基于间歇故障特征分析的航空电连接器故障预测软件设计与实现

针对航空电连接器间歇故障的评估与故障预测开展工作,介绍了间歇故障内涵与动态特征,提取了间歇故障广义强度作为状态评估与故障预测的评估指标,基于该特征开发了间歇故障状态评估与故障预测软件,并在电连接器案例上进行了实现与验证.测试表明,该软件能够有效评估电连接器的使用状态,并对当前状态下的剩余使用寿命进行预测,可以应用于航空电连接器,并且可以推广到其他受间歇故障困扰的电子器件上.     

观测永久丢失下随机离散事件系统故障预测的验证算法

针对随机离散事件系统在故障预测时可能出现系统观测永久丢失,导致预测不准确的问题,提出一种观测永久丢失下故障预测验证的算法。首先对观测永久丢失的随机离散事件系统的U-可预测性进行了形式化。其次使用随机预测器构造了一个随机离散事件系统的U-预测器,实现了系统的故障预测。基于U-预测器,提出了随机离散事件系统U-可预测性的充分必要条件及验证算法,并且引入成对的方式,明显地改进了该验证算法的复杂度。仿真结果表明,该验证算法使得观测永久丢失下系统故障预测准确。最后,实例说明观测永久丢失下故障预测验证算法的应用。结果表明,该验证算法相比现有同类验证算法应用范围更广,验证结果更精确。     

基于Simics的系统级故障注入平台

故障注入技术是评价系统可靠性的有效方法。现有基于仿真的故障注入平台大多基于现场可编程门阵列或超高速集成电路硬件描述语言实现,对故障模型的支持非常有限。为此,基于Simics结构级模拟器,设计并实现系统级硬件故障注入平台。该平台上层支持不同固件、操作系统以及应用程序,底层支持对处理器典型流水部件的故障注入,同时实现瞬时故障、永久故障和间歇故障模型以及其他较全面的故障类型,并将一组系统级故障检测机制集成入平台中。实验通过监测硬件故障在系统级的传播,对比分析了故障对不同部件造成的系统级影响,结果表明,瞬时故障对系统影响较小,永久故障容易引起系统失效,间歇故障对各部件有不同程度的干扰作用。     

装备无故障发现与间歇故障诊断技术

无故障发现是装备单元在某维修级别被认为故障而拆卸,却在下一维修级别测试没有发现故障的现象,日益成为装备测试与保障领域的突出问题。间歇故障是无故障发现的主要原因,也是故障检测诊断领域面临的棘手问题。介绍了无故障发现和间歇故障的基本概念,总结分析了无故障发现和间歇故障的产生诱因、分类及对装备的影响,概述了无故障发现、间歇故障检测与诊断技术的国内外研究现状,指出了间歇故障确定性检测的发展趋势,深入分析了间歇故障诊断领域的关键技术与发展方向。     

智能化雷达故障预测及检测技术综述

雷达故障预测和故障检测技术是雷达装备维护从传统化定期检修向智能化视情维修转变的关键技术。为保障雷达作战效能的发挥,需及时对雷达故障进行预测、检测并实时告警。随着微波测量和人工智能技术的日趋成熟,智能化雷达故障预测及检测技术也不断发展。文中详细阐述了当前故障预测与健康管理以及故障检测技术的国内外研究现状,分析了现有智能化雷达故障预测和检测技术的优缺点,梳理了该技术在雷达维修保障领域的研究进展,提出了雷达故障预测和检测过程中可能存在的问题和限制条件。针对实际问题和限制条件,对未来智能化雷达故障预测和检测技术的研究方向进行了展望,为智能化故障预测及故障检测技术在雷达维修保障领域的深入研究提供参考。     

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。     

基于灰色粗糙集与BP神经网络的设备故障预测

为更有效预测设备故障,提出一种基于灰色粗糙集与BP神经网络的设备故障预测模型。用灰色关联分析和粗糙集理论分别对二维故障决策表进行横向和纵向两个维度的约简,将冗余的数据和属性去掉,并将约简后的数据输入到BP神经网络,预测设备故障。最后以地铁信号设备故障预测为例进行实例验证,结果表明,该模型预测误差更小,预测准确率更高。     

关于系统可靠性中的瞬时故障的若干考虑

故障可分为永久故障和瞬时故障.本文指出了二者的不同点,并定义了第一类和第二类 瞬时故障,分别计算了这两类瞬时故障在(0,t)时间内不导致系统故障的概率.     

