基于GA特征选择和BP神经网络的模拟电路故障检测

针对模拟电路故障检测中存在测试节点数较多的问题,提出遗传算法与BP神经网络相结合的方法;利用遗传算法的全局、并行寻优能力对模拟电路的系统特征进行优化选择,从而减少BP神经网络输入层节点数;用MATLAB软件对仿真实例数据进行编程实验,直接使用BP神经网络,检测率为66.7%,采用遗传算法与BP神经网络结合的方法,检测率可为100%;结果表明,相对于传统的BP神经网络方法,该方法提高了模拟电路故障检测的平均正确率。     

HD-SDI视频嵌入式图像采集系统设计

为了满足光电测量系统中以HD-SDI接口的数字相机的视频图像处理需求,提出了基于HD-SDI接口的嵌入式图像采集系统解决方案;应用FPGA与TI公司的解码芯片将HD-SDI数字视频的串行数据转换成为并行的图像数据以满足DSP等处理器输入需要;利用FPGA外部扩展一定容量的存储单元来缓冲和重组图像数据,并以特定顺序发送给DSP;图像数据通过DSP的EMIF接口以DMA方式存入DSP内存,从而实现对HD-SDI视频的图像数据采集;系统集成HD-SDI数据链路均衡、解码以及数据采集功能,为DSP的后续图像处理提供了可以无缝连接的数据源。     

定量反馈理论在重构飞行器控制中的应用

定量反馈理论(quantitative feedback theory,QFT)作为一种频率域鲁棒控制技术,综合考虑了对象的不确定性范围和对系统的性能指标要求,以定量方式在Nichols图上展开分析与设计,从而保证了设计结果具有稳定鲁棒性;而当某处喷管失效时,作用在飞行器上的控制力矩所受的影响可看作是不确定对象鲁棒性问题的扩展,因此,考虑喷管故障时的重构飞行控制也可用QFT方法进行分析与设计;在讨论QFT原理与应用的基础上,以某飞行器的飞行控制设计为例,对鲁棒和重构飞行控制进行了分析、研究与设计,获得了满意的设计结果。     

悬停状态下四旋翼飞行器特征模型的辨识

为了解决四旋翼飞行器模型阶次较高的问题,对悬停状态下四旋翼飞行器的特征模型进行了研究;首先,分析建立了四旋翼飞行器的动力学模型,并利用小扰动原理对模型进行简化,得到飞行器的特征模型结构;进而,搭建飞行器辨识实验平台,获得可靠的输入输出数据;最后,为了保证飞行器初始阶段稳定性,选择适合的参数初值,并通过模型拟合度选择在线递推算法,建立了飞行器的特征模型;通过对实验结果的分析,表明了所建特征模型的有效性。     

基于噪声滤波的非线性系统故障诊断方法研究

随着复杂系统故障诊断的要求不断增加,非线性滤波技术复杂系统诊断已越来越成为研究的热点与难点问题之一;针对传统的粒子滤波进行系统突变故障诊断的问题,文章提出了一种改进的噪声粒子滤波故障诊断新方法;方法给出了噪声粒子滤波统计模型,通过粒子滤波得到状态估计值,并得到全概率分布信息用于故障检测中;最后通过仿真实验以及数值模拟验证了文章提出的方法在复杂系统故障诊断中是有效的,同时具有较高的精确性。     

TDOA高精度短波定位系统研究与设计

为了解决现有短波无线电监测定位系统中存在接收机系统复杂、定位精度不高的问题,设计了一种基于TDOA高精度短波定位系统;该系统采用软件无线电设计架构,射频前端采用直接带通采样,通过FPGA和CPU进行基带IQ数据提取和传输,采用TDOA和粒子算法对位置干扰源进行估计和定位;并且采用了GPS和PLL相结合时钟方案,以及VPN的数据传输通道;给出了短波定位系统的框图,分析了系统子模块和工作原理;采用该系统对已知的短波信号进行定位,实验结果证明优于传统的定位手段;说明该系统具有使用方便、布站灵活和定位精度高的特点。     

BGA封装FPGA焊点失效故障诊断系统设计

针对BGA(Ball Grid Array)封装FPGA(Field Programmable Gate Array)焊接点连接失效的故障诊断问题,提出了一种故障检测系统设计方案;该方案分别从焊点级、芯片级和系统级故障诊断3个层次构建故障检测系统;方案基于Altera公司的DE2硬件平台构建单个焊点健康信息提取IP核;针对芯片焊点众多,难以全部监控的问题采用Canary故障检测法监测4个角落的敏感焊点的健康信息;敏感焊点的健康信息经菊花链式通信链路实现了不同FPGA芯片之间的信息互联,完成整个系统的焊点健康信息整合。     

