单片机控制的陀螺罗经故障诊断系统的设计与研究

本文详细介绍了对单片机控制的陀螺罗经控制系统中的ＣＰＵ、ＲＡＭ、Ｅ－ＰＲＯＭ、Ａ／Ｄ、Ｄ／Ａ通道等进行故障自诊断的方法；分析确定了罗经中其它易出故障的关键部位及其进行故障诊断和报警的方法。以上故障诊断系统几乎没有增加硬件，只利用系统中原有硬件采用软件完成故障诊断的。文中还给出了具体的程序框图及说明。     

柴油机磨损状态监测及故障诊断专家系统知识库建立的研究

实践表明，为了确保机器的安全运行，避免突发性故障，对其实施磨损状态监测和故障诊断是十分必要的。尽管铁谱技术和光谱技术等在这方面的应用都比较成功，然而它们也各有其局限性。为了把机器的磨损状态监测和故障诊断技术推向更高的科学水平，在摩擦学系统的系统工程思想指导下，针对柴油机的“拉缸”和“拉瓦”故障，并且根据故障发生之前润滑油结构变化的各种信息，利用专家系统开发工具ＥＸＳＹＳ，建立了基于铁谱技术和光谱技术的柴油机磨损状态监测及故障诊断专家系统ＦＤＥＸＳＹＳ（Ｖ１．０）知识库；对该专家系统的测试和实际运行结果表明，所建立的知识库可以比较全面而可靠地描述柴油机的磨损状态及故障前兆，因而能够提醒用户适时采取有效措施以防止故障的发生。不仅如此，所述专家系统知识的获取方法、知识的分类表示及匹配方法等研究，对建立其它摩擦学系统的故障诊断专家系统都具有参考意义。     

一种结构故障的振动诊断法

文章分析了振动参数对结构故障的敏感度，选取对故障比较敏感、又能反映结构动力特性的频响函数，作为诊断故障的参数，采用了最小二乘辨识、卡尔曼滤波、自适应滤波等方法，进行故障诊断、仿真试验的结果表明，本文提出的方法可行，且有一定精度，实物试验结果表明，当局部刚度下降5%时，运用本文方法可诊断出故障。     

灰色理论在旋转机械故障诊断与预报中的应用

利用灰色理论的关联度分析实现了旋转机械故障的精密诊断 ,利用灰色模型( GM)实现了旋转机械的状态预测及故障预报 ,并用 C语言编制了一套完整的旋转机械灰色故障诊断、状态预测与故障预报软件。同时本文对某厂透平机进行了全面的计算机诊断与预报 ,通过现场对该透平机检查发现故障与本软件诊断结果一致 ,进而揭示了利用灰色理论开发旋转机械故障诊断和预报系统的可行性。本软件为旋转机械故障诊断专家系统的开发提供了新的借鉴     

滚动轴承故障的沃尔什诊断法

本文以沃尔什功率谱为基础提出一种新的故障诊断方法。选取了新的特征量及故障特征系数，并与滤波降噪技术相结合，对３０７滚动轴承进行了诊断。实践证明，这一方法对于冲击故障信号比较有效。     

基于模糊神经网络的故障诊断及其在无刷直流电机系统中的应用

本文针对故障诊断知识具有模糊性的特点,提出了一种基于模糊神经网络的故障诊断方法,将模糊理论与神经网络融合在一起,实现了对故障的模糊诊断.文中给出了模糊神经网络的结构和学习方法,并提出了一种阈值向量故障判别方法,使故障判别更具灵活性.并以无刷直流电机系统为对象,将该方法应用于系统的故障诊断,仿真结果表明,该方法是行之有效的.     

小波分析技术在陀螺故障诊断中的应用研究

小波分析是一种全新的时一频两维分析技术，其对高频突变信号和低频缓变信号的分析有其独特的优点。本文分析了小波分析技术的原理，提出了将其引入机械设备故障诊断中的方法。通过对有故障陀螺振动信号的多尺度分析，研究故障信号小波变换轴心轨迹分量图，建立典型故障特征模型，从而对单故障及多故障问题进行分析与诊断。     

一种主备配置的惯导系统故障诊断原理

分析了系统进行硬件故障、信息良好性故障及软（性能）故障的诊断原理。特别是研究并推导了主、备平台系统四个水平通道之一出现慢漂移时的诊断公式及方法。实验证明：其分析推导过程与某型飞机惯导产品实际情况完全一致，对国内惯导故障诊断具有重要的参考价值。     

拉格朗日松弛算法在平台罗经多故障诊断技术中的应用研究

最优多故障诊断问题是一个NP-hard问题。针对平台罗经这一复杂系统，采用有向图描述元件与测试点间的因果依赖关系，并建立系统的多信号模型。在考虑元件发生故障的先验概率的前提下，提出一种基于拉格朗日算法（LRA）和子梯度优化算法（SOA）近最优多故障诊断算法，并在某型平台罗经的方位稳定系统多故障诊断中得到应用。结果表明：该方法相对于传统的单故障诊断方法诊断速度快，适用于平台罗经这类大型复杂系统的多故障诊断。     

