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。     

基于改进的自适应回归时序模型故障诊断

汽车变速箱的故障诊断工作比较复杂,由于传统的诊断方法已不能满足复杂的故障现象, 文中提出了一种基于改进的自适应回归时序模型故障诊断方法;方法采用了基于时间序列故障诊断技术,首先测取工作环境下的振动信号,然后建立被诊断对象的时间序列数学模型,最后用信息距离判别法诊断出故障类型,提高了诊断效率;最后在变速箱进行了实验研究;选用型号为621B40型ICP加速度传感器测取变速箱的振动信号,通过设置模型参数(n,m)来模拟故障检测,实验分析表明,提出的算法可以有效地识别变速箱系统中不同严重程度的故障,且与传统的故障诊断算法相比,提出的算法对提高识别率和降低计算复杂度都有着明显的优势。     

基于多区域代理的分布式故障诊断方法

军用大型复杂装备组成涉及多个子系统或多个装备,故障诊断涉及上百个分散测试点数据采集和分离模块的诊断推理。传统装备采用集中测试和诊断方法,配套测试系统结构设计复杂、系统故障诊断算法效率低。本文基于D-矩阵故障诊断原理,提出基于多区域Agent的分布式故障诊断结构模型和区域Agent数据协同、区域Agent测试结果仲裁等问题的解决办法,并以某型舰船装备为例,验证了基于多区域代理的分布式故障诊断技术的有效性。     

多新息优化MFAC控制律在网络控制系统中的应用

网络控制系统建模难度大或代价高,并且网络环境受时延、丢包、其他节点干扰的影响时刻都在变化,使用传统的控制方法已经难以满足控制要求,在网络控制系统中引入仅利用当前在线数据的无模型自适应控制,从而避开了系统建模问题,同时为了更好地适应网络环境变化,将多新息理论应用于无模型方法的控制律计算,加快其收敛速度,达到准确快速控制的目的;利用TrueTime仿真工具箱,搭建了一个以太网网络控制系统的仿真平台;仿真结果证实了无模型自适应控制算法在非线性系统下的控制效果优于PID,并且证实了使用多新息理论改进无模型控制律算法的有效性。     

基于多信号流模型的诊断策略动态生成

针对静态故障树诊断序列长、人工可干预度差和不支持多现象并行推理问题,提出了基于D-矩阵和Rollout信息启发搜索算法的故障诊断策略动态生成方法,介绍了基于TEAMS多信号流模型的D-矩阵数据获取方法和Rollout信息启发搜索算法的DLL独立封装技术、输入输出数据规范和动态交互控制方法;基于此开发的交互式智能诊断系统(IIDS)软件平台经实际现场测试诊断验证,对诊断现场出现的多种客观条件,如系统工作模式或测试资源变化、用户干预和多故障现象并发推理等具有很好的适应性,故障覆盖率和隔离率指标高,对提高装备故障诊断的效率、准确性和灵活性具有显著作用。     

一种通用测试系统故障诊断功能设计

为了解决运载火箭测试过程中测试项目多、测试流程复杂、测试时间长的问题,一般采用具有故障诊断功能的通用测试系统,实现自动化测试。通过综合分析运载火箭测试项目需求,研究通用测试系统运行过程对故障诊断功能需求,提出了一种通用测试系统故障诊断功能设计方案,包括故障诊断的系统架构、线路诊断、测试平台自检、测试流程监测、故障定位,以及信息应用等功能。通过该故障诊断功能设计,简化了测试项目,实现了运载火箭的快速自动化测试、性能监测与状态评估,保障火箭的安全可靠运行,并可为维修决策提供支持。     

民用飞机关联性诊断技术研究

关联性诊断作为一种重要的故障诊断方法,对于缩短民机等复杂系统故障判定时间、减少故障损失、提高检修准确性、节约维修费用等,有着重大的理论意义和应用价值。本文介绍了民用飞机故障诊断技术的研究现状,在此基础上,提出并深入阐述了一种关联性诊断方法的原理与功能设计,并以风挡防冰系统为例进行验证。结果表明,根据原理分析所建立的系统模型,能够正确识别风挡防冰子系统故障,证明了该方法的有效性。     

