基于RESID方法的液体火箭发动机实时故障诊断算法设计及半实物仿真验证

针对氢氧发动机设计了实时故障诊断算法并通过半实物仿真平台对此进行了仿真分析,为建立液体火箭发动机健康管理系统奠定了坚实基础。首先,建立了氢氧发动机故障模型,通过此模型可以获得发动机的几种典型故障数据;其次,设计并构建了RESID模型,针对该模型的一些参数设置进行了分析;最后,基于RESID模型构建了实时故障诊断系统并进行了仿真分析,由仿真结果可见该算法成功的诊断出发动机的常见故障,并进行了报警,满足了发动机故障诊断系统的需要。     

基于小波分解和RBF网络的三极管电路故障诊断

在分析现有三极管放大电路故障诊断算法不足的基础上,提出了一种基于模型的小波-RBF网络故障诊断算法。在PSPICE环境下建立三极管常见的故障模型,利用多层小波分解优异的时频特性提取故障特征参数,利用RBF强大的非线性分类能力和快速的收敛特性进行了典型共基极放大电路中三极管的软、硬故障诊断仿真。计算及仿真结果显示,这种故障诊断算法具有诊断速度快、诊断正确率高的特点。     

基于邻域粗糙集自适应调整剪枝门限的免疫网络故障诊断算法

通过在形态空间中建立抗体和抗原的邻域关系,阐述了抗体与抗原的匹配过程,论述了基于免疫网络模型(aiNet)的故障诊断算法中剪枝门限与故障诊断漏诊概率和误诊概率的关系.文中引入粗糙集理论,定义了基于抗体邻域的故障模式边界和故障模式包含关系,给出了自适应调整剪枝门限的观测指标和具体算法.仿真结果表明,本文所提出的故障诊断算法具有优良性能,提高了故障诊断正确率和新故障识别率.     

减法聚类-ANFIS在网络故障诊断的应用研究

提出了一种基于减法聚类-自适应模糊神经网络（ANFIS）的网络故障诊断建模方法。减法聚类算法生成初始模糊推理系统,ANFIS建立网络故障诊断原始模型,应用混合算法对模糊规则的参数进行训练并建立最终的模型。仿真实验表明基于减法聚类-ANFIS的建模方法是有效的;通过仿真结果比较,减法聚类-ANFIS的网络故障诊断能力及收敛速度均优于BP神经网络,更适合作为网络故障诊断模型。     

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。     

基于模糊Petri网的汽车故障诊断仿真研究

本文将Petri网和模糊推理相结合,建立故障诊断的模糊Petri网模型。其中,用FPN表示模糊产生规则,用Petri网的变迁激活规则进行故障诊断推理,从而分析出异常行为过程间的因果关系,推理出故障的原因及其可信度。以汽车故障诊断为例,建立了基于模糊Petri网的诊断模型。通过仿真分析,验证了模型的正确性和算法的有效性。     

基于ARMA模型的液体火箭发动机实时故障诊断方法研究

针对重复使用的液体火箭发动机设计了实时故障诊断系统并通过硬件在回路仿真平台对此进行了仿真分析,为建立重复使用液体火箭发动机健康管理系统奠定了坚实基础。首先,建立了液氧甲烷发动机故障模型,通过此模型可以获得发动机的几种典型故障数据;其次,设计并构建了ARMA模型,针对该模型的一些参数设置进行了分析;最后,基于ARMA模型构建了实时故障诊断系统并进行了仿真分析,由仿真结果可见该算法成功的诊断出发动机的常见故障,并进行了报警,满足了发动机故障诊断系统的需要。     

一种改进的基于免疫网络模型(aiNet) 的故障诊断算法

根据抗体群与抗原群的匹配关系,提出一种改进的基于免疫网络模型(aiNet)的故障诊断算法.建立了自适应调整剪枝和抑制阈值的规则,并对K近邻算法的附加距离阈值加以限制,提高了基于aiNet故障诊断算法对已知故障的识别率,克服了其不能识别新故障的缺点.仿真结果表明,改进算法具有优良的故障诊断性能.     

航空发动机传感器故障诊断

研究航空发动机传感器故障诊断问题,由于发动机传感器故障样本有限、小样本、非线性变化特点,传统大样本传统故障方法故障诊断准确率低。为提高传感器故障诊断准确率,提出一种混沌粒子群算法(CPSO)和最小二乘支持向量机(LSS-VM)相结合的传感器故障诊断算法(CPSO-LSSVM)。首先将发动机传感器信号输入到LSSVM进行学习,并采用CPSO进行优化,找到最优LSSVM参数,从而建立传感器故障诊断模型,最后采用已建立模型对传感器故障进行仿真测试。仿真结果表明,CPSO-LSSVM提高了航空发动机传感器故障诊断的准确率,能准确地对空发动机传感器故障进行诊断,提供民飞行安全性能保障。     

模糊专家系统在故障诊断中的应用研究

文章提出了一种新的模糊逻辑与专家系统相结合的融合评估模型。该模型将评估过程视为模糊推理过程,并以此构建融合中心的结构模型。在融合算法的研究中,以模糊专家系统的算法实现融合中心的多传感器评估。在实验中将该模型用于丰满水电仿真系统的故障诊断过程。经分析表明,此模型优于传统的专家系统故障诊断模型。     

