基于故障树的地铁屏蔽门故障诊断专家系统的设计

在地铁屏蔽门系统的故障诊断中,传统方法存在效率低、人工负担重等缺陷。为此,设计了基于故障树的故障诊断专家系统。先用屏蔽门的资料构建出扩展故障树,然后使用早期不交化和模块化等方法将其简化成基本故障树,求出最小割集。在故障树的基础上,设计了专家系统的知识获取和表示机制,建立了知识库。在构建推理机时,采用了双向推理、全自动推理、半自动推理、人工回溯等策略,提高了诊断效率和可信度。该系统可与综合监控系统进行接口,能对相关信息进行推理分析,对潜在故障进行预警,对已发生故障进行快速定位和诊断,出具故障报告和处理建议书,并提供故障模拟及培训功能。试用者的反馈意见表明该系统具有较好的实用价值。     

基于不确定推理的军用软件故障诊断方法研究

针对基于构件的军用软件使用过程中故障频发,传统规则推理的方法进行故障诊断存在不确定性问题,提出了基于不确定规则知识库的故障诊断方法;首先根据不确定推理逻辑,分析传统规则推理的不确定因素,构建不确定规则知识库;然后基于该知识库和正向链推理策略,计算确定性因子;合理设置激活规则的阈值,并对中间结论的确定性因子进行排序以消解冲突;实验结果表明,基于不确定推理的诊断方法与传统精确推理方法相比,具有更高的诊断准确率。     

一种复杂系统的快速故障诊断方法

为提高复杂系统的故障诊断效率,基于故障诊断树原理,提出并实现了一种快速故障方法。实现该方法主要包括六个关键步骤,分别是故障诊断树的梳理、诊断节点代码的编写录入、Labwindows CVI软件与数据库的通信连接、故障诊断树显示及故障诊断推理、故障诊断节点的编辑、故障结论的存储与显示。在此基础上,设计开发了相应的故障诊断软件,并利用该软件对某型装甲车辆炮控系统进行故障诊断。结果表明,该型软件人机交互性好、操作便捷,基于故障诊断树原理的故障诊断方法可较大的提高故障诊断效率,工程应用前景广阔。     

基于多信号模型的诊断推理机设计

随着飞机功能和性能要求的不断提高,其综合化程度、复杂性也越来越高,传统的故障诊断方法已经不能满足日益复杂的飞机维护需求。针对传统诊断方法对系统的强依赖性和在多故障模式下处理能力不足等问题,给出一种基于多信号模型的故障诊断方法,设计并实现了基于多信号模型的诊断推理机,并用以某型飞机的自动飞行控制系统为对象验证了该方法在解决飞机系统故障关联和多故障诊断问题中的有效性。     

基于SOM算法和免疫神经网络的飞机燃油系统故障诊断

针对传统的飞机燃油系统故障诊断方法如硬件冗余方法和系统模型检测方法存在的飞机重量限制和难以建立精确数学模型的问题,设计了一种基于SOM算法和BP神经网络的故障诊断模型;首先,建立了系统故障诊断模型并对诊断原理进行了描述,然后,对故障征兆数据进行预处理,即先采用SOM算法进行连续属性离散化处理,再通过粗糙集互信息方法进行属性降维,以减少数据量和提高诊断效率;最后,建立了基于BP神经网络的故障诊断模型,为了进一步提高故障诊断精度,在采用免疫优化算法对BP神经网络故障诊断模型中的各参数即权值和阈值等进行优化的基础上,进一步采用BP反向传播算法进行参数调整,从而得到最终的故障诊断模型。通过飞机燃油系统故障诊断实例仿真实验证明了文中方法能较为精确地实现故障诊断,且与其它方法相比,具有较高的诊断精度和诊断效率,具有较大的优越性。     

基于案例推理和故障树诊断的专家系统设计

以A320自动飞行控制系统的故障为例,在故障诊断方案设计中将案例推理和故障树分析法两种常见的故障诊断方法进行融合,通过对两种诊断方法优缺点的相互弥补而得到一个较为完善的故障诊断方案,所设计出的故障诊断方案可为航空公司构建更完善的专家系统提供参考。     

