制系统故障诊断

交互多模型算法是一种广泛用于各种结构与参数变化的动态系统自适应估计的有效方法.在建立无人机控制系统传感器和执行器的全局故障和局部故障模型的基础上,应用此方法对传感器和执行器的各种软硬故障进行诊断,应用所建立的数学模型与方法,对无人机传感器和执行器的局部与全局故障进行了仿真计算.在仿真过程中发现,与一般的多模型方法相比,此方法能够更加准确可靠地诊断故障,无延迟报警,算法简单.仿真结果验证了该方法的有效性.     

火控系统BIT设计与实现

采用层级BIT设计架构,建立了系统级和模块级BIT系统设计模型。设计了PBIT、CBIT、IBIT测试项探测函数、恢复函数等节点属性的统一数据结构。引入故障树理论设计了PBIT、CBIT、IBIT通用自动遍历故障树测试算法,可以实现多种火控系统的"自下而上"的节点测试和"自上而下"的故障诊断。在某火控系统预研项目的应用表明,本BIT系统的设计方案合理可行,易于维护,可显著提高通用火控系统的测试性和可靠性。     

基于参数辨识的电动舵机系统健康仿真和评估

针对目前电动舵机系统故障诊断方法不能有效预测缓变故障,提出基于舵机系统模型的状态变量检测法对飞行器常用的执行机构电动舵机系统进行健康分析与仿真评估。分析电动舵机系统子系统电机本体、控制器、传动机构的常见故障,对其中反映系统性能的关键参数进行数学建模;通过对系统注入不同的健康参数得到相关故障状态下的状态变量特征,进而作为定位故障源的知识库,引入健康因子评估故障参数的变化趋势;仿真算例选择电机本体的主要物理参数电机绕组阻值和反映永磁体性能的电机力矩常数作为健康因子,通过定位知识库建立的健康因子评估算法验证了方法的可行性。     

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。     

基于矢量分配的组合导航容错联邦滤波算法

针对高动态环境下飞行器组合导航系统因不确定故障导致导航精度下降的问题,提出了一种基于矢量信息分配的容错联邦滤波算法。设计矢量形式的故障检测函数,对各观测量进行单独的故障程度划分,克服了将故障子系统所有观测量同时隔离的缺陷;根据观测量是否异常,重构时变量测噪声矩阵和信息分配矢量系数,对子滤波器的状态变量进行信息分配,在隔离故障子系统异常观测量的同时,最大限度地利用正确观测信息。仿真结果表明,采用该算法能够充分发挥各导航子系统的优势,极大提高了导航子系统信息利用率,具有较高的精确性和容错性。     

基于估计协方差MME检测的频谱感知算法

针对小采样数据长度下,采样协方差矩阵对统计协方差矩阵估计不准,影响传统最大最小特征值(MME)检测算法检测性能的问题,提出一种基于逼近收缩(OAS)矩阵估计的改进MME检测算法。首先利用OAS估计量对采样数据做协方差矩阵估计,再对估计协方差矩阵特征值分解,将最大最小特征值之比作为检测统计量,克服了传统MME算法检测门限随采样点大幅波动的缺陷,提高了检测门限的鲁棒性。仿真结果表明,所提算法的检测门限具有鲁棒性,检测性能提高了1 d B~2 d B。     

基于One-port模式的测试点选取问题

在故障诊断过程中 ,每个测试点检测故障所需的时间可能不同。对于每个测试点一次检测所有可检测故障点的问题已经获得解决。对于每个测试点一次只能检测一个故障点 ,分两种情况加以讨论。若要求检测时间之和最小 ,给出了最优算法 ;若要求最大检测时间最小 ,证明了其是NP完全问题 ,并给出近似算法。最后给出一个实例对算法加以说明     

涡轮泵故障检测的频段能量比SOM算法

为了解决缺少故障样本情况下的涡轮泵健康状态判别问题,分析了涡轮泵振动信号的频谱,提取了频段能量比作为其故障检测特征,并讨论了自组织映射的竞争学习原理及聚类结果的U-矩阵表示,提出了一种基于频段能量比的自组织映射故障检测算法,并实现了该算法最佳匹配神经元的选择和权重向量的自适应更新。通过某型液体火箭发动机历史试车数据的验证,结果表明,健康涡轮泵数据利用该算法聚类时仅存在一个类别,相邻神经元距离小于0.1;反之,故障涡轮泵数据利用该算法聚类时明显存在两个或多个类别,且相邻神经元的最大距离大于0.1。因此,基于频段能量比的SOM算法能有效地判别涡轮泵的健康状况。     

