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Flowmaster的飞机燃油供油系统仿真研究

飞机燃油系统作为飞机不可或缺的功能和保障系统,对飞机的安全性有着重大的影响。针对飞机燃油供油系统的故障诊断问题,利用流体仿真软件Flowmaster建立了供油系统模型。仿真了飞机燃油系统增压泵供油、交输供油、重力供油的工作情况。分析了飞机燃油供油系统的故障模式,仿真了在几种典型故障模型下的工作情况,并对仿真结果进行了分析。结果表明利用Flowmaster所建立的供油系统模型能有效地仿真飞机燃油系统正常与故障工作情况,为飞机燃油系统的故障诊断打下了基础。     

基于邻域粗糙集和并行神经网络的故障诊断

针对目前使用神经网络诊断故障时出现的输入向量选择困难、网络结构复杂、对并发故障诊断效果不好等问题,提出了基于邻域粗糙集和并行神经网络的故障诊断方法。先利用邻域粗糙集对初始征兆进行约简,留下有价值的征兆作为神经网络的输入向量,然后针对每种故障类型设计一个神经网络。用多个训练好的神经网络来并行诊断故障,综合每个神经网络的结果给出最终的诊断结论。用转子实验台的实验数据对这种故障诊断方法进行验证,结果显示该方法能优化神经网络结构,且神经网络具有训练速度快、诊断正确率高的特点。     

基于禁忌算法优化神经网络的海洋船舶流量预测

为了有效缓解船舶交通拥堵和提高通航效率,对海洋港口和航道管理提供一个更可靠的数据,设计了一种基于禁忌算法优化神经网络的海洋船舶流量预测的方法。首先,建立了基于禁忌算法优化神经网络的海洋船舶流量预测模型。然后,设计了三层的脊波神经网络结构,提出了采用禁忌算法优化脊波神经网络结构参数的具体方法,从而得到一个初始化的脊波神经网络流量预测模型。然后,采用有标签的训练样本数据集对网络进行训练,将满足误差阈值的训练模型作为最终的预测模型。以某港口为例进行仿真实验,结果表明文中得到的预测结果与真实值较为接近,且与其它方法相比,具有更好的预测效果。     

基于T-S模糊神经网络的飞机防滑刹车系统研究

航空业的发展对飞机防滑刹车系统提出了更高的要求,而传统PID+PBM控制器存在着低速打滑、刹车效率较低等问题;针对刹车过程中的不确定性和非线性问题,提出采用T-S模糊神经网络来进行防滑刹车控制器设计;在MATLAB/SIMULINK平台建立飞机刹车总体仿真模型,将设计的控制器与传统控制器进行对比仿真试验;仿真结果表明,基于T-S模糊神经网络的控制器解决了传统PID+PBM系统存在的问题,具有良好的控制效果,系统具有鲁棒性,能够适应变化的跑道情况,为飞机防滑刹车控制提供了一种新的方法。     

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DS证据理论和压缩感知的WSN数据融合策略设计

为了降低WSN数据量和延长网络生命周期,设计了一种基于DS证据理论和压缩感知的WSN混合数据融合策略;首先,在分簇协议的基础上引入了基于DS证据理论和压缩感知的混合模型,然后,采用改进的DS对所有簇成员节点的基本信度分配函数进行加权处理,在簇头处采用加权和归一化的信度分配函数计算证据对各命题的支持程度,将支持程度较大的若干命题作为DS融合结果,在此基础上采用压缩感知方法通过构造测量矩阵对融合结果进行稀疏化表示,并在基站处对稀疏信号进行重构;仿真实验表明,文中方法能有效地实现数据融合,且和其他方法相比,具有重构误差较小和网络生命周期较长的优点,具有较大的优越性。     

基于改进证据推理规则的变压器故障诊断

为克服已有证据推理规则处理冲突证据时收敛慢甚至不收敛的缺陷,提出了一种按相关性对证据进行修正及对冲突信息合理分配的改进证据推理规则,并将其应用于变压器故障诊断。数值算例表明,改进证据推理规则可以充分利用变压器故障诊断中的一致性或冲突性多源故障征兆信息,提高变压器故障诊断的收敛速度,降低故障误判率。     

基于BP神经网络的卫星故障诊断方法

为了有效地利用卫星下传的海量遥测数据,在测试过程中对卫星进行实时的故障诊断,提出了一种基于BP神经网络的卫星故障诊断方法;该方法包括离线自主学习和实时在线故障诊断两部分;离线自主学习部分基于历史数据库和更新样本进行自主学习,学习获得神经网络模型存储于知识库;实时在线故障诊断部分依据相应的神经网络模型,对遥测数据进行实时在线的诊断;为了验证基于BP神经网络的卫星故障诊断方法的有效性和优越性,以现有型号三轴稳定近地卫星控制分系统为实验对象,利用该方法对具有代表性的红外地球敏感器和动量轮的相关遥测数据进行分析;通过将该方法的实验结果与基于Kalman滤波的方法的实验结果进行对比分析,表明该方法能够有效地对卫星的故障进行诊断。     

