飞控系统神经网络故障模式分类方法研究

无人机自主飞行需要高可靠性的飞行控制系统,针对系统进行故障模式分类可提高系统的可靠性.传统的故障诊断方法难以解决无人机的高维、非线性和不确定输出等问题,不利实时诊断.为了实时进行故障诊断,保证系统安全性能,提出一种改进的神经网络故障模式分类算法以克服上述问题,首先采用改进的共轭梯度优化算法进行BP神经网络学习,以改进网络收敛性能,改进算法分别对无人机飞行控制系统执行器、传感器和系统故障进行故障模式分类.用某无人机纵向自动驾驶仪系统进行仿真验证,结果表明算法结构简单,可以进行实时故障识别,保证系统的可靠性.     

BP神经网络在波音737自动刹车故障诊断中的应用

随着人工神经网络研究的兴起,智能故障诊断技术成为近年来人们研究的一个热点问题。自动刹车是飞机起降时的重要装置,需要定期对其进行故障检测,以免形成飞行安全隐患,是飞机故障诊断的一个重要内容。本文从传统的BP神经网络算法出发,通过算法改进建立了波音737自动刹车故障诊断的神经网络模型,通过提取故障样本对网络进行训练和诊断,仿真结果显示这种方法能较理想地对波音737飞机自动刹车系统的故障进行分析和检测,对于建立波音飞机的故障自动诊断系统具有重要意义。     

飞控系统传感器故障诊断的在线方法研究

传感器是飞行控制系统当中的一个重要组成部分,在系统中往往利用传感器的各个输出来建立飞机的动态状态;因此,实时准确的对传感器进行故障检测和识别可有效地提高系统的安全可靠性;提出一种带有可变遗忘因子的BP神经网络在线递推学习算法,应用改进的算法对飞行控制系统的传感器故障进行实时在线的检测和识别,且利用神经网络的输出对系统进行重构;仿真结果表明提出的方法可准确的对传感器的故障进行故障诊断和容错控制.     

基于蚁群优化神经网络的AUV舵的故障诊断

针对流线型AUV舵故障,提出了基于Elman神经网络的故障诊断方法。基于蚁群算法优化改进型Elman神经网络,建立了AUV角速度运动模型,通过蚁群算法和梯度下降法对改进型Elman神经网络训练的对比分析,验证了蚁群算法优化的改进型Elman神经网络具有训练速度快,不易陷入最优解等特点。提出了基于角速度残差检测舵故障,再通过定角度航行和定速直航的主动诊断方式,判定舵故障类型的故障诊断方法,探讨了基于角速度残差和角度残差的变化趋势来诊断舵卡死和舵变形故障的故障决策方法。对流线型AUV的舵变形及舵卡死故障进行了水池模拟实验,实验结果验证了所提方法的有效性。     

一类基于非线性状态观测器的鲁棒故障检测

本文提出了一种新的基于非线性状态 观测器的鲁棒故障诊断策略．该方法在传统故障检测滤波器（FDF）的基础上,针对一类满 足Lipshitz条件的仿射非线性系统,构造了非线性故障检测滤波器,给出了故障检测增益阵 的设计算法及其闭环观测误差系统稳定性的证明,解决了非线性系统的故障可检测性问题． 在残差决策阶段,采用模糊自适应门限的判决方法,提高了故障检测的鲁棒性．最后,针对 歼击机结构故障的仿真,验证了本文方法的有效性．     

一种容错飞行控制的神经网络方法研究

文章提出了一种新的主动容错飞行控制系统设计方法,可同时进行飞控系统执行器的故障诊断和容错控制;首先建立飞机执行器故障模型,接着应用改进的BP神经网络算法,进行飞行控制系统模型辨识,实时进行故障诊断;然后根据故障诊断信息进行自适应容错控制,为了克服故障系统引起的模型误差和非线性因素的影响,设计了自适应神经网络PID参数整定和动态逆控制器,对飞行控制系统执行器故障进行容错控制,以实现系统的良好模型跟踪和动态性能;仿真结果表明,在保证闭环系统稳定的前提下,实现了执行器的在线故障诊断与容错控制,达到了理想的效果.     

基于模型的机载燃油系统故障诊断研究

针对某型号飞机的燃油系统进行故障诊断,应用基于模型的故障诊断算法,采用离散的状态变量描述系统行为和功能,基于一致性算法判定系统当前行为是否正常以及冲突搜索算法对异常进行诊断.诊断过程引入故障可能性概率的函数Rank,避免了传统穷举方法,有效提高了算法的效率.诊断结果能够很好地涵盖单故障以及多故障组合,同时也能满足系统进行实时故障诊断的要求.     