线性时变时滞连续-离散描述系统鲁棒故障诊断滤波器设计

针对一类线性时变时滞连续-离散描述系统,设计了基于观测器的鲁棒传感器故障诊断滤波器。首先,提出线性时变时滞连续-离散描述系统模型,并将其转化为非奇异离散模型。然后,基于量测残差,设计基于观测器的鲁棒传感器故障诊断滤波器。该滤波器可保证量测残差对于故障及增广扰动具有鲁棒性,即满足鲁棒H_∞性能指标。鉴于滤波器参数矩阵不等式不是标准的线性矩阵不等式,提出锥补线性化算法以解决该问题。引入残差评价函数及阈值以判断故障是否发生。仿真数据表明,设计的故障诊断滤波器能够有效估计出系统的故障。残差对于故障及扰动的鲁棒性能指标均小于给定值1.18,证明了设计的故障诊断滤波器具有较好的鲁棒性,验证了设计方案的有效性。     

转台的粗糙神经网络故障诊断系统设计

针对转台故障的多样性与复杂性,设计了独立于专家的粗糙神经网络故障诊断系统。首先建立转台故障诊断决策表,然后用粗糙集方法约简冗余属性,最后设计了神经网络分类器和辨识器。实验结果显示,诊断系统能较好地区分和辨识具有相同故障现象的不同故障,诊断正确率达到96.7%。将粗糙集理论与神经网络相结合,简化了信息表达空间,减小了神经网络结构的复杂性,并具有强大的容错和抗干扰能力,工程实用性强。     

AIRCRAFT CONTROL SURFACE FAULT DIAGNOSIS AND EVALUATION OF FLIGHT PERFORMANCE

针对操纵面故障将严重影响飞机的飞行安全，提出一种能快速实现故障诊断及性能评估的系统方法。首先，当系统状态维数较高时，采用容积卡尔曼滤波算法的球形积分准则和径向积分准则优化Sigma 点的采样策略和权重分配，较好地解决了无迹卡尔曼滤波算法滤波性能明显下降的问题；然后，利用飞机等速平飞运动特征计算故障下的升力系数和阻力系数，得出能反映飞机性能的飞行包线；最后，通过仿真结果验证了本文所提方法的可行性。     

基于振动监测的静载荷滑动轴承接触摩擦故障诊断实验研究

采用静载荷滑动轴承试验台模拟轴颈-轴承从液体润滑状态逐步向干摩擦状态过渡时的接触摩擦故障的发生和发展过程,进而利用振动信号诊断滑动轴承的接触摩擦故障;通过对特征参数进行归一化处理得到无量纲特征参数,进而通过无量纲特征参数的适当数学组合得到无量纲诊断准则,并探讨了无量纲诊断准则的适用性.结果表明:利用所得到的无量纲诊断准则进行轴颈-轴承接触摩擦故障诊断时无须建立用于模式识别的标准模,可实现快捷方便的故障诊断;无量纲诊断准则对工况不敏感,而对故障更敏感,适用于可变工况下滑动轴承的故障诊断,且诊断成本较低.     

基于贝叶斯网络的智能故障诊断方法

首先提出了基于贝叶斯网络的智能故障诊断方法，它对于解决复杂设备诊断问题中存在的不确定性，关联性具有很大的优质。然后阐述了贝叶斯网络模型的数学描述及基于贝叶斯网络的故障诊断方法的基本思路和决策算法。最后以某型SINS／GPS组合导航系统的故障诊断应用实例说明了该方法的有效性。     

基于Lyapunov指数谱的航空发动机故障诊断研究

提出了基于Lyapunov指数谱和Lyapunov指数谱熵的航空发动机状态识别和故障诊断新方法。基于实测的某型航空发动机振动时间序列求解了系统不同工作状态和故障状态的Lya-punov指数谱;基于Lyapunov指数谱,对该型航空发动机进行了状态识别和故障诊断;为给出对Lyapunov指数谱及其对状态识别和故障诊断的整体表述,定义了Lyapunov指数谱熵,并基于该谱熵对该型航空发动机进行了状态识别和故障诊断。研究结果表明该型航空发动机振动时间序列在不同状态下具有不同的Lyapunov指数谱及其谱熵,即可以Lyapunov指数谱及其谱熵作为识别其状态的特征量,为航空发动机的故障诊断和状态监控提供了新的可靠的方法。     

Intelligent fault diagnosis of wind turbine gearboxes based on refined generalized multi-scale state joint entropy and robust spectral feature selection

Nonlinear Dynamics - The fault diagnosis of gearboxes and bearings in wind turbines is crucial to extend their service life and reduce maintenance costs. This paper proposes a novel fault diagnosis...     

野值存在情况下组合导航系统的容错技术研究

提出了“故障诊断周期”的概念，并基于一个诊断周期内占多数的数据均超过门限时才认为故障，否则认为是野值的故障原则对故障蜮野值情况分别处理。该容错方法不仅可以避免因野值造成的组成模式的频繁，而且还通过剔除野值对滤波的影响，提高了系统滤波精度和数据的连续性，并提高了系统故障检测的灵敏度。这在仿真中都得到了证明，说明该方法行之有效，在工程实际中也可以应用。     

基于蚁群算法的复杂系统多故障状态的决策

故障树在设备的故障诊断中被广泛应用。当系统复杂度较大时,故障模式和故障树的分支会剧烈增加,故障现象和故障原因因此出现复杂关系,这必然给故障检测和诊断推理带来极大的困难。在故障诊断中引入一种新的人工智能方法,即蚁群算法,可以确定故障树的最优检测次序,并指导系统多故障状态的决策。由于该方法具有平行性、鲁棒性等特点,可以很好地解决前面所提问题。仿真结果显示,在故障树中采用该新方法可行、有效。