基于高斯白噪声加入的EMD在旋转机械故障诊断中的应用研究

为了避免经验模式分解(EMD)过程中不同时间尺度函数间的模式混叠,采用基于高斯白噪声加入的经验模式分解方法,并将之应用于旋转机械故障诊断中。该方法主要是对同一信号重复若干次加入相互独立的高斯白噪声序列,并分别筛选固有模式函数,而后把各个对应的固有模式函数进行平均计算,消除白噪声对分解结果的影响。最后,通过对固有模式函数进行包络解调,从中提取故障特征。对实际旋转机械故障振动信号的分析结果表明,该方法能有效避免固有模式函数间模式混叠,提高故障诊断效果。     

基于馈电信息的故障诊断技术研究

综合运用馈电信息基本理论,提出了一个基于馈电信息的故障诊断技术.该技术通过对馈电信息的比较、分析,从而实现对工作状态的监测和故障的检测;通过检测、分析馈电相关的频谱或相关的模式,实现状态分析和故障定位,完成对电子装备的故障诊断.     

基于模糊支持向量机的发动机故障诊断方法

发动机的故障样本少,用神经网络进行故障类别的学习和分类往往会出现过学习、泛化能力不高以及局部极小点等问题。针对这一缺陷,将基于小样本理论的支持向量机学习方法应用到发动机的故障诊断中。同时讨论了3种多故障分类器的优缺点,并用引入模糊隶属函数的方法解决了“一对多”方法在构建多故障分类器时存在的分类盲区,提高了分类器的分类精度。用该方法对发动机常见的8种状态模式的样本进行训练和识别,训练样本和测试样本都有较好的识别率。     

利用整帧翻转的SRAM型FPGA故障注入加速算法

不可恢复异常比特位(unrecoverable-sensitive bits, UR-SB)不能通过定时刷新修复,会造成卫星载荷在轨服务的长时间中断,是地面故障注入试验需要着重评估和改善的。但UR-SB占比极低,若采用传统逐位翻转故障注入方法,其测试耗时太长,效率极低。提出了一种基于整帧翻转的静态随机存取存储器型现场可编程门阵列的故障注入加速算法,其通过整帧翻转能够快速筛除不存在UR-SB的配置帧,并进一步用二分法对存在UR-SB的配置帧进行快速搜索,有效加速了UR-SB的精确定位过程。以在轨常用XQR2V3000器件为例,理论分析在较差情况下测试效率可提升207倍,信号生成载荷实测结果最高可提升949倍,理论分析和实测结果均验证了所提加速算法的有效性。     

利用分时刷新和位置约束的卫星载荷BRAM抗辐照设计方法

为解决星载资源严格受限条件下,静态随机存取存储器型现场可编程门阵列中块随机存储器(block random access memory, BRAM)的轻量级、高可靠抗辐照加固难题,提出了一种基于分时刷新和位置约束的卫星载荷BRAM抗辐照加固设计方法,通过监控算法执行时隙实现BRAM分时刷新,并增加位置约束有效降低三模冗余后两模设计同时发生异常的概率,以较少的资源消耗有效提升BRAM在轨抗辐照可靠性。重离子加速试验结果表明,采用分时刷新和位置约束加固方法后,卫星载荷单粒子功能中断截面下降约81.63%,在轨BRAM异常由3颗星2年发生3次减少为25颗星2年未发生,在轨抗辐照可靠性大幅提升。     

Wasserstein距离在液体火箭发动机故障检测中的应用

健康监控技术能够切实提高液体火箭发动机的可靠性,针对液体火箭发动机健康监控中的故障检测问题,提出基于Wasserstein距离的方法,利用液氢液氧火箭发动机地面热试车数据进行验证。该方法的核心思想是利用Wasserstein生成对抗网络模拟正常数据的样本分布,利用其判别器计算测试样本与模拟分布间的Wasserstein距离,进而实现故障检测。结果表明:该方法能够克服故障数据不足的困难,有效检测稳态过程中的故障,没有发生误报警,且对早期异常有较高敏感性;在训练样本较少的情况下,当Wasserstein距离阈值为3σ时对启动过程的早期异常有较高敏感性,取5σ时仍可有效检测启动过程中的故障,误报警率为12.5%。     

STUDY ON REALISTIC TECHNOLOGY OF CONDITION MONITORING AND FAULT DIAGNOSTIC SYSTEM FOR SHIPPING POWER DEVICES

ＳＴＵＤＹＯＮＲＥＡＬＩＳＴＩＣＴＥＣＨＮＯＬＯＧＹＯＦＣＯＮＤＩＴＩＯＮＭＯＮＩＴＯＲＩＮＧＡＮＤＦＡＵＬＴＤＩＡＧＮＯＳＴＩＣＳＹＳＴＥＭＦＯＲＳＨＩＰＰＩＮＧＰＯＷＥＲＤＥＶＩＣＥＳＷｅｎＸｉｓｅｎ;ＬｉＹｕｅ;ＴａｎｇＢｉｎｇｙａｎｇ（Ｄｅｐ...     

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。     

一种基于元胞自动机的故障样本选取方法

故障样本选取是测试性验证中的关键环节,直接影响测试性验证试验的效率和结果的正确性。在板级电路的故障样本选取过程中,运用传染病思想中的元胞自动机模型分析了电路故障的传播行为,提出了一种基于元胞自动机的故障样本选取方法,实现了故障样本的等效选取。以某型装备关键部件为例,建立了故障传播模型,计算并改进了元胞自动机状态计算方法,通过注入易操作的故障样本,简化了故障注入的流程,提高了故障注入效率。     

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