基于数据变化率和重构贡献图的微小故障诊断方法

针对复杂工业过程的微小故障诊断问题,本文提出一种数据预处理与重构贡献图相结合的故障诊断方法。为了克服非高斯分布数据对故障检测准确性的影响,基于数据变化率对样本原始数据进行预处理,建立故障诊断主元分析模型。检测出故障后,为了提高故障辨识精度,采用一种平均残差差值重构贡献图方法对故障进行辨识。通过正常样本数据和故障数据在残差子空间中的投影,获取残差差值向量,计算重构贡献值。以田纳西-伊斯曼(TE)过程为对象进行了故障诊断仿真实验,结果表明本文方法具有良好的诊断性能。     

基于支持向量机的矿用带式输送机轴承故障诊断方法研究

近年来,随着煤矿开采量的增加,带式输送机的实际运量在不断增加,带式输送机载荷较大,轴承部件非常容易引起故障,轴承故障发生率较高。针对传统的矿用带式输送机轴承故障诊断方法存在检测准确度不高、工人劳动强度大、诊断时间长及严重影响输送机的正常工作等问题,为了提高诊断效率和准确度,对带式输送机轴承故障诊断方法进行研究,提出了基于支持向量机的轴承故障诊断系统并对算法进行优化,通过对模型训练表明:优化后的算法可以准确提取轴承故障信号并进行诊断,故障诊断准确率达到了97.5%,大大提高了故障诊断效率,降低了维修成本,可以有效避免煤矿事故发生,对于保证煤矿安全生产具有重要的作用和意义。     

远程诊断 排故障——南航利用ACRDRTS实现实时跟踪飞机

中国南方航空集团的飞机远程诊断实时跟踪系统(ACRDRTS)利用机载设备ACARS可以实时传送飞行数据,通过接收和转换空地数据链下传数据,监控飞机和发动机运行状态,从而预报故障,同时接收来自飞行员、机务人员、ACARS和安全监测部门等多方面故障信息,利用已有的排故经验,经人工智能算法分析,向维修人员提供必要的参考信息,辅助提高维修水平和排故效率,并向     

基于多步神经网络观测器的扑翼飞行器缓变故障检测

针对缓变故障初始变化幅值较小导致的基于传统神经网络观测器的故障检测算法检测效率较低的问题,提出一种基于多步神经网络观测器与自适应阈值的扑翼飞行器（FWMAV）缓变故障检测算法。首先,构建一个多步预测的观测器模型,利用多步观测器的延时性能避免观测器被故障数据污染;然后,依据FWMAV的实际飞行实验数据,对多步观测器窗口宽度进行实验和分析;其次,提出一种自适应阈值策略,通过残差卡方检测算法辅助进行观测器残差值的故障检测;最后,采用FWMAV的实际飞行实验数据进行算法的验证和分析。结果表明,与基于传统神经网络观测器的故障检测算法相比,所提算法在缓变故障检测速度方面提升了737.5%,在缓变故障检测准确率方面提升了96.1%。由此可见,所提算法能够有效提高FWMAV缓变故障的检测速度和检测准确率。     

结合贝叶斯理论的故障树模糊故障诊断方法研究

由于飞行器地勤维修的复杂性，在维修中容易造成地勤人员排故过程的盲目和低效，提出一种基于故障树理论知识的模糊故障诊断专家系统。利用贝叶斯理论修改模糊关系算式以获得定量运算关系，并且给出了决策步骤。应用飞行控制系统实例进行仿真验证，得到了满意的结果。     

一类非线性飞行控制系统鲁棒故障诊断

针对一类仿射非线性飞行控制系统的执行器故障,提出了一种基于微分几何方法的鲁棒故障诊断方案.各个输入通道相应的不可观分布满足条件时,可以通过分别在状态空间和输出空间进行同胚变换,将原系统化为多个只受单一通道故障输入影响的能观商子系统.原系统的残差生成器设计问题转化为对其各通道能观商子系统的观测器设计,实现残差与其他通道故...     

飞行控制系统设计中的非硬件冗余技术

本研究的主要目的是在保障可靠性需求的前提下,减少飞行控制系统设计中的硬件冗余.所提出的策略主要包括:信息冗余、解析冗余、时间冗余、气动冗余等.将信息冗余从编码范畴扩展到飞控系统线路与传感器故障的检测,同时在充分分析飞控系统信号之间的关系的基础上,给出了它们之间的转换关系,讨论了时间冗余对瞬态故障抑制的作用,并研究了控制面间气动冗余的相互补偿作用.所提供的故障诊断与信号重构方法几乎涉及飞控系统所有重要信号,因此使用这些策略可以降低硬件冗余,同时降低系统复杂度、重量、空间、费用以及研发时间.     