多信号模型在虚拟故障建模与仿真中的应用

在分析虚拟维修训练需求和故障机理的基础上,提出基于多信号模型的电子装备故障建模方法,研究了虚拟环境中故障数据生成与实时检测、故障现象模拟及仿真运行流程等问题;在VC++环境下开发虚拟仪表,并借助实时通信模块获取Virtools环境中虚拟样机上的测试信号;最后,在Virtools中实现了某型无人机飞行指挥与控制系统故障建模与仿真,验证了该方法的可行性;多信号模型可以完整地描述故障的传递轨迹,高效、灵活地构建故障故障机理模型,为受训人员提供了一个实施诊断逻辑的良好训练环境。     

云计算环境下的航空器飞行角度控制系统设计

云计算环境下的航空器是一个集大量复杂计算的、实时性较强的控制系统,部分信号的调用需要极高的实时性;传统的控制系统通常采用前后台模块,应用程序无限循环,其采用中断服务程序来处理异常事件,满足不了航空器飞行角度控制的实时性要求;设计了一种融合PID算法的单片机控制程序的航空器飞行角度控制的制系统;构建了云计算环境下航空器飞行角度控制系统的结构,通过姿态数据传感器采集航空器飞行角度信息,对航空器对飞行控制器、电机控制模块以及无线通信模块硬件进行了设计,通过融合PID算法的单片机控制程序实现航空器飞行角度的快速、准确控制;实验结果说明,所提控制系统的控制误差以及鲁棒性都优于传统控制系统,所提的系统具有可靠、灵活、实时性高等优势。     

飞行控制系统故障诊断与重构技术研究

对于高空长航时无人机高性能要求,提出一种多等级余度飞行控制系统。结合飞行控制系统各组成部分的结构特点,给出了传感器信号的余度信号管理技术,机载计算机通道故障诊断与仲裁技术;伺服子系统故障隔离和控制分配重构技术。试验结果表明该飞行控制系统故障诊断与重构方案设计合理可行,不仅较好地完成了飞行控制系统的余度管理任务,而且有效提高了故障检测率抑制了虚警,保证了系统的可靠性与容错能力。     

基于免疫遗传算法改进的BP神经网络在灭火系统电路板故障诊断中的应用

针对装甲车辆灭火系统电路板规模较大,功能日趋多样与完善的同时,其复杂程度也日益提高,故障层次越来越多,故障现象与故障原因的映射关系更加复杂,组合故障频发,传统的故障诊断方法已不能满足灭火系统电路板故障诊断的要求。设计了基于免疫遗传算法优化的BP神经网络对灭火系统电路板进行故障诊断,并在免疫和遗传过程中保留了部分训练最优解。实现了神经网络收敛速度的提高,使用Matlab编程优化算法并完成了电路板仿真故障的诊断。通过实验验证了该诊断模型的准确性和可靠性,为电气系统通用检测设备的神经网络诊断方法实现提供了理论支撑。     

兆瓦级NBI加热系统弧流电源故障诊断方法探究

针对中国环流器2号A(HL-2A)装置弧流电源的特点,以及弧流电源故障诊断的条件与现状,提出了结合中性束注入(NBI)控制系统的相关功能模块与基于Matlab/Simulink仿真技术构建的故障字典,以实现弧流电源运行状态的在线监测及其故障模式的诊断。NBI控制系统在监测到弧流电源故障状态后,调用存储的弧流电源输出信号进行分析,提取信号的特征值,然后通过查找弧流电源故障字典以诊断出可能的故障模式。结合实验数据论证了该故障诊断法对弧流电源简单故障定位准确,对复杂故障能缩小定位范围,具有原理简单、可操作性强等优点。     

光电编码器故障诊断技术研究现状与展望

光电编码器是以高精度计量光栅为检测元件的高精度数字化测角设备,在当代自动化领域应用广泛。为深入研究光电编码器故障诊断方法,提高诊断效率,本文首先介绍了光电编码器分类、工作原理;其次,介绍了国内外光电编码器故障诊断关键技术现状,对具有代表性的故障诊断技术进行了分析与比较,总结了各诊断方法的优缺点;最后,对光电编码器诊断技术进行了展望,揭示了其诊断方法向自动化、便携化、动态检测、多技术融合和故障预测方向发展的趋势。     

A Novel Feature Extraction Method for Power Transformer Vibration Signal Based on CEEMDAN and Multi-Scale Dispersion Entropy

Effective diagnosis of vibration fault is of practical significance to ensure the safe and stable operation of power transformers. Aiming at the traditional problems of transformer vibration fault diagnosis, a novel feature extraction method based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN) and multi-scale dispersion entropy (MDE) was proposed. In this paper, CEEMDAN method is used to decompose the original transformer vibration signal. Additionally, then MDE is used to capture multi-scale fault features in the decomposed intrinsic mode functions (IMFs). Next, the principal component analysis (PCA) method is employed to reduce the feature dimension and extract the effective information in vibration signals. Finally, the simplified features are sent into density peak clustering (DPC) to get the fault diagnosis results. The experimental data analysis shows that CEEMDAN-MDE can effectively extract the information of the original vibration signals and DPC can accurately diagnose the types of transformer faults. By comparing different algorithms, the practicability and superiority of this proposed method are verified.     