基于DSP的机载线缆连接型间歇故障原位检测系统

当前机载线缆检测主要针对线缆开展导通、阻抗、绝缘等功能测试,通常关注的指标均是"平均值",对于连接型间歇故障等短时异常事件极易忽略.针对机载线缆连接型间歇故障的原位检测开展研究工作,梳理了机载线缆连接型间歇故障检测问题的国内外研究现状,分析了机载线缆连接型间歇故障的发生机理,研制了一套基于数字信号处理器(Digital Signal Processor,DSP)的机载线缆连接型间歇故障原位检测系统,并详细介绍了该系统的检测机理和软硬件结构.经实验测试,该系统对于机载线缆时长100 ns的短时连接型间歇故障检测率优于95％,为飞行器基地级维修过程中快速检测机载线缆连接型间歇故障提供了新的方法.     

基于LSSVM的电子装备故障预测研究

针对电子装备的故障信息不足,故障发生率高等特点,通过故障预测有效的监测设备故障状态以及发展趋势,实现对设备的事先维修,避免重大事故的发生,提高电子设备的安全性。对电子装备故障预测进行了分析,提出了一种基于最小二乘支持向量机（LSSVM）的故障预测方法。首先介绍了LSSVM故障预测算法的基本原理和预测流程;然后,对整个电子装备的故障预测研究可以从一个类似的模拟带通滤波器电路故障预测研究出发,将该元件容差设为不同范围来定义电路的不同故障状态,将LSSVM方法与最小二乘法、支持向量机法对电路的不同状态进行预测,可以得到不同状态的预测值,研究结果表明提出的方法能够实现模拟电路的缓变故障预测,且预测效果较好。     

基于多特征信息融合的模拟电路故障预测

为解决利用单一信息进行故障预测的不足以及提高模拟电路故障预测的准确度,提出了一种将信息融合应用到模拟电路故障预测中的方法.提取模拟电路多个测点的多种故障特征量,对其进行时间序列分析,采用ARMA模型研究其预测过程,将得到的预测结果转换为模拟电路故障发生的概率,最后将得到的多个数据进行加权融合,实现了基于多特征信息融合的...     

基于Adaboost算法的永磁同步电机匝间短路故障诊断

Adaboost算法作为机器学习算法的一种,它能够通过集成提升算法精度。讨论了Adaboost算法的结构及其特点以及对永磁同步电机匝间短路故障数据的处理以及建模,实现永磁同步电机匝间短路故障诊断预测功能。实验结果显示:利用Adaboost算法对永磁同步电机进行监测,在永磁同步电机发生匝间短路故障前对可能发生匝间短路故障的隐患进行预测,可以在永磁同步电机应用的各个场合进行应用,减少因匝间短路故障给工业生产带来的影响。     

基于先锋光纤通道交换网的故障监测与诊断的研究与设计

基于先锋网的天气预报系统对先锋网的可靠性和可管理性提出了要求。分析了先锋网的原理后,我们设计了先锋网故障监测与诊断子系统,并在分析了SNMP下目前故障诊断方法的基础上,提出了主动式的根据各硬件设备的关系收集信息来确定故障源的诊断算法;系统采用以太网与光纤网双型网络,能依据设备之间的关系,经过主动的测试、推断和排除来确定故障的位置,具有很高的智能性,特别是当光纤通路出现故障时,系统还能利用第二条通路进行详细的诊断;系统采用的诊断算法能够根据各部分间的关系对可能出现故障的部分进行主动测试,收集需要的测试信息,从而确定故障源。     

基于PHM的自动气象站健康评价与故障预判方法研究

针对自动气象站建设和应用规模大、运行监控手段单一、维护保障成本较高的现状，首次将PHM技术理念应用于自动气象站的运维管理之中；采用层次分析法通过构造判断矩阵、专家打分、确定权重从而以“健康值”的形式对自动气象站综合健康状态进行评价；通过对状态信息与历史极值、故障信息进行判断，提出了一种对自动气象站供电和通信故障“两级告警”的预判方法；通过开发软件系统实现了健康评价和故障预判方法的应用，能够较为合理地量化自动气象站健康状态、对疑似故障发出及时告警；该方法丰富了自动气象站运行监控方法，减少了故障的排除诊断与修复时间，同时也为PHM技术在气象探测设备中的应用提供了思路。     