基于机器视觉的数字化仪表字符识别

针对工业生产中测试仪表显示数据的自动识别问题,提出一种基于机器视觉的数字仪表数据识别方法;文章方法利用图像获取、图像去噪、阈值分割、光学字符识别等技术有效远程识别LCD/LED显示的数字信息。通过实验验证,该系统能远程实时识别具有LCD/LED显示的数字化仪表的显示数据,识别率能达到99%以上,并且能够实现超限报警及数据保存功能。     

基于BP网络和专家系统的铝电解槽分层故障诊断

针对铝电解槽故障种类繁多和不易诊断的问题,设计了基于BP网络和专家系统的分层故障诊断系统,包括前层分类和后层预报;通过对槽电阻信号的频谱分析,提取了故障特征信息,并对故障进行分类;建立了基于BP网络的前层分类器,用于诊断特征显著的故障;制定了故障诊断和控制规则,完善了专家系统的知识库,根据前层分类结果对余下故障进行诊断;通过制定规则,将前层分类和后层预报相结合,实现了故障诊断系统的整体设计;仿真结果及理论分析表明,该系统可有效预报单一及复合故障,提高故障诊断的准确率,保证铝电解槽工作状况的稳定。     

FANUC系统基于自诊断功能的参数故障分析与处理

数控机床参数的正确性直接决定着数控机床的功能与性能;数控机床在使用过程中,难免会出现参数的丢失、错乱或者人为因素的破坏;这必然会导致机床无法正常运行;在出现类似故障时,要迅速准确查明故障的原因和部位,从而快速排除故障;分析了FANUC系统参数的具体形式和常见参数故障,灵活运用现代数控系统丰富和完善的自诊断功能;通过具体实例,给出了利用自诊断功能对参数故障进行检查、分析与排除的方法;这种方法不需要借助于诊断仪器,能够快捷有效地对参数故障进行诊断和处理,可以广泛应用在现代数控机床的维修中。     

Misalignment Fault Prediction of Wind Turbines Based on Improved Artificial Fish Swarm Algorithm

A misalignment fault is a kind of potential fault in double-fed wind turbines. The reasonable and effective fault prediction models are used to predict its development trend before serious faults occur, which can take measures to repair in advance and reduce human and material losses. In this paper, the Least Squares Support Vector Machine optimized by the Improved Artificial Fish Swarm Algorithm is used to predict the misalignment index of the experiment platform. The mixed features of time domain, frequency domain, and time-frequency domain indexes of vibration or stator current signals are the inputs of the Least Squares Support Vector Machine. The kurtosis of the same signals is the output of the model, and the 3σ principle of the normal distribution is adopted to set the warning line of misalignment fault. Compared with other optimization algorithms, the experimental results show that the proposed prediction model can predict the development trend of the misalignment index with the least prediction error.     

Low-Pass Filtering Empirical Wavelet Transform Machine Learning Based Fault Diagnosis for Combined Fault of Wind Turbines

Fault diagnosis of wind turbines is of great importance to reduce operating and maintenance costs of wind farms. At present, most wind turbine fault diagnosis methods are focused on single faults, and the methods for combined faults usually depend on inefficient manual analysis. Filling the gap, this paper proposes a low-pass filtering empirical wavelet transform (LPFEWT) machine learning based fault diagnosis method for combined fault of wind turbines, which can identify the fault type of wind turbines simply and efficiently without human experience and with low computation costs. In this method, low-pass filtering empirical wavelet transform is proposed to extract fault features from vibration signals, LPFEWT energies are selected to be the inputs of the fault diagnosis model, a grey wolf optimizer hyperparameter tuned support vector machine (SVM) is employed for fault diagnosis. The method is verified on a wind turbine test rig that can simulate shaft misalignment and broken gear tooth faulty conditions. Compared with other models, the proposed model has superiority for this classification problem.     

