基于小波神经网络的水下航行器传感器故障诊断

针对水下航行器系统的传感器故障诊断问题,提出了一种基于小波神经网络的传感器故障诊断方法．在对水下航行器系统的传感器故障信号进行特征提取时,发现其大部分能量都集中在低频部分．若直接以此能量分布来区分正常与故障、故障与故障的信号,将导致神经网络训练时间和分辨时间都会很长,因而不能实时地监控系统．为了很好地进行区分,凸显其差异,将低频部分能量舍去,只保留其余部分,并将其归一化,再利用径向基神经网络进行分类．利用小波分解的节点能量差异与特征提取特点以及神经网络的自我学习能力,通过大量的样本训练后,使神经网络很好地分辨出5类故障信号及正常信号．仿真结果表明：此方法简单、易于实现,适于水下航行器的传感器故障的诊断．     

飞机操控系统故障诊断方法研究

为提高飞控系统的可靠性和安全性,用基于模型的状态估计故障诊断方法对飞机操控系统的故障检测和诊断隔离技术进行了研究。通过建立模型和构造残差利用线性多项式方法(Polynomial Method,PM)对故障进行诊断。对PM诊断方法进行了数学分析和论证,仿真结果表明PM方法不但对于故障信号比较敏感,并且对于干扰有较强的抑制能力,可保持较高的鲁棒性,提高故障检测效果,适用于飞控系统故障检测和隔离。