降雨量传感器的故障诊断方法研究

降雨量的测量对气象预报及防汛减灾具有重要作用,因此当降雨量传感器发生故障时需要能快速修复。而目前应用最广泛的翻斗式降雨量传感器其故障类型多样,致使故障诊断难度大。为此,本文提出一种基于故障树理论与灰色关联法的降雨量传感器故障诊断新方法,采用故障树理论及灰色关联分析法建立了专家系统,通过故障知识获取、故障树建立、灰色关联度获取、知识库构建和推理机推理设计,实现了降雨量传感器的故障诊断。试验验证表明,该方法故障诊断快速准确,实现系统自动诊断替代人工检测与排查,准确率可达到90%以上,提高了降雨量传感器的诊断与维修效率。     

飞机发动机故障的多参数预测模型

飞机发动机故障往往表现出一种故障表征出多种特征信号,同一特征信号还可能反映了不同的故障的特点,而传统的基于灰色理论的飞机发动机故障预测由于只考虑表征发动机故障的一个特征参数或单独考虑几个特征参数,使得预测的准确性不能满足实际工程需要。针对某型发动机故障,借鉴灰色预测建模和信息融合的思想,提出了基于多故障特征参数的发动机故障预测模型,使得多个相关特征参数时间序列不仅可以为各自的预测提供相关信息,也可为其他序列预测提供必要的信息,增加了预测的准确性。仿真验证结果表明,该预测模型具有较高的预测准确性,是一个有效的预测模型。     

Fault Prediction and Maintenance of Non‐Periodic Incipient Fault for Hydraulic Tube Tester

This paper is concerned with fault prediction and maintenance for the hydraulic tube tester according to the process variables. For the two types of incipient faults of this machine, it is more difficult to predict the non‐periodic incipient fault and make a predictive maintenance decision in comparison with the periodic incipient fault. For the non‐periodic incipient fault, a new probabilistic fault prediction method is proposed using a multivariate principle component analysis and Bayesian auto‐regression model. Then, a new predictive maintenance policy is developed, based on the results of the probabilistic fault prediction approach, which implies the evolvement of system deterioration caused by the non‐periodic incipient fault. Simulation results demonstrate the effectiveness of the method proposed in this paper.     

灰色模型在装备故障预测中应用分析

在装备故障预测中,根据灰色建模不需要寻找数据的概率分布和统计规律的优势,给出了一种灰色预测算法步骤,并将其应用于某型装备故障预测中加以分析。结果表明该方法不仅可行,且预测精度较高,从而帮助装备维修保障人员更好地检测和测试装备状态,提高装备可靠性和维修性,具有一定的军事应用价值。     

E级高性能计算机的维护故障诊断系统研究

E级计算机系统规模巨大,使得故障异常总量随之增多,导致诊断发现的难度增加,因此,迫切需要一套更加准确高效的实时维护故障诊断系统,对硬件系统进行全面的异常及故障信息实时检测、故障诊断及故障预测。传统故障诊断系统在面对数万节点规模的诊断时存在执行效率低、异常检测误报率高的问题,异常检测及故障诊断的覆盖率不足。对异常及故障检测、故障诊断与故障预测相关技术进行研究,分析技术原理及适用性,并结合E级高性能计算机实际工程需求,设计一套满足数E级高性能计算机需求的维护故障诊断系统。基于维护系统的结构组成设计可扩展的边缘诊断架构,将高性能计算机系统知识、专家知识与数理统计、机器学习相融合给出故障检测、诊断及预测算法,并针对专用场景建立预测模型。实验结果表明,该系统具有较好的可扩展性,能在10 s内完成对十万个节点规模系统的故障诊断,与传统故障诊断系统相比,异常检测某特定指标误报率从3.3%降低到几乎为0,硬件故障检测覆盖率从90.2%提升至96%以上,硬件故障诊断覆盖率从71%提升至约94%,能较准确地预测多个重要应用场景下的故障。     

基于随机森林算法的配网抢修故障量预测方法

配网抢修是电力系统运行环节中十分重要的一环,精益化的配网抢修管理不仅能提高电力系统的供电服务质量,也能减少电力公司的经济损失. 本文提出一种新的配网抢修故障数量预测的方法. 首先,基于历史数据,以气温、风力、前一天的故障量、最大最小负荷等作为因变量,对数据做了特征映射等预处理. 然后,应用随机森林算法建立配网抢修故障量预测模型,并预测不同区域、不同电网故障及非电网故障、不同电压维度下未来一天故障量. 在真实电力数据上进行了对比验证,实验结果表明提出的方法具有较好的预测效率和准确性.