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。     

基于Petri 网的液体火箭发动机启动过程实时在线故障诊断方法

为了解决大型运载火箭液体发动机启动过程难以建立精确解析模型和难以实现实时在线故障诊断的问 题,根据其启动过程的特点,设计了基于定时约束Petri 网的故障诊断模型和诊断算法,在MATLAB 中建立Simulink 仿真模型和GUI 仿真界面,验证了模型和算法的正确性和有效性．     

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。     

航空发动机故障诊断多Agent模型

介绍了人工智能领域的多Agent技术的主要概念,提出了结合传统故障诊断方法基于多Agent技术的航空发动机故障诊断的模型,并对模型的各个主要模块功能作出了详细的介绍和分析。     

固体火箭发动机故障诊断的神经网络方法研究

固体火箭发动机地面试验系统的故障诊断过程复杂,故障征兆和故障原因之间存在着许多不确定因素,精确定位故障存在许多困难.传统的神经网络方法和模糊推理方法为解决这一类故障诊断问题提出了一些算法,然而难以提高不确定故障诊断的性能.针对这种情况,提出了一种基于模糊神经网络的故障诊断方法.该算法同时具备了模糊理论的处理不确定、不准确信息的推理能力和神经网络的自学习能力.将这种方法应用到某固体火箭发动机地面试验系统的故障诊断,仿真结果表明,该算法有效,较好地解决了固体火箭发动机地面试验系统的不确定故障诊断问题.     

基于FPGA的液体火箭发动机控制监测系统研制

随着液体火箭发动机内部结构日益复杂,传统的控制遥测模式难以满足测控需求;针对液体火箭发动机的智能化需求,为实现高效的发动机状态管理和运行参数的实时监测,研制了一种基于现场可编程门阵列（FPGA）的控制监测系统;控制监测系统拥有24路发动机驱动控制能力,具备了32路信号同步采集、实时处理与存储能力,能够实现同步RS422总线通讯,并具有HDLC(High-Level Data Link Control)协议数据的编解码能力;实验结果表明,控制监测系统能够对发动机阀门进行驱动控制及发动机状态参数的实时采集,实现基于HDLC协议的数据通讯;以硬件为核心的控制监测系统提高了发动机电器系统的集成性,提升了系统可靠性,为发动机健康管理、故障诊断算法的搭载奠定硬件基础。     

基于马氏距离的液体火箭发动机稳态过程故障程度评估方法

当前健康管理技术在我国航天领域的发展还未完全成熟,国内针对运载火箭稳态飞行过程的故障检测与评估进行的工作还较少,而未来对于运载火箭牵制释放、动力重构等技术的应用,以及对可重复使用技术的需求,火箭稳态飞行过程的故障检测和评估将是其重要的技术支撑,具有十分重大的意义,因此提出一种基于马氏距离的液体火箭发动机稳态过程故障程度评估方法,并通过采用液体火箭发动机的仿真数据验证了算法的有效性,为运载火箭发动机健康评估技术的发展提供了一定的借鉴作用。     

液体火箭发动机地面试车数据采集与实时故障检测系统

组建了基于PXI的发动机测试与故障检测系统(TFDS),在LabWindows/CVI下实现了多通道、多类型数据的同步实时采集、存储和故障检测.通过历史试车数据回放和实际发动机试车验证表明,TFDS数据采集结果准确,并能够实时有效检测发动机故障并报警,硬件组建方便快捷、软件编程简单易懂,可扩展性和可移植性很强.     

液体火箭发动机不稳定燃烧并行程序的监控和性能分析

在MPI的工作环境下对液体火箭发动机内的复杂燃烧流场进行了数值模拟,采用MPE性能监测库在MPI并行计算环境下对燃烧应用软件进行可视化监控分析,研究了液体火箭发动机燃烧过程仿真程序的并行计算性能,通过在NOW环境下的测试提出了提高应用软件性能的编程策略,有助于对发动机稳态和不稳定燃烧仿真程序进行高效并行算法研究。     

基于移动Agent技术的远程故障诊断的研究与实现

基于Internet的远程故障诊断越来越受到关注和重视。文章提出了基于移动Agent技术的远程故障诊断基本框架,讨论了移动策略、安全机制、诊断算法、虚拟仪器以及多Agent系统协商机制等问题。最后给出了一个应用实例,说明了它的可行性和有效性。     

基于免疫计算的agent系统研究

由于免疫系统具有良好的特性以及与multi-agent系统的相似性,因此将免疫机理应用于multi-agent系统的研究越来越受到关注。该文提出了一种新的实体agent——免疫agent和多免疫agent系统。首先给出了免疫agent的功能、结构以及形式化描述,然后构造了基于独特性网络理论的多免疫agent系统模型,借鉴生态学协同进化机理提出了系统中免疫agent之间的四种交互关系:共生、共栖、捕食者-猎物和竞争关系,并给出了免疫agent的浓度函数表达式。     

基于免疫抗体记忆分类算法的变压器故障诊断

针对传统克隆免疫算法应用于变压器故障诊断时学习速度慢、无分类能力及抗体空间小等缺点,提出一种免疫抗体记忆分类算法。利用免疫抗体识别抗原的原理和抗体记忆功能,将克隆选择与进化算法相结合,通过学习训练抗原及附属类型信息,得到由不同类型检测集组成的故障信息库,从而在保证亲和力的同时,加快学习速度,扩大免疫搜索空间,并利用人工识别球与刺激水平的线性关系对故障类型进行快速诊断。实验结果证明,该算法具有较快的运行速度及较高的诊断准确率。     

