支持向量机的涡扇发动机试车故障诊断

针对涡扇发动机在试车过程中缺少有效诊断气路故障方法的问题,为某型涡扇发动机建立了基于支持向量机的气路故障诊断系统.支持向量机算法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力.该系统建立了发动机非线性稳态模型,生成包含八种典型气路故障的故障样本库,采用支持向量机对故障特征和故障模式进行关联,并用训练好的向量机网络对故障分类.利用该型涡扇发动机试车数据对该系统进行的验证,诊断正确率在80%以上.研究表明该方法能基本满足该涡扇发动机地面试车故障诊断的要求,具有较好的工程应用前景.     

航空发动机整机振动故障智能诊断技术研究

针对BP神经网络和支持向量机对整机振动故障诊断时的低效问题,提出了一种基于多类协同训练的航空发动机整机振动故障诊断方法.引入逻辑回归算法构建初始故障分类器,设计了一种新的属性划分算法来迭代优化故障分类器,基于优化后的故障分类器进行故障类别预测,并使用多数投票机制进行故障仿真识别.实验采用某航空发动机整机振动数据作为样本数据集,并从中选择80％的数据用于训练,20％的数据用于测试,同时验证了在噪声信号的干扰下该方法对故障数据的诊断准确性.结果表明,该方法可有效降低噪声信号对故障诊断结果的影响,且诊断准确性高,具有重要的工程实用价值.     

压缩式垃圾车液压系统故障诊断方法研究

针对传统液压系统故障诊断方法诊断效率低、诊断精度不高等问题,以垃圾车液压系统为研究对象,提出了基于支持向量机的液压系统故障诊断方法.运用AMEsim软件建立垃圾车液压系统仿真模型、采集故障数据,利用故障数据建立支持向量机分类模型并进行参数寻优,最后利用分类模型对液压系统未知故障样本进行测试.仿真结果表明,上述函数和惩罚因子的选择对诊断精度影响较大;支持向量机诊断方法能更加有效提取液压系统故障信息,有更高的故障诊断精度和诊断效率.     

一种复合故障预测动态建模方法

本文提出一种复合故障预测动态建模方法,将原有故障数据样本经过参数相关性分析,按特征输入支持向量回归机建立相应的故障预测模型,可以很有效预测未来较长时间的数据变化.对航空发动机的飞行参数进行预测的结果表明,该方法的预测精度优于现有的支持向量回归方法.     

基于支持向量机的航空发动机振动预测模型研究

提出了一种基于支持向量机的航空发动机振动参数预测方法.分析了支持向量机用于时间序列预测的基本理论,对时间序列进行了相空间重构,采用互信息法计算了延迟时间,运用平均一步绝对误差选取了嵌入维数,在此基础上建立了基于支持向量机的时间序列一步预测模型.应用某发动机飞参记录数据对发动机振动参数进行预测,预测精度比RBF神经网络更高.研究结果验证了应用支持向量机模型进行发动机参数预测的正确性和可行性.     

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。     

基于支持向量机的模拟电路故障诊断研究

针对模拟电路的故障诊断问题,详细介绍了支持向量机算法,由于它在非线性映射、小样本学习方面的独特优势,故将它引用到模拟电路的故障诊断过程中.并提出了一种基于支持向量机的诊断方法,该算法能够对被测电路的故障进行有效并且精确地分类.以折线逼近平方曲线的近似测量电路为例,设计了基于支持向量机的模拟电路故障诊断系统.以实际测试数据作为训练样本进行学习训练后,对其它实际测量数据进行诊断,其结果正确,验证了算法的有效性.     

独立成分分析和支持向量机混合方法在过程监控中的应用

为克服传统过程监控方法需假设过程特征信号服从多元正态分布的缺陷,本文提出了一种将独立成分分析(ICA)与支持向量机结合的故障诊断方法。通过建立独立成分模型确定相应的统计量界限,筛选出需进一步检测的故障数据,再由支持向量机进行故障识别。将该方法用于化工聚合反应的过程监控与故障诊断中,仿真结果表明,这种混合故障诊断方法通过适当地调节统计量控制界限,不仅能够正确识别故障,而且能够纠正由误检数据引起的误报,提高故障诊断的准确率。     

混沌耗散离散粒子群算法及其在故障诊断中的应用

针对大型化工过程生产系统的高维度数据及其噪声严重影响故障诊断的性能,采用基于故障特征选择和支持向量机（SVM）的故障诊断方法.为了确保在线故障诊断的实时性和准确性,提出一种新型的混沌耗散离散粒子群（CDDPSO）算法,用于故障诊断中特征变量的搜索.仿真结果表明,CDDPSO算法能有效地搜索到全局最优解,而基于故障特征选择的故障诊断方法具有良好的故障诊断性能.     

基于多分类SVM的航空逆变器故障诊断

航空逆变器的可靠性对飞机供电系统的安全性和稳定性尤为重要,但当前对于航空供电器的故障诊断的研究较少,无法为航空逆变器提供有效保障。因此,提出基于多分类支持向量机的故障诊断方法,对航空逆变器的多种故障模式进行诊断。针对故障特征耦合性高的问题,采用主成分分析方法提取故障特征,获取低维度的关键特征。由于逆变器具有多种故障模式,且具有非线性的特点,故采用多分类支持向量机算法进行故障诊断。该算法具有极强的分类能力,是处理小样本、非线性问题的有力工具。实验结果表明,该算法模型可对航空逆变器多种工况条件下的15种故障模式进行有效诊断,并且方法诊断速度快,提高了航空供电系统的安全性。     

