基于神经网络的飞控系统传感器故障诊断的研究

在标准逆传播神经网络的基础上，提出了一种改进的逆传播神经网络，用来消除标准逆传播神经网络的缺陷，并且设计了一个主神经网络和三个分布神经网络的结构，通过神经网络的在线学习，得到需要的参数估计。用它与传感器实际测得的实际值比较，可判断出阶跃故障，并且给出了仿真实例。     

基于神经网络观测器的飞控传感器在线故障诊断

为提高无人机飞行安全可靠性,针对飞行控制系统中常出现的传感器故障以及非线性气动力模型参数难以确定的问题,提出了基于BP神经网络观测器估计的故障诊断方法;引用LM改进算法对网络参数进行调整,构造了神经网络观测器模型逼近非线性系统,并运用于飞行控制系统进行在线数字仿真,对垂直陀螺输出卡死故障、恒偏差故障和恒增益故障分别进行仿真分析;仿真结果表明,所设计神经网络观测器可以有效估计系统输出,在线诊断传感器故障。     

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。     

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.     

飞控系统传感器故障诊断的神经网络方法研究

BP神经网络对于飞行控制系统传感器故障诊断是一种有效的故障模式识别方法;在标准BP神经网络的基础上,提出了一种新的BP改进算法——自适应FMBP算法(SAFMBP),用以消除标准BP网络收敛速度慢及易陷入局部极小等缺点,并且建立了飞行控制系统仿真模型和传感器常见故障模型,采用基于神经网络模式分类的故障诊断方法,应用改进的BP神经网络(SAFMBP)进行飞控系统传感器的故障诊断,最后给出了仿真诊断实例。     

基于神经网络改进算法的飞控系统故障诊断

应用神经网络技术对复杂的飞行控制系统进行故障诊断对提高飞机的可靠性和容错能力具有重要意义。为了提高网络的学习效率和稳定性,该文提出一种改进的径向基神经网络学习算法,使用混合共轭梯度优化算法对网络参数进行调整。利用神经网络对某型飞机的飞行控制系统进行故障诊断,仿真结果表明该神经网络具有较强的故障识别能力。     

BP神经网络在飞控系统传感器故障诊断中的应用

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观测器的故障诊断方法;通过构造神经网络模型代替解析系统建模,利用神经网络的学习能力在线检测传感器故障,最后,应用BP神经网络算法对故障进行仿真;仿真结果表明,神经网络观测器方法对单一传感器故障及多个传感器故障均能够准确识别,并对故障的定位也有不错的效果。     

飞机燃油系统传感器故障诊断方法研究

为了解决某飞机燃油系统传感器的故障检测与诊断问题,提出将小波分析法应用于飞机燃油系统传感器的故障诊断.通过传感器输出信号的一维离散小波变换,得到重构后的第一层细节系数.对该细节系数进行分析,可以精确定位故障点;进而分析传感器输出信号,可以判断出故障类型及故障程度.最后以该系统中油位传感器的故障诊断为例,利用地面半物理仿真试验中采集的现场数据,在Matlab环境下对该方法进行了有效性验证.     

无人机飞控系统故障诊断技术研究综述

近年来,无人机因其运行成本低、机动性强等独特优势被广泛应用于军民各复杂领域;同时,复杂多样的任务对无人机系统的可靠性和安全性提出了更高的要求。无人机故障诊断技术能够及时准确地提供诊断结果,有助于无人机的维护、保养与维修,对提升无人机的作战效能具有重要意义。因此,从无人机的飞控系统剖析各类常见故障的机理,并进行故障归类。主要围绕飞控系统中的传感器、执行器和其他部件的故障诊断技术,分析总结了无人机故障诊断技术的研究方法和现状。探讨了无人机故障诊断技术面临的主要挑战,并指出了未来的发展方向;旨在为无人机故障诊断技术领域研究人员提供一定参考,促进我国无人机故障诊断技术水平的提升。     

传感器故障检测、分离与恢复的神经网络方法

传感器是测控系统不可缺少的部件,传感器数据的高可靠性是系统正常工作的重要保证,本文基于递归神经网络具有优良的动态系统建模能力和时间数据序列预报区能力,融合时空信息,构造出具有传感器故障检测,分离和故障恢复能力的智能传感器系统,理论 仿真结果表明,所研究系统的优良性能。     

无人机飞控系统故障诊断专家系统设计

针对无人机飞控系统的特点和维护要求,本文介绍了MBIT故障诊断专家系统的设计思路和实现方法,构建了无人机飞控系统故障诊断专家系统的体系结构,深入研究了如何建立故障知识库,制定推理机制,组建综合数据库和故障解释等问题。并结合某型号给出了具体的示例。在工程实际应用过程中,可以利用本系统对无人机飞控系统进行有效维护。     

飞行控制系统故障诊断与重构技术研究

对于高空长航时无人机高性能要求,提出一种多等级余度飞行控制系统;结合飞行控制系统各组成部分的结构特点,给出了传感器信号的余度信号管理技术,机载计算机通道故障诊断与仲裁技术;伺服子系统故障隔离和控制分配重构技术;试验结果表明该飞行控制系统故障诊断与重构方案设计合理可行,不仅较好地完成了飞行控制系统的余度管理任务,而且有效提高了故障检测率抑制了虚警,保证了系统的可靠性与容错能力.     

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.     

波音777飞控系统故障诊断专家系统的设计

针对波音777飞控系统复杂的故障级联效应会导致航线维修效率低下的问题,提出了一种基于案例与故障树推理相结合的故障诊断专家系统;分析了系统的整体架构,并结合飞控系统的结构和故障特性,重点研究了系统知识库和推理机的构造方法,解决了传统专家系统在知识表示、冲突消解等方面存在的问题;系统能快速分析故障现象,准确列出故障原因,提供消除故障措施。最后通过波音777飞控系统的故障诊断实例,证明了本系统能够进行高效、可靠的故障诊断。     

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...