基于流媒体技术的风力发电机全景监测虚拟现实系统研究

在工程监测中,通过虚拟现实技术进行预警、侦测或巡检等,可在保证人身安全的情况下,对设备状态进行监测并判断;目前多数虚拟现实开发技术存在需要大量存储和分析数据的问题,采取流媒体技术可以很好的解决数据量的问题,但采用具有流媒体功能的软件开发的虚拟场景没有很好的临境感,而全景技术能够使人从各个角度获得直观的立体感,能够解决场景临境感差的缺陷;将流媒体技术与全景技术结合建立风力发电机的全景漫游监测系统,实现了对风力发电机的监测,得到了很好的效果。     

基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法

风能作为一种绿色能源在我国能源结构中发挥着越来越重要的作用。风电机组的滚动轴承作为传动系统的重要组成部分,是其主要故障部件之一。随着风电规模的不断增长,及时地发现风电机组滚动轴承的故障对风电场安全稳定运行具有重要意义。针对传统回归神经网络存在的梯度消失问题,提出了利用长短时记忆神经网络对风电机组滚动轴承进行故障诊断的模型。首先,利用小波包变换对风电机组滚动轴承振动信号进行处理,提取其特征向量,将其作为长短时神经网络的输入,从而诊断出风电机组滚动轴承的三种常见故障。通过算例分析,结果表明所提出的方法能够有效地对风电机组的滚动轴承进行故障诊断,并且在故障特征量差异不明显的情况下长短时记忆神经网络仍具有良好的故障诊断性能,说明了该方法的可行性和有效性。     

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。     

基于盲反卷积去噪的机车走行部齿轮箱故障诊断

为了有效地识别机车走行部的早期故障,提高我国重载机车的运输能力,以机车走行部齿轮箱为例,在分析总结大量实际振动信号的基础上,探讨了运用盲反卷积去噪的方法来提取机车齿轮的故障特征信息,即采用傅里叶变换在送入滤波器中使振动信号变换为时域信号;再对所有的盲信号进行盲源分离,与TSA(时间同步平均)方法相比,考虑了外界因素的影响,尽量避免了预测和诊断误差;通过对实际机车走行部齿轮振动信号的分析,成功提取到故障特征信号,阐述了该方法在机车走行部在线故障诊断系统中的应用,不仅能满足在线监测和故障的实时性和可靠性的要求,使机车在正常运行的时候,同时显示出其可靠性、耐用性和高置信度性。     

基于贝叶斯网络推理的起落架系统故障诊断技术研究

民机起落架系统结构复杂,是典型的故障多发系统,实际诊断过程主要依赖于排故手册流程和工程经验积累,存在诸多不确定性因素。贝叶斯网络是用有向无环图的形式表达变量间因果关联关系,可以充分利用专家知识和试验信息进行基于概率的统计推断,适于处理复杂系统的不确定性问题。通过深入分析某型民机起落架技术资料,建立了基于贝叶斯网络的起落架系统诊断架构,结合专家知识和维护经验提出了基于贝叶斯网络的起落架系统故障诊断方法,并给出了网络推理流程,提升了起落架系统故障诊断效率和精度。     

Gear Fault Diagnosis Method Based on Multi-Sensor Information Fusion and VGG

The gearbox is an important component in the mechanical transmission system and plays a key role in aerospace, wind power and other fields. Gear failure is one of the main causes of gearbox failure, and therefore it is very important to accurately diagnose the type of gear failure under different operating conditions. Aiming at the problem that it is difficult to effectively identify the fault types of gears using traditional methods under complex and changeable working conditions, a fault diagnosis method based on multi-sensor information fusion and Visual Geometry Group (VGG) is proposed. First, the power spectral density is calculated with the raw frequency domain signal collected by multiple sensors before being transformed into a power spectral density energy map after information fusion. Second, the obtained energy map is combined with VGG to obtain the fault diagnosis model of the gear. Finally, two datasets are used to verify the effectiveness and generalization ability of the method. The experimental results show that the accuracy of the method can reach 100% at most on both datasets.     

基于对数变换的六相永磁容错电机故障预测研究

研究电力作动系统用永磁容错电机故障预测问题,有利于准确监控飞行器健康状态,为飞机维修提供决策支持;TS(2*2永磁容错电机特征信号复杂无序,传统灰色模型故障预测精度不高,基于此,提出一种新的故障预测改进方法;TS(2*2首先对原始故障能量特征序列进行对数变换处理,对序列进行一次累加生成,建立GM(1,1)灰色模型,最后将得到的拟合还原成模拟值,得到预测数据;TS(2*2结果表明,故障原始序列经过对数函数变换处理后,预测误差相比于未经处理的基本灰色模型降低了4.63%,预测精度提高到96.5%以上,有效提高了永磁容错电机的故障预测精度。     

基于LIB-SVM的电子设备故障预测方法研究

为及时了解电子设备的运行状态,实现电子设备未来某时刻故障预测,将“事后维修”转变为“事前预防”,在统计学习理论（SLT）的基础上,采用LIB—SVM支持向量回归方法,对小样本、非线性条件下的数据进行拟合,并根据自动测试设备（ATE）测得的实际数据及专家经验,对该方法进行了验证。经实验证明,该方法是可行的有效的,对电子设备的故障预测具有较高的准确度。