关于航空发动机故障诊断的融合技术的分析

伴随着科技不断进步,新技术在航空发动机故障诊断中的应用广泛.故障诊断技术能够针对航空发动机的故障进行分析,根据实际情况制定故障维护方案,能够有效的降低航空发动机使用维护成本,提升航空飞机飞行安全性.关于航空发动机故障诊断的融合技术研究,为我国航空事业发展提供了技术支持.基于此,在本文中对航空发动机故障诊断的融合技术进行研究.     

基于融合信息熵距的滚动轴承故障诊断方法

针对机匣内滚动轴承故障,采用一种基于融合信息熵距的故障诊断方法进行诊断。通过航空发动机转子系统试验台模拟滚动轴承的单一和耦合故障,采集其声发射信号,利用时域的奇异谱熵、频域的功率谱熵、时-频域的小波能谱熵以及小波空间特征谱熵,计算融合信息熵距实现故障诊断。结果表明:融合信息熵距成功分辨出滚动轴承故障种类,提高了故障诊的准确性,是一种行之有效的滚动轴承故障诊断方法。     

基于支持向量机的航空发动机整机振动故障诊断技术研究

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的一种新型机器学习方法,由于它出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。针对某型航空发动机整机振动过大的现象,提出了一种基于支持向量机(SVM)的整机振动故障诊断方法。首先介绍了SVM理论,然后根据SVM学习方法的结构风险最小化原则,对某型航空发动机已知的整机振动故障模式数据进行了训练和预测,并建立了基于SVM的航空发动机整机振动故障诊断模型。最后通过对已有故障模式进行诊断预测,证明该方法在航空发动机整机振动故障诊断方面具有良好效果。     

基于模糊诊断理论的航空发动机自动停车故障原因的分析

针对某型航空发动机空中自动停车故障诊断中故障症状与故障原因之间关系极为复杂、不确定等问题,提出了该型发动机故障的模糊诊断方法,建立了发动机自动停车故障模糊诊断的数值理论模型,利用专家知识动态建立了模糊诊断矩阵过程模型,并结合具体自动停车故障案例,实现了该型发动机自动停车故障的模糊诊断,验证了该方法应用于发动机系统故障诊断中的可行性.     

航空发动机碰摩故障在线监测与诊断分析

随着科技的进步,航空技术逐渐成为人类进步的重要科技,通过航空技术能够实现快速移动和对太空的探索等.而在航空技术中的发动机碰撞是一种比较常见的故障,这类故障对航空机械的正常运行具有非常重要的影响.在飞机运行的过程中,如果不能够对航空发动机的碰撞故障进行及时的发现和解决,其往往很容易导致安全事故的发生,从而造成严重的经济损失和人员损失.对于传统的航空发动机碰撞故障检测技术,其效率较低,往往不能够在第一时间发现故障位置以及故障原因,在本文中对航空发动机的碰撞故障在线监测和诊断技术进行了简单的分析.     

基于飞行数据的航空发动机健康状况分析

通过对航空发动机的典型故障分析,应用RBF神经网络,构建不同油门开度下的发动机性能参数,进行故障特性学习作为训练样本,将测试样本与训练样本的期望值进行比较,来确定发动机性能的衰变程度,提出了航空发动机性能评价模型.通过多机种多架次的大量飞行记录数据的实验,验证了该方法是能够及时检测到故障的发生和识别的一种有效方法.通过...     

发动机工作故障诊断分析研究

基于发动机性能故障诊断数据的统计分析,运用模糊分析理论,提出了一种能有效诊断发动机故障的分析方法.由发动机故障实例可知,该方法对于发动机在工作时出现多个故障征兆和原因的诊断分析是可行的.     

模糊信息融合及其在发动机失火故障诊断中的应用

由于发动机结构复杂,造成发动机失火故障的因素很多, 使故障诊断及故障定位非常困难.为此本文提出了一种基于模糊信息贴近度分析的信息融合方法,并用以诊断某装甲车辆发动机失火故障,取得了满意效果.     

航空发动机远程智能故障诊断与维修

通过对军用航空发动机的诊断和维修现状研究，分析了目前建立军用航空发动机远程故障诊断与维修体系的可能性和必要性；提出了以故障智能诊断和维修中心为核心的三位一体的广域维修保障体系；对建立故障智能诊断和维修中心所需的软硬件结构进行了详细论述，并对关键的动态网页服务(ASP)技术、基于事例推理(CBR)技术及网络条件下的综合故障诊断方法指出了进一步研究的方向。     

航空发动机整机振动分析与控制

针对航空发动机整机振动问题的复杂性和多样性,以整机振动的振源分析为出发点,总结国内外关于转子系统故障、气流激振、轴承故障、齿轮故障和结构局部共振等引起的整机振动的研究情况,结合航空发动机整机结构动力学、支承动刚度和连接结构刚度动力学设计的国内外研究情况,从整机振动的装配工艺参数分析、转子不同心度控制和转子不平衡量控制等几个方面,总结航空发动机整机振动的控制方法。然后,在分析航空发动机整机振动测试方法和标准的基础上,总结了航空发动机的转子动力学特性以及机匣支承的振动特性测试相关技术。最后,整理分析了航空发动机整机振动常用的故障诊断方法和常见整机振动故障的特征,为航空发动机的设计以及整机振动抑制技术提供了参考。     

