面向风洞群的装备自主式维修保障系统框架设计与实现

基于CBM的风洞自主式维修保障系统在多座风洞中已经得到成功应用,在夯实基础、积累成果的前提下,着眼于实现适应多座风洞联合保障的架构,应用虚拟化、云计算、光纤通讯、故障诊断、故障预测、统一设备编码、IETM等多项先进技术,设计并研制了一套面向风洞群的开放式装备自主维修保障系统,实现了各风洞在自主式维修保障功能上独立和在存储及计算资源上共享的有机结合,进一步提高了装备保障效率,有效节约了物理资源,其开放性使得系统随时可根据需要扩充虚拟集群,为集群型装备的自主式维修保障系统建设提供了先进的技术参考方案。     

焊接机器人运动学正逆解

为了达到使焊接机器人完成工作任务的目的,通过设立坐标系和建立运动方程对机器人进行运动学分析,解出运动学正解和逆解。利用已求出的转角形成手部的转动,使手部到达所需的焊接位置并满足焊接姿态的要求,通过焊接机器人程序控制完成焊接任务。研究结果表明:利用已求出的转角的转动可使手部到达所需的焊接位置和姿态。     

大型跨超声速风洞维修维护自动化平台的设计与应用

由于大型跨超声速风洞长期满负荷高强度运行,建设自动化平台是适应繁重维修维护需求的重要手段。依托已有的办公综合管理信息系统,设计了一种基于B/S架构,以分布式数据库为基础,采取分层设计策略的维修维护自动化平台;通过对维修维护工作流程的梳理和管理流程的优化,将平台功能优化为维护规范、维护计划、维护预警、故障记录、维修审批、验收结算等主要模块。通过内部和外部数据接口,将不同系统的信息进行共享,实现了数据的自动传递,节省了人力资源。通过在风洞试验中的运行表明,该平台运行稳定,接口设计合理,具有良好的可扩展性和可维护性。     

基于深度学习的故障检测方法

针对传统故障诊断方法中特征提取技术难度大、故障样本获取困难等问题,在深度学习计算框架下提出了一种半监督训练的故障检测方法,利用深度信念网络中的受限波茨曼机堆栈结构实现了数据高层特征的自动提取,结合支持向量数据描述方法实现了异常数据检测,只需利用正常工况的数据样本进行网络训练和模型拟合,无需故障样本数据,也无需人工干预进行信号特征提取,即能实现对故障数据进行的实时检测和判别;经采用标准轴承实验数据的三组故障数据进行验证,故障识别率达到100%,具有很强的工程应用价值。     

高速风洞试验装备管理信息平台

为适应技术发展趋势和现实需要,建设高速风洞试验装备管理信息平台.依托已有的管理网络和办公平台,设计一种基于B/S架构、以分布式数据库为基础、采取分层设计策略的信息平台.通过对业务流程的梳理和再造,以 7 个功能模块为基础,建设成功包含装备采购、台账、维护、维修、检定和退役的全寿命管理平台,并进行开发和测试.结果表明:该平台性能稳定,界面友好,具有良好的可扩展性和可维护性,已成功运用到实际工作中.     

基于LSTM的风洞设备健康状态评估方法研究

针对风洞设备健康状态评估中特征提取困难、量化算法复杂等问题,提出了一种基于深度学习的健康度评估方法,利用正常状态样本数据训练LSTM编解码器网络并构建特征空间,利用测量数据特征向量与特征空间的欧氏距离衡量健康状态的退化程度,从而高效地实现了系统或设备的健康状态量化评估;经风洞试验室轴流风机转子不平衡故障、长轴轴承裂缝故障等两个数据集进行验证,取得了与设备工作状态一致的健康度评估值,具有很强的工程应用价值。     

基于深度卷积网络的多传感器信号故障诊断方法研究

针对传统故障诊断方法中多传感器数据融合技术难度大、特征提取困难等问题,提出了一种基于深度卷积网络的多传感器信号故障诊断方法,通过构建测量数据帧进行卷积计算实现多通道数据的自然融合,利用深度网络结构实现高层特征的自动提取和分类,从而高效地实现了故障分类诊断;经分别采用小规模数据集REF和大规模故障数据集BI02进行实验验证,均取得了较高的故障识别准确率,具有很强的工程应用价值。     

基于风洞的设备健康管理与数据有效性判定平台研究

低速增压风洞是满足我国航空工业科技发展而建设的一座气动力重大基础试验设施;为了保障该设施的高效率和可靠地运行,以各机电设备、电气测控设备、机械装置为对象,根据其故障模式和故障特点选取合适的监测点,获取实时工作状态数据,再以数据为基础,进行状态监测、故障诊断、故障预测,实现预先性决策和针对性快速维修;基于OSA-CBM+体系构建的风洞健康管理系统,根据设备的运行状态,实现对试验数据的有效性进行实时判定,并实现了风洞装备由事后维修向视情维修转变;实现了装备从使用、维护、管理模式由分散式管理向集约式管理的转变;实现了装备系统故障诊断、预测及判读从人工智能向机器智能的转变。