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χ~2检验的惯性/卫星紧耦合系统故障检测与隔离方法

研究了一种基于χ~2检验的惯性/卫星紧耦合系统故障检测与隔离方法,该方法可利用故障检测函数自动识别单个卫导故障,并实时剔除故障星重构观测信息序列,从而避免了对紧耦合系统的影响。构建数字化仿真环境对所研究的故障检测与隔离方法进行了仿真,仿真结果表明,该方法可在卫星发生故障时及时检测并隔离故障星,并自动实现观测信息重构,保证了紧耦合系统的精度和完好性。     

基于核主成分分析的铁谱磨粒特征提取方法研究

针对铁谱分析的磨粒识别过程中存在原始磨粒特征描述指标参数多、非线性突出的问题,提出基于核主成分分析的磨粒特征提取方法,介绍该方法的原理与算法。结合某柴油发动机故障检测与分析系统中铁谱磨粒自动识别的应用实例,并与传统主成份分析方法进行对比分析,结果表明该方法在进行样本非线性特征参数指标综合以及特征维数压缩方面具有可行性和有效性。     

基于反正切函数的测试性分配方法

针对现有主流测试性分配方法存在的分配指标过低和过高等不合理问题,分析认为其根源在于现有方法采用线性分配函数,而该函数不符合测试性指标提升规律,为此,构造了一种基于反正切函数的测试性分配函数,设计故障检测率与故障隔离率指标的分配算法,开展案例应用并与经典故障率分配法和综合加权分配法进行对比分析,结果表明随着分配权重(故障率)的变大,本方法分配指标的增幅逐渐减小,不会出现极低指标和超1指标的不合理情形。     

基于递归神经网络的C3I系统故障预报系统

阐述了C3I系统故障预测系统的设计要求,分析了带有偏差单元的递归神经网络的相关原理,建立了C3I系统故障的神经网络预测模型并提出了相应的训练算法.提出了把神经网络、预测理论和专家系统有机地结合起来建立故障预报系统的初步设想.并以防空C3I系统的典型故障为例,实现了故障的预测.预测结果证明,给出的神经网络预测模型和训练算法是可行的,且具有较高的精度.     

用于机动目标跟踪的自适应交互式多模型算法

针对当前统计模型对弱机动或非机动目标跟踪效果不理想等问题,提出了一种修正当前统计模型与匀速模型的自适应交互式多模型算法,可在线修正当前统计模型的加速度极限值,调整过程噪声方差,提高了当前统计模型的自适应性。同时,通过在常规匀速模型中引入机动检测机制,抑制了常规匀速模型对机动目标跟踪的滤波发散,通过引入强跟踪算法,增强了模型对目标突发机动的自适应跟踪能力。仿真结果表明,该算法充分发挥了当前统计模型和交互式多模型算法的优势,对强机动和弱机动目标都具有很好的效果。     

基于系统仿真的故障检测与辨识技术研究

本文将系统仿真技术应用于故障检测与诊断(FDD),提出了通过实测信息在线交互减小解决理论轨线偏差的思想,建立了基于系统仿真FDD逻辑结构,针对MIMO系统和线性动态-测量系统构造了具有良好统计性质的故障辨识算法,为故障检测、故障辨识、故障时间的确定和故障模式识别提供了实现的可能性。本文的思想和方法不但可用于CVDS的故障检测与诊断,对大规模复杂系统的故障分析也具有借鉴和参考价值。     

基于Linux/QT的火控系统实时故障诊断方法

针对某数字化火控系统实时故障检测与诊断问题,提出了一种基于对象式框架知识表示的火控系统实时故障诊断方法。该方法采用专家系统与实时进程通信,获取故障征兆,进行实时推理定位故障源。给出了诊断系统的一般架构,介绍故障诊断系统知识表示的形式化描述,实时推理、规则匹配算法和UDP进程通信协议。实际应用证明了这种方法的有效性和可扩展性。     

一种基于改进型KALMAN滤波器的导弹故障检测算法

常规卡尔曼滤波器有一大缺点，它要求精确的模型和噪声统计，但实际问题中，大多数情况上述要求不能满足。本文给出了考虑滤波器初始条件不精确性的Ｋａｌｍａｎ滤波器表达式。利用这种Ｋａｌｍａｎ滤波方法进行故障检测，降低了误报警率，提高了鲁棒性。由于导弹姿态控制系统模型的精确性有限，常规Ｋａｌｍａｎ滤波方法因其鲁棒性差很难检测故障，这种方法能有效检测故障。仿真算例表明此方法非常有效。