基于改进ARMA模型的火箭发动机稳态工况过程实时故障诊断方法研究

针对大推力氢氧补燃循环发动机的主级工况,设计了基于ARMA模型的实时故障诊断算法,并改进了阈值求解方法以及故障判别准则,通过仿真验证,证明了改进算法的高效性及有效性,为建立大推力氢氧补燃循环发动机健康监控系统奠定了基础。首先,建立了大推力氢氧补燃循环发动机的故障模型,得到了典型故障的故障数据;接着,设计了改进的ARMA模型、阈值求解算法和故障判别准则;最后进行仿真分析,结果表明改进算法能够在毫秒的量级诊断出各典型故障,满足了发动机故障诊断系统设计的要求。     

基于RBF神经网络的电机故障诊断的研究

在对国内外感应电动机故障诊断技术发展与研究的基础上,提出了从定子电流人手,利用径向基（RBF）神经网络算法来监测感应电动机工作状态,从而实现对电动机较为常见的电气故障和机械故障的综合检测。Matlab仿真结果表明RBF算法有效地实现了对电机故障诊断的研究。     

基于贝叶斯网络的Web服务组合故障诊断

提出一种利用贝叶斯网络对Web服务组合故障原因进行诊断的模型,对该模型中贝叶斯网络拓扑结构的构造以及网络参数的赋值方法进行了详细说明。然后,基于构造的贝叶斯网络,提出Web服务组合的故障检测算法并对其进行了分析。实验模拟表明,提出的模型能有效地识别Web服务组合流程错误的根本原因。     

基于傅里叶描述子RBFNN有杆泵井故障诊断

在对有杆泵井进行故障诊断过程中,采用了具有很强轮廓形状识别能力的傅里叶描述子作为RBFNN（径向基函数神经网络）的输入向量特征提取,通过分析比较基于梯度下降法和遗传算法的RBF网络各自特点,提出了一种基于傅里叶描述子的分层循环学习RBFNN算法。通过对非线性函数逼近的仿真实验证明了所提算法是准确有效的,最后利用MATLAB神经网络工具箱,建立分层学习算法的网络模型实现对有杆泵井的故障诊断,通过仿真测试验证了所提出的故障诊断方法能够准确地判断出有杆泵井故障类型。     

基于智能优化的模糊Petri网的电网故障诊断

为了提高电网复杂故障时的应对能力,提出了基于信息优化的动态建模模糊Petri网的电网故障诊断方法。首先,基于层次建模的思想,在建立常规故障诊断模型的基础上,引入动态库所、动态弧、动态变迁的概念来合理地拟合各种保护与断路器之间的逻辑关系,动态建立综合性故障的诊断模型;其次,依据故障信息源的特性对其进行了优化和预处理,以确定故障性质并动态建立相应故障诊断模型;再次,利用智能优化算法对模型进行了训练、学习;最后,分析了该模型在故障信息缺失时的容错性和在系统架构改变时的通用性。对算例系统仿真的结果表明:该算法显著地增加了故障诊断过程的层次性、诊断模型的透明性、可理解性和易维护性,在故障信息缺失的情况下诊断结果具有较高的可信度。     

基于小波能量熵和邻域粗糙集的电磁阀故障诊断研究

液体电磁阀是航空变量柱塞泵系统的关键控制元件，准确诊断电磁阀的故障类型是系统安全运行的重要保证；为了对航空变量柱塞泵系统中电磁阀进行检测与诊断，提出了一种基于小波能量熵和邻域粗糙集相结合的方法；研究了液体电磁阀驱动端的电流故障特征；采用AMEsim多学科领域仿真软件建立仿真模型，分析驱动端电流与阀体位移的关系，搭建实验系统，采集正常状态和故障状态的电流信号，分析不同状态的电流特性；然后利用小波包分解重构信号，提取对应的频带能量作为特征向量；最后，引入变精度模糊邻域粗集约简算法简化数值属性，提高了系统的效率；简化的属性集用于构建决策树，经过迭代训练，该模型诊断准确率达90%，达到了预期效果，实现了对液体电磁阀的快速诊断。     

基于参数估计的一类非线性系统故障诊断算法

针对系统模型的不确定性、未知输入扰动和非线性特性, 提出一类非线性系统参数估计的故障诊断算法. 构造系统故障诊断观测器, 采用Lyapunov 稳定性定理验证观测器的稳定性, 通过Barbalat 引理证明满足故障诊断观测器为渐近稳定的表征故障参数的参数估计, 并总结了设计算法流程. 仿真结果表明, 所提出算法具有快速收敛性, 对一类非线性系统诊断效果较好.

     

基于智能监控系统的分布式光伏故障自动诊断研究

传统故障诊断方法都是从分布式光伏组件外部特性进行故障判断,对于内部参数的变化缺少观察,导致分布式的故障类型诊断准确率低,因此,设计一种基于智能监控系统的分布式光伏故障自动诊断方法。以两级分布式光伏作为研究对象,建立并网运行的数学模型,通过智能监控系统得到内部参数故障评判特征值,采用崩溃点直接计算的方法计算电压崩溃、越限崩溃约束临界点,最后利用人工鱼群算法优化RBF神经网络,得到光伏自动诊断的算法流程。通过仿真实验结果表明,设计方法对不同故障类型的诊断准确率均高于两种传统方法,验证了设计方法的有效性。     

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。