航空涡扇发动机加力供油系统排故测试技术

采用传统测试技术对航空涡扇发动机可测量参数较少,导致排故测试精准度较低,针对该问题,提出了航空涡扇发动机加力供油系统排故测试技术。依据航空涡扇发动机加力供油系统结构,分析加力供油系统工作原理。通过分析加力外涵计量活门位置的异常波动情况,确定加力外涵供油流量不足原因。列出故障树,根据故障原因分析结果,确认线性可变差动变压器摩擦力异常。研究线性可变差动变压器结构,使用F150型号的内窥镜观察变压器底部存在的金属堆积物,完成加力供油系统计量活门摆动排故测试。根据加力启动供油装置,分析具体故障原因,并计算启动过程中损失的压力大小,获取航空涡扇发动机工作喷嘴燃油流量。对比分析模拟关闭电磁活门时的油泵出口压力和实际压力,排除加力供油系统启动点火故障。由实验结果可知,该技术测试精准度较高,最高可达到0.9815,为系统稳定工作裕度提供支持。     

基于知识图谱的航空发动机PHM仿真验证平台设计

针对航空发动机PHM系统功能、性能验证要求高、验证内容多、验证业务复杂等实际问题,分析了国外先进航空发动机PHM系统开发验证情况及经验,提出了一种基于知识图谱技术的PHM仿真验证平台设计方法。该方法利用了知识图谱在具有的半结构化、高效性、直观等特点,实现了发动机PHM验证涉及到的故障模式、故障特征、算法模型及专家知识等大量信息知识的有效组织与管理。在此基础上,进一步面向发动机PHM验证数据量大、计算需求高等需求,采用大数据、数据挖掘、机器学习、云服务等技术,搭建了基于知识图谱的航空发动机PHM仿真验证平台,实现了数据挖掘与信息提取、专家知识获取、多层级融合诊断智能导向型推理等应用。最后,以某型发动机为对象,介绍了发动机PHM仿真验证情况。经实际验证结果分析,该文提出的PHM仿真验证平台能够有效解决航空发动机PHM系统可验证的历史故障样本少、验证功能单一等问题。     

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。     

基于粗糙集与支持向量机的故障智能分类方法

结合粗糙集的属性约简与支持向量机的分类功能，提出一种应用粗糙集与支持向量机的故障分类方法。该方法应用粗糙集理论属性约简作为诊断数据预处理器，可将冗余属性从诊断决策表中删除，而不损失有效信息，然后基于支持向量机进行故障分类建模和预测。谊方法可降低故障诊断数据维数及支持向量机在故障分类过程中的复杂度，但不会降低分类性能。将方法应用于某柴油机故障诊断数据的测试分类，结果表明该方法可快速正确的从数据获得故障类剐。     

基于航空交流故障电弧标准的电弧仿真研究

随着飞机多电全电技术的迅猛发展,电力系统在飞机中的重要程度不断提升,而电弧故障是航空电力系统多发的一类电气故障,会引起飞机火灾,轻则烧毁线路,重则引起飞机坠毁。因此,航空交流故障电弧的研究对保障飞机电力系统的安全十分重要。针对传统航空交流故障电弧模型种类单一、难以准确模拟真实故障电弧的特点,基于航空交流故障电弧试验标准下点接触电极、点接触截断和松动接线柱试验中得到的故障电弧电压、电流特性进行分析后,提出模型改进方法,形成航空交流电弧仿真优化策略,从而涵盖所提航空交流电弧试验标准下的故障电弧特性。通过MATLAB/Simulink完成了电弧模型的搭建,对电弧数据及模型仿真结果进行特征量提取及比较,验证了航空交流故障电弧模型仿真策略和方法的有效性。     

复杂自动化控制系统故障诊断方法研究与改进

近年来,自动化在工业生产、航空航天等不同领域得到了广泛运用,自动化控制系统随之孕育而生;自动化发展不断推进,长期生产使用中,传统自动化控制系统故障诊断方法出现多数据环境下故障诊断率低、多因素分析算法跟进力不足等问题;针对问题出现原因根源,提出复杂自动化控制系统故障诊断方法改进设计;采用数据罩筛引擎(GEP),对复杂自动化控制系统数据进行收集、整理、分析、模型创建;通过运行单元动态判断模块(DNGF)与多因素基准库(VSFVR)配合,完成对传统复杂自动化控制系统复杂环境下故障诊断方法的改进;通过仿真实验证明,复杂自动化控制系统故障诊断方法的改进,各项测试参数优于传统方法。     

某型飞机发动机故障诊断专家系统设计

针对某型飞机发动机故障诊断困难以及视情维修对维修技术提出的更高要求,利用专家系统人工智能技术设计了该型飞机发动机故障诊断专家系统;该系统利用自动检测技术获得发动机状态参数,通过智能诊断实现故障定位;系统利用模块化设计思想进行了人机交互界面设计、故障知识数据库建立、推理机制设计、获取知识程序设计及解释程序设计,实现了发动机故障的快速定位,提高了发动机诊断维修的时效性,保证了发动机的完好率。     

一种基于粒子群算法的配电网低电压诊断模型研究

随着智能电网建设的发展,传统的基于检测技术的配电低电压原因诊断已变成基于数据挖掘的电力大数据分类技术,而着眼于低电压故障原因的数据分类研究在国内尚处于起步阶段,为此该文提出一种采用改进聚类算法和支持向量机分类算法的配电网低电压诊断模型。该模型首先采用Canopy-Kmeans的聚类算法基于配电网历史运行数据进行低电压原因的聚类分析并得出可能存在的低电压原因,然后采用经粒子群算法对支持向量机数据分类算法进行参数优化,最后使用结果参数优化的支持向量机算法对智能电表所采集的配电网实时运行数据进行低电压原因分类并最终输出低压故障原因的诊断结果。实验表明,采样基于粒子群优化的支持向量机诊断模型能够实现90%的低电压原因诊断准确度。