某型飞机发动机故障诊断专家系统设计

针对某型飞机发动机故障诊断困难以及视情维修对维修技术提出的更高要求,利用专家系统人工智能技术设计了该型飞机发动机故障诊断专家系统。该系统利用自动检测技术获得发动机状态参数,通过智能诊断实现故障定位。系统利用模块化设计思想进行了人机交互界面设计、故障知识数据库建立、推理机制设计、获取知识程序设计、解释程序设计,实现了发动机故障的快速定位,提高了发动机诊断维修的时效性,保证了发动机的完好率。     

基于极限学习机与规则推理的NPC三电平逆变器二级故障诊断方法

针对NPC三电平逆变器故障诊断问题,提出一种基于极限学习机与规则推理的二级故障诊断方法。分析了依据输出电流诊断故障的可区分性,以及故障模式的分类。然后对输出电流提取故障特征,并采用极限学习机完成故障初级分类。对于初级分类结果为电流不可区分故障情况,再根据桥臂电压信息运用规则推理法实现故障二级精确诊断。诊断实验表明,该方法能够实现NPC三电平的多模式故障诊断,且故障诊断方法简单、定位精确、快速、鲁棒性强。     

基于灰色关联和D-S证据理论的感应电转子故障诊断

针对单一的灰色关联或D-S证据理论在转子故障诊断中存在的不足,将灰色关联和D-S证据理论相融合的决策级信息融合方法应用到感应电机转子故障诊断中;首先用灰色关联对故障进行初步诊断,然后,将灰色关联分析的诊断输出结果作为D-S证据理论的基本概率分配,最后,依据证据组合规则进行合成,得出转子故障的最终诊断结果;实验仿真结果验证了方法在转子故障诊断中的有效性,可以减小诊断的不确定性,提高故障的诊断准确率和诊断精度。     

融入模糊推理的新型故障树诊断方法

在以预防为主、准确、高效武器装备故障诊断的指导思想下,针对故障树诊断法固有的优缺点属性,本文将产生式规则和模糊理论引入故障树中,设计了故障树的确定性诊断和不确定性推理的故障诊断推理方法,将模糊故障机理以“故障树”的方式进行表达,使故障树诊断从确定性诊断领域扩展到模糊诊断领域,并构建了相应诊断算法流程。通过仿真对比,说明了该故障诊断推理方法的正确性,同时还证明了该方法具备快速性、准确性,以及处理模糊故障机理问题的能力。     

一种云环境下的发动机健康管理系统及其应用

针对航空公司对大量飞机发动机进行健康管理的需求,通过建立发动机健康管理云端数据中心,建立了一种云环境下的民航发动机健康管理系统,该系统对于验证发动机故障诊断方法的有效性具有突出优势,并且对于实现多种方法协同进行发动机故障诊断具有重要价值;提出了一种基于灰色关联分析的灰色故障识别方法,通过在云端平台使用灰色故障识别方法实现JT9D-7R4发动机的典型气路性能故障诊断为例,表明云环境下的发动机健康管理系统可以有效地进行航空发动机故障诊断。     

基于MDARM和VxWorks的小型无人机执行器故障检测方法

由于目前在小型无人机执行器故障诊断中存在着智能化程度较低,容易受到人为因素干扰,从而出现故障漏检等问题,难以满足小型无人机对飞行安全的要求。为此,本文提出一种基于多维数据关联规则挖掘(Multidimensional Data Association Rules Mining: MDARM)和VxWorks操作系统的小型无人机执行器故障诊断方法,通过建立执行器内部传感器测量的温度、压力、流速、力矩等相关变量的历史数据库,并对这些数据进行预处理,以避免带来噪声污染,并利用可测量参数与不可测量参数之间的关联性,建立故障诊断知识库,避免了诊断过程中的人为因素干扰,实现小型无人机执行器故障的精准测量。实验结果证明,这种方法能够有效地提高故障准确率64.7%,对小型无人机执行器的智能诊提供有效指导,应用前景广阔。     