基于HMM-LSSVM组合模型的模拟电路故障诊断

为了提高模拟电路故障诊断正确率,针对单一模型难以获得高正确率检测结果的难题,基于组合优化理论,提出一种隐马尔科夫和最小二乘支持向量机的模拟电路故障诊断模型。提取电路故障特征,然后利用隐马尔科夫模型和最小二乘支持向量机建立模拟电路故障组合诊断模型,最后采用仿真实验对组合模型的性能进行分析。结果表明,相对于其他模拟电路故障诊断模型,该模型不仅提高了模拟电路故障检测正确率,而且具有更快的故障诊断速度。     

基于网络智能代理的基因调控信息集成数据库更新

在现有基因调控信息数据的基础上,建立了一个基因调控信息集成数据库系统。使用了网络智能代理的相关技术,在对本地和远程数据进行灵活地比对之后,分三种情况实现了对本地数据的更新操作。本程序大大减轻了数据库维护的负担,同时也具有很大的灵活性,可扩展性较强。     

基于新型粒子群优化粒子滤波的故障诊断方法

针对基于粒子群优化算法的粒子滤波(PSO-PF)算法精度不高,容易陷入局部最优,难以满足电厂温控系统故障诊断的需求,提出一种适用于故障诊断的新型粒子群优化粒子滤波(NPSO-PF)算法。该算法引入社会个体对群体的认知规律优化了粒子更新的方式,并且完善了粒子速度的更新策略,对优势速度赋有较小概率的变异,提高了粒子的寻优能力,同时随机初始化劣势速度,保证了样本的多样性。实验结果表明,与PSO-PF相比,NPSO-PF提高了故障检测的精度和鲁棒性,可以有效地应用于温控系统故障的诊断。     

基于人工免疫系统的反垃圾邮件过滤机制

提出了一种基于人工免疫系统（AIS）的垃圾邮件过滤机制。将邮件文本向量空间化并结合免疫识别算法进行过滤。对机制进行了建模与算法描述,对检测器的性能和系统的学习更新进行了向量空间上r 模拟仿真并与Nave Bayes方法进行比较。研究结果说明将人工免疫系统应用于垃圾邮件处理有动态性和自适应强的优点,同时为特定领域的信息分类问题提供了一种参考机制。     

基于DVMD降噪的旋转机械故障诊断

针对振动信号噪声难以剔除而造成故障诊断精度低的问题, 提出了一种基于深度变分模态分解(DVMD)的旋转机械故障诊断方法. 首先, 利用麻雀算法(SSA)对变分模态分解(VMD)算法的参数进行优化. 然后, 通过SSA–VMD对信号进行自适应深度分解得到模态分量, 将每层深度的分量与原始信号作皮尔逊相关系数分析, 再对分量进行奇异值分解(SVD)或者直接剔除, 将处理后分量重构后, 实现振动信号的深度降噪. 最后, 提取降噪信号的一维多尺度排列熵特征和二维时频特征, 将特征依次放入轻量级梯度提升机(LightGBM)中进行训练, 实现故障诊断. 设计方法在风力涡轮传动系统的齿轮箱故障信号上进行验证, 不仅能够剔除信号的大量噪声, 并且提高了故障诊断精度, 具有良好的工程应用前景.     

基于Django框架的故障诊断和安全评估平台

符号有向图(SDG)作为一种定性研究方法,在系统推理和图形绘制上有待改进.详细描述了计算机辅助下的SDG故障诊断和安全评估平台的开发过程.平台的开发基于开源Django框架,具有搭建维护简单、操作方便、易于二次开发等特点;利用分层SDG模型和新的推理算法实现对系统的故障诊断和安全评估,支持故障传播路径查询和分层SDG的自动绘制.以田纳西-伊斯曼过程(TEP)为例,对平台的有效性进行验证,结果证明平台推理结果完备、有效,具有实际应用的前景.     

多智能体的分布式智能故障诊断

基于分布式人工智能的思想 ,将多Agent技术引入复杂故障诊断领域 ,分析了基于MAS的分布式智能故障诊断方法和过程 ;讨论了基于模式聚类的故障求解机制及对诊断问题任务辨识、分解 ;研究了多Agent宏观上的约束和关联 ;设计了应用Agent工作状态的表达机制 ;确定了应用Agent间的工作状态影响关系及多Agent间的交互、协作和通讯 ;构建了多Agent模糊关联模型 ;给出了多Agent诊断系统局部诊断决策与全局诊断决策的集成描述结构 ;建立了一种分布式Agent诊断系统结构及其原型系统 .在某电力企     

一种人工免疫分类方法在故障诊断中的应用

人工免疫识别系统的传统方法易造成抗体进化效率低、免疫网络冗余。为解决该问题,提出一种新型的人工免疫分类方法。引入阳性选择和网络抑制机理,结合蒙特卡洛方法,根据训练抗原产生优化分布的初始抗体,融合多种免疫原理模拟免疫应答过程,由初始抗体进化出成熟的记忆细胞,利用记忆细胞依据K最近邻表决方法对待分类抗原进行分类。对UCI数据集的分类结果表明,该方法与人工免疫识别系统相比,抗体进化迭代次数平均减少63.1%,网络压缩率平均提高14.7%。在某线性稳压电源的故障诊断实例中,该方法的平均分类准确率为92.5%,高于人工免疫识别系统和神经网络等分类方法。