基于Elman神经网络的齿轮故障诊断研究

在齿轮故障诊断过程中,针对传统的BP神经网络具有学习、记忆不稳定等缺点,提出了将Elman神经网络应用于齿轮故障诊断中,建立了Elman神经网络的应用结构模型,介绍了该网络的训练算法,阐明了齿轮故障诊断的实现过程;结果表明该神经网络学习记忆稳定,具有很好的学习功能,诊断方法具有高可靠性,达到了预期效果。     

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。     

基于LM-BP神经网络的气阀故障诊断方法

提出一种基于LM（Levenberg-Marquardt）算法优化的 BP (Back Propagation)神经网络的多级往复式压缩机压缩机气阀故障诊断方法。以6M25-185/314氢氮气压缩机的 6级压差和6级温差作为网络的输入向量,建立可对往复式压缩机一至六级气阀故障进行在线监测及故障诊断的LM-BP神经网络模型。以100组故障数据作为网络训练样本,30组数据作为网络检测样本进行故障诊断,结果表明,LM-BP神经网络相比于变梯度BP神经网络和RBF神经网络诊断更快速稳定且准确率达到96%以上。利用Matlab软件平台建立的LM-BP 神经网络故障诊断模型,模型简单便于在工程实际中应用。     

基于极化因子神经网络的火电厂制粉系统故障诊断技术

制粉系统是火电厂的主要设备,其安全稳定运行对发电企业的经济生产具有十分重要的意义。针对制粉系统的运行特性和故障分析,提出了基于极化因子神经网络的火电厂制粉系统故障诊断方法,该方法将故障征兆相应的过程变量作为输入,将制粉系统故障类型作为输出,通过训练神经网络建立其系统故障诊断模型,其中训练过程中采用极化因子来自动调整神经网络的收敛速度,从而在满足误差目标的前提下,防止其陷入局部极小。选取实际火电厂制粉系统3个典型故障及其相对应的9个故障征兆参数进行了实验。结果表明,该方法具有良好的收敛性,完全可以满足火电厂制粉系统现场故障诊断的要求。     

Bearing Fault Diagnosis Method Based on Convolutional Neural Network and Knowledge Graph

An effective fault diagnosis method of bearing is the key to predictive maintenance of modern industrial equipment. With the single use of equipment failure mechanism or operation of data, it is hard to resolve multiple complex variable working conditions, multiple types of fault and equipment malfunctions and failures related to knowledge and data. In order to solve these problems, a fault diagnosis method based on the fusion of deep learning with a knowledge graph is proposed in this paper. Firstly, the knowledge rules of bearing data is used for entity extraction. Next, the multiscale optimized convolutional neural network (MOCNN) proposed in this paper is used for fault classification to achieve relationship extraction. Finally, the fault diagnosis graph of the bearing is constructed for fault-assisted decision-making as well as the detailed display of fault information. According to experiment analysis, the fault diagnosis model based on MOCNN proposed in this paper, which integrates the end-to-end convolutional neural network and the attention mechanism, still achieves an accuracy of 97.86% under the data set of 160 types of faults. Compared with the deep learning models such as Resnet and Inception in the noise environment of multiple working conditions and variable working conditions, the model proposed in this paper not only shows a faster convergence speed and stable performance, but also a higher accuracy in evaluation indicators, which is beneficial to practical use.     

不同负荷低加内部泄漏故障神经网络诊断研究

针对600MW火电机组低压加热器系统内部泄漏故障,提出一种基于神经网络的以最大故障分离度为目标的寻优技术。采用征兆模糊计算方法对典型故障样本进行规整化处理,建立了低加内部泄漏故障诊断的神经网络模型。结合征兆缩放优化技术和神经网络诊断模型,对不同负荷下不同程度低加内部泄漏故障进行实时仿真实验。实验表明上述方法对不同负荷下程度迥异的低加故障均可得到具有高故障分离度的正确诊断结果,可准确诊断低加内部泄漏故障,具有较好的工程实用性。     

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。     

基于径向基神经网络的航空发动机气路故障诊断

基于径向基神经网络对民用高涵道比航空发动机风扇、增压级、高压压气机、高压涡轮、低压涡轮5大气路部件的效率降低故障进行诊断。采用Gasturb进行故障训练样本和测试样本库的生成,诊断结果显示,采用径向基神经网络进行航空发动机气路故障诊断的计算时间短、精度较高,不仅能定性的定位故障部位,而且在大多数情况下可以定量的给出该部件的性能衰退程度。某些情况下诊断结果与测试样本不尽一致,但都是方程的合理解,这是因为航空发动机的数学模型是一个多解的复杂方程,一个总性能的衰减对应着多组部件性能衰退的组合。随噪声幅值加大,诊断精度变差,同时研究发现诊断精度受噪声影响的敏感系数在不同的噪声幅值水平下是不同的。