证据理论用于导弹决策级故障融合诊断问题探讨

基于融合的故障诊断技术是近年来针对复杂系统故障诊断需要发展起来的一种新的技术方法,其中决策级故障诊断主要是针对故障的决策内容研究解决融合诊断的方法,其建模及表征方法与特征级融合有相当不同。以导弹为应用对象,对Dempster-Shafer证据理论应用于导弹决策级故障融合诊断的有效性进行讨论,指出冲突证据融合、冲突衡量及证据聚类是应用中需要解决的3个关键问题;探讨了问题的解决方法,给出了相关建议。     

集成神经网络信息融合在故障诊断中的应用

随着设备复杂性的提高，采用单子神经网络信息融合在故障诊断中已无法给出正确的判断。根据实际应用的需要，在讨论集成神经网络信息融合优点的基础上，提出一种集成神经网络信息融合的故障诊断方法，给出了它的组成结构、组建原则以及集成神经网络信息融合在故障诊断中的应用，最后应用集成神经网络对工业CT系统中的驱动器故障诊断进行了仿真。该方法通用性强，为工业CT系统其它部件的故障诊断提供了较好的模型和方法。     

Deep Multimodal Learning and Fusion Based Intelligent Fault Diagnosis Approach

Industrial Internet of Things(IoT) connecting society and industrial systems represents a tremendous and promising paradigm shift. With IoT, multimodal and heterogeneous data from industrial devices can be easily collected, and further analyzed to discover device maintenance and health related potential knowledge behind. IoT data-based fault diagnosis for industrial devices is very helpful to the sustainability and applicability of an IoT ecosystem. But how to efficiently use and fuse this multimodal heterogeneous data to realize intelligent fault diagnosis is still a challenge.In this paper, a novel Deep Multimodal Learning and Fusion(DMLF) based fault diagnosis method is proposed for addressing heterogeneous data from IoT environments where industrial devices coexist. First, a DMLF model is designed by combining a Convolution Neural Network(CNN) and Stacked Denoising Autoencoder(SDAE) together to capture more comprehensive fault knowledge and extract features from different modal data. Second, these multimodal features are seamlessly integrated at a fusion layer and the resulting fused features are further used to train a classifier for recognizing potential faults. Third, a two-stage training algorithm is proposed by combining supervised pre-training and fine-tuning to simplify the training process for deep structure models. A series of experiments are conducted over multimodal heterogeneous data from a gear device to verify our proposed fault diagnosis method. The experimental results show that our method outperforms the benchmarking ones in fault diagnosis accuracy.     

一种多组并联模糊神经网络用于信息融合诊断

研究了诊断对象多方位信息的综合利用,讨论了数据层融合的加权自适应最小平方估计、关联及特征层融合的模糊处理,并提出了一种新型的多组并联的模糊神经网络故障识别方法,在汽轮发电机组故障诊断中,解决了繁多种类的大量数据的快速处理,利用整体协调优势,提高了复杂设备并发故障诊断的精确度,并给出了应用实例。     

故障诊断中关联结果与专家知识的融合技术

故障诊断技术包括基于模型的诊断和基于知识的诊断。基于综合应用两方面技术进行诊断的信息融合的故障诊断技术为解决复杂诊断对象提供了解决思路，但其中涉及到要将数据关联的结果与专家的诊断知识相融合的技术关键。为解决这个关键技术，应用以证据理论为基础的证据推理方法和信息融合中的数据关联方法，将数据关联的结果转化为信任区间，与专家诊断知识进行动态的融合处理，进而提出将数据关联结果与专家知识相融合的方法。航天器故障诊断的实例说明，这种方法可以解决关联结果与诊断知识的融合问题，实际应用效果良好。     

基于传感器融合的机械设备故障诊断的方法与系统

从机械故障诊断方法的角度,提出了一种基于多传感器融合的机械故障诊断的新方法,概述了该方法的基本原理和实现的相关技术。     

基于神经网络信息融合的乳化器故障诊断系统

该文在分析、归纳了以往乳化器故障产生的原因及特征的基础上,着重研究了神经网络信息融合技术在乳化器故障诊断当中的应用。对采集到的乳化器多个关键部位振动信号进行处理、融合,最后根据融合后的信息得出诊断结果。仿真结果表明,该乳化器故障诊断方法诊断过程相对简单,诊断准确度较高。     

基于信息融合和加权证据理论的故障诊断系统的研究与实践

为了较全面地获得设备的故障状态信息,增加故障诊断的可信度,考虑故障诊断过程中不同故障特征对特定故障的贡献率,提出了加权证据理论的多故障特征信息融合的故障诊断方法,建立了多故障特征信息融合诊断模型。经实验表明,该方法能有效提高故障诊断的准确性并且具有较好的实用性。     

基于HHT/PNN的故障信息融合诊断方法

为提高动态随机故障诊断能力,提出了基于HHT/PNN的故障信息融合诊断方法.利用HHT提取信号的瞬时频率和瞬时幅值特征,采用过程神经元网络实现对时域幅值、瞬时频率和瞬时幅值3种故障特征的融合诊断.对基于HHT/PNN和基于神经网络的2种故障诊断方法进行了比较.仿真结果表明:对于动态随机故障,基于HHT/PNN的故障信息融合诊断方法比基于神经网络的故障诊断方法的故障诊断准确度高.     

设备故障诊断中数据融合的计算模型

针对故障诊断的数据融合功能模型中各级融合和各项融合功能及处理任务，以集合论和实变分析为基础提出了故障诊断的数据融合处理过程的计算模型，计算模型描述了数据融合处理步骤、过程的数据形式与计算方法，证明了这些模型的正确性和可用性，为数据融合的故障诊断技术奠定了理论基础，通过分析得出数据融合处理不完全依赖于具体计算方法的结论。