Fault Diagnosis of Permanent Magnet Synchronous Motor Based on Stacked Denoising Autoencoder

As a complex field-circuit coupling system comprised of electric, magnetic and thermal machines, the permanent magnet synchronous motor of the electric vehicle has various operating conditions and complicated condition environment. There are various forms of failure, and the signs of failure are crossed or overlapped. Randomness, secondary, concurrency and communication characteristics make it difficult to diagnose faults. Meanwhile, the common intelligent diagnosis methods have low accuracy, poor generalization ability and difficulty in processing high-dimensional data. This paper proposes a method of fault feature extraction for motor based on the principle of stacked denoising autoencoder (SDAE) combined with the support vector machine (SVM) classifier. First, the motor signals collected from the experiment were processed, and the input data were randomly damaged by adding noise. Furthermore, according to the experimental results, the network structure of stacked denoising autoencoder was constructed, the optimal learning rate, noise reduction coefficient and the other network parameters were set. Finally, the trained network was used to verify the test samples. Compared with the traditional fault extraction method and single autoencoder method, this method has the advantages of better accuracy, strong generalization ability and easy-to-deal-with high-dimensional data features.     

基于气象因素的集中供热系统热负荷预测研究

为了解决直升机旋翼伺服作动器维修保障过程中训练资源有限,拆装难度高,故障率较高且难以确定故障点等难题,在直升机虚拟维修训练系统(VMTS, Virtual Maintenance Training System)的基础上,提出了应用虚拟仪器检测,确定故障点的直升机故障诊断可视化设计方法。分析了故障诊断过程中仪器、工具、环境等对故障诊断的影响,实现了动态的建立仿真模型和数据处理。通过虚拟仪器和推理机的功能配合,解决了直升机维护中复杂多变的故障诊断难题,形成一个逻辑推理能力强的故障诊断系统。最后以直升机旋翼伺服作动器故障诊断为例,验证该方法的可行性。     

智能故障指示器实现技术研究

传统故障指示器在现场只记录采集信息,不能有效进行现场故障分析和判断,故障分析判断的延迟较大,故障判断的准确率较低。论文引入周期滤波方法,消除工频信号对采样的影响,利用微分符号统计和最大值统计方法,获得小电流接地系统暂态过程的纯净波形和峰峰值,采用基于聚类分析的故障判断策略,及时准确地判断供配电网络故障,上报故障集控中心综合处理,提高电网运行的可靠性,同时实现故障指示器采集信息的现场分析处理。     

The characteristic analysis of stochastic resonance and bearing fault diagnosis based on NWSG model driven by trichotomous noise

In this paper, a new system whose potential function (NWSG) based on the joint of New Woods-Saxon potential function(NWSP) and Gaussian potential function(GP), driven by trichonomous is proposed to optimize the perform in bearing fault diagnosis. Firstly, exploring the influence of various system parameters on the shape of NWSG, besides, presenting a method of numerical simulation for trichotomous noise. The results show that the potential function can convert between three state, which is monostable, bistable, and tristable respectively, under different system parameter values. In addition, the mean of signal-noise ratio increase(MSNRI) is served as the measurement index of stochastic resonance (SR) for periodic signal detection, while traditional SR under optimal parameters. Finally, bearing fault diagnosis is carried out. It is found that the performance of the proposed system is better than traditional system which also verified in the bearing fault diagnosis.     

基于PHM的复杂机电系统健康管理技术研究

随着社会生产力的快速发展,复杂机电系统作为工业自动化领域重要组成之一,智能化、自动化程度越来越高,也对维修保障能力提出了更高要求。目前我国大多数复杂机电系统仍然以定期维修和故障维修为主,维修技术已经显著落后于设备发展水平。本文基于故障预测与健康管理技术,在剖析复杂机电系统常见故障模式的基础上,研究了复杂机电系统健康管理系统的层次架构、功能组成、技术途径,为视情维修保障模式在复杂机电系统中的应用方式方法进行了有益探索。