基于互相关算法的飞机导线故障诊断与定位系统设计

以飞机导线短路故障和断路故障为研究对象,目的在于寻求一种测试方法能够提高应用时域反射测量原理进行故障诊断与定位的精度。按照实际机场工程应用背景,设计了以便携式工控机为控制核心、以LabVIEW为驱动软件的飞机导线故障诊断与定位系统。根据信号传播特性,提出了基于互相关算法的故障定位方法,消除了系统误差的影响。计算机仿真和实物测试结果表明该系统具有测试过程方便、准确性高的优点,为提高民航机务维修质量具有促进作用。     

基于DPCA与LSSVM的飞机发动机异常状态识别

针对飞机发动机异常状态识别精度差、效率低和易误诊漏诊等问题,提出了一种基于动态主元分析 (Dynamic Principal Component Analysis, DPCA)和最小二乘支持向量机(Least Square Support Vector Machine, LSSVM)的飞机发动机润滑系统异常状态识别方法。首先对发动机润滑系统参数进行DPCA处理以及在线检测是否有故障发生,如果有故障发生,再采用LSSVM方法进行异常状态识别。以某型飞机发动机润滑系统为例,对文中所提方法的准确性进行试验验证,由试验结果得出文中方法能有效提高飞机发动机异常状态识别准确率。     

基于一组Kalman滤波器信息融合的故障诊断

为了能及时准确地诊断发动机的传感器和执行机构故障,本文提出了基于一组Kalman滤波器信息融合的方法进行故障诊断。首先根据传感器特性设计了一组滤波器用于传感器故障诊断、隔离,每个滤波器针对一个传感器进行设计;其次根据执行机构故障特性设计了一组Kalman滤波器进行执行机构偏差估计,从而对执行机构进行故障诊断、隔离;接着给出了传感器、执行机构信息融合的诊断方案;最后分别给传感器、执行机构添加故障进行方案验证,仿真结果得出在传感器或者执行机构任意部件出故障的情况下,该融合方法可以有效地诊断并隔离出有故障的传感器或者执行机构。     

基于风扰动预测的阵风减缓最优控制研究

目前大多数阵风减缓控制方法都是等到飞机到达风场之后才起作用,由此带来了时滞与舵面速率饱和等问题。为了解决这一问题,提出了一种基于风扰动预测的阵风减缓控制系统方案。首先,对风扰动预测技术进行了研究,利用二阶互补滤波器实现了一种基于激光测风雷达获取的阵风信息与其它渠道获取的阵风信息的数据融合算法。其次,以某型民用飞机模型为对象,采用LQR方法设计最优状态调节器使得性能指标最小。接着,引入基于风扰动预测的前馈补偿,使得在未来阵风到达时飞机状态要尽可能保持不变。仿真结果表明,基于风扰动预测的阵风减缓最优控制系统能大幅度地减少阵风干扰对飞机法向过载和俯仰角速度的影响,证明了所设计的控制系统方案的正确性和有效性。     

模糊Petri网在车电系统总线故障诊断中的应用

针对车电系统总线故障现象和故障原因之间存在复杂模糊关系而无法实现快速故障诊断这一难题,提出采用模糊Petri网(fuzzy petri net,FPN)建立车电系统总线的故障诊断分析模型,并给出了相应的形式化推理算法;以某型车电系统总线为例,分析比较了各种故障原因的可信度;分析表明:所建模型有效地描述了车电系统总线故障现象和故障原因之间的模糊关系,能够实现故障的快速诊断,该模型可以作为车电系统总线快速故障诊断的理论支持工具。     

基于信息融合的模拟电路故障的特征提取与融合方法

在模拟电路故障诊断中,故障特征的提取是一个非常重要的环节,其提取结果的好坏将直接影响最终的诊断正确率。对现有文献研究发现,每种特征提取方法单独使用时都有一定的局限性,为了能够更加充分的提取模拟电路故障特征,提出了小波包分析与主元分析并行应用的方法,并将两种方法提取的特征向量依据不同规则进行了三种类型的融合,方便对比实验。为获取最优小波特征,提出了特征偏离度,并以此为标准选择最优小波基。最后,通过设计一种改进的神经网络分类器模型,将融合后的三种特征向量送入其中进行仿真验证,得出最终诊断结果。结果表明,该方法能够有效克服单一特征提取方法提取不充分的缺点,提高故障诊断的正确率,并且融合因子 适中时诊断正确率最高。