飞控系统传感器故障诊断研究

研究故障检测和诊断技术对提高系统可靠性具有重要意义,针对飞控系统中常见的传感器故障,提出了基于神经网络预测器的故障诊断方法。利用传感器输出时间序列构造神经网络预测器模型,网络结构使用多层感知器结构,根据网络输出和实际输出之差与某·阈值的大小比较关系判断故障。最后针对某型飞机建立仿真模型,并对单一及多个传感器故障诊断进行研究,给出了仿真实现结果,并加以分析。仿真结果表明,所提出的基于神经网络预测器的故障诊断方法是行之有效的,能够及时准确地确定故障的发生。     

基于粒子群算法优化支持向量机汽车故障诊断研究

汽车故障检测和诊断技术一直是国内外研究热点问题。支持向量机用于汽车故障诊断时,其多分类组合决策对分类正确率及诊断时间有很大影响,为了有效提高汽车系统故障诊断的效率和精度,提出了一种基于粒子群算法优化层次支持向量机汽车故障诊断检测方法。针对分解支持向量机具有测试时间短、结构难以确定的特点,利用粒子群算法,依据最大间隔距离原则优化层次支持向量机模型,使每个节点的支持向量机具有最大分类间隔,减少了误差积累,从而优化了多级二叉树结构的SVM,实现故障的分级诊断。仿真实验结果表明,提出的算法在所有参比模型中精度最高,能高效地对汽车系统的故障进行检测与定位,具有较强的泛化能力,同时缩短了故障诊断时间。     

基于输出时滞方法的非均匀采样数据系统传感器故障检测(英文)

研究一般非均匀采样数据系统鲁棒传感器故障检测设计问题.首先,基于输出时滞方法将非均匀采样数据系统转换成具有时变时滞输出的连续系统;然后,选择故障检测滤波器作为残差产生器,并将故障检测设计问题描述成一个多目标优化问题,即连续时间过程噪声和离散时间测量噪声对残差信号的H∞范数小于一个给定值,同时传感器故障对残差信号的l2增益大于一个给定值,基于输入输出方法以矩阵不等式的形式给出该多目标优化问题有解的充分条件;进一步的,提出一个迭代算法来权衡噪声鲁棒性与故障灵敏度,并将矩阵不等式转换成可解的线性矩阵不等式.最后,对某型飞控系统的仿真实验验证了所提方法的有效性.     

实时操作系统CPU使用率监测的软件容错研究

在硬件实时操作系统中,系统CPU的使用率是系统性能的一项重要指标,如果任务占据了系统的全部CPU,其它任务将无法继续运行,给系统带来灾难性后果。 通过分析实时操作系统中软件运行的特点,系统设计需要采取一定容错策略,以提高系统可靠性和容错能力。在μC/ OS-Ⅱ实时操作系统下对飞行控制软件中的任务进行实时监测。首先给出在μC/ OS Ⅱ实时操作系统下CPU使用率的计算方法,合理提出CPU的监测周期。其次,给出对CPU使用率异常的故障检测算法,对故障进行故障处置,提高系统的容错能力。最后,通过在MPC5674飞行控制计算机中编写嵌入式飞行控制软件来验证四种对CPU使用率异常的处置方法。仿真结果表明,实时操作系统中CPU的软件容错方法可以有效提高系统可靠性和容错能力。     

基于马尔科夫预测的多传感器故障检测与诊断机制

随着无线传感器网络应用规模的不断扩大,各类应用中传感器故障检测与诊断成为系统正常作业、安全可靠性保障的关键技术。针对多传感器系统与节点工作过程定义3种状态,基于故障检测信息建立状态转移矩阵,通过马尔科夫模型预测传感器故障信息,为故障检测与诊断提供决策依据。另外,拓展数据包信息字段包括故障类型、节点定位等,故障处理后节点转移至正常状态后将故障处理和诊断特征等信息存储到网关或者汇聚节点,为改善故障检测精度和诊断效率以及系统资源利用率提供依据。实验结果表明：所提故障检测与诊断算法与传统算法相比,具有更高的故障检测精度,更短的故障诊断时延、能够准确判断故障类型等性能。     

燃气涡轮发动机PHM系统设计与实现技术研究

基于燃气涡轮发动机由计划维修模式向视情维修(Condition Based Maintenance, CBM)模式转变、由被动保障向主动保障发展的实际需求,针对目前燃气涡轮发动机在故障预测与健康管理(Prognostics and Health Management, PHM)系统设计上存在的整体性与系统性不强的问题,通过开展燃气涡轮发动机的PHM技术研究,围绕故障诊断、寿命预测、保障决策等PHM系统的核心功能要素,提出了一种新型燃气涡轮发动机PHM系统架构。该架构包括实时监测模块与保障决策模块,实时监测模块主要基于测试性建模实现故障诊断逻辑设计以满足涡轮发动机故障检测与健康管理的实时性要求,保障决策模块为燃气涡轮发动机的CBM保障提供了一种数据驱动的决策生成方法,通过长短时记忆网络(Long Short-Term Memory, LSTM)算法预测关键部件寿命,以匹配最佳的维修保障方案,提升燃气涡轮发动机的保障效能,最后给出了该系统架构的部分核心功能的设计。