基于飞行数据的航空发动机健康状况分析

通过对航空发动机的典型故障分析,应用RBF神经网络,构建不同油门开度下的发动机性能参数,进行故障特性学习作为训练样本,将测试样本与训练样本的期望值进行比较,来确定发动机性能的衰变程度,提出了航空发动机性能评价模型.通过多机种多架次的大量飞行记录数据的实验,验证了该方法是能够及时检测到故障的发生和识别的一种有效方法.通过...     

基于机器学习的电力设备故障红外智能诊断方法

针对电力设备红外检测诊断方法落后、效率低等问题,采用双层网络进行设备类型识别和结构区域划分,从而实现快速有效的诊断。首先利用R-FCN建立电力设备识别模型,利用Mask RCNN实现电力设备区域结构的识别结果自动分割,根据划分结构自动提取不同区域的最高温度,依据识别设备类型调用不同判据自动诊断设备状态。搭建红外智能诊断平台进行实验,结果表明：该方法识别准确率高、状态判断结果可靠,无需大量的故障样本,可为电力设备故障的红外智能诊断提供一种快速有效的处理方法。     

基于KPCA和SVM的火箭发动机试验台故障诊断方法

为了解决液体火箭发动机试验台的故障诊断问题,提出了一种基于核主元分析(KPCA)特征提取和支持向量多分类机(SVM)的故障诊断方法,该方法首先利用核主元分析对试验台标准故障样本进行特征提取,通过特征分析,建立适合于试验台故障状态识别的层次多分类支持向量机,并对其进行训练,然后将试验数据在主元上投影,输入到训练好的支持向量多分类器,对试验台故障状态进行识别.该方法充分利用了核主元分析强大的非线性特征提取能力和支持向量分类机良好的小样本泛化特性,解决了试验台故障诊断中的小样本、非线性模式识别问题.对试验台的试验结果表明,该方法是有效的、可行的.     

航空发动机远程智能故障诊断与维修

通过对军用航空发动机的诊断和维修现状研究，分析了目前建立军用航空发动机远程故障诊断与维修体系的可能性和必要性；提出了以故障智能诊断和维修中心为核心的三位一体的广域维修保障体系；对建立故障智能诊断和维修中心所需的软硬件结构进行了详细论述，并对关键的动态网页服务(ASP)技术、基于事例推理(CBR)技术及网络条件下的综合故障诊断方法指出了进一步研究的方向。     

基于证据理论的航空发动机状态评估

针对航空发动机状态监测数据的参数多、不确定性和冲突性,将航空发动机作为研究对象,构建了基于D-S证据理论与RBF神经网络相结合的健康状态评估模型。首先选取关键传感器参数,进行归一量化处理并计算各参数权重。其次,将隶属度状态作为神经网络的输入进行训练,得到各子模块的输出,根据信息融合和决策规则得到具体健康状态等级。最后,通过具体算例验证该方法的可行性和有效性,以达到改善航空安全水平的目的。     

基于改进ReliefF-PNN的航空发动机起动系统异常状态识别

在航空发动机起动系统异常状态的识别研究中,起动系统的参数具有数据间相关性强、数据维度高、数据冗余信息多等特点。为降低数据维度,提高异常状态识别的准确率,将改进ReliefF算法与概率神经网络（probabilistic neural network,PNN）结合,提出改进ReliefFPNN的航空发动机起动系统异常状态识别方法,更加有效地降低了参数的维度,并提升了异常状态识别模型的性能。利用该模型针对起动系统进行识别验证和分析。结果表明,利用改进后的ReliefF-PNN算法得到的参数子集进行异常状态识别的准确率优于改进前的结果,模型性能得到了进一步改善。     

面向轴承智能诊断的多领域深度对抗迁移网络

针对不同工况下轴承监测数据分布差异性导致的诊断精度下降问题,基于深度学习与迁移学习,提出一种多领域深度对抗迁移网络,用于变工况下轴承的智能诊断。将不同工况下的样本集视作属于不同的领域,在特征提取时利用深度残差网络将轴承源域的训练数据与目标域的测试数据映射到高维特征空间,提取监测数据高层抽象的特征表示;设计多领域对抗模块,以支持多故障模式的轴承样本在不同领域对抗模块上进行对抗迁移训练,保障源域与目标域数据在特征空间中的分布有效对齐;在利用源域数据训练故障分类器时引入标签平滑约束,增强故障识别的泛化能力,将源域故障诊断知识迁移到目标域数据的故障信息识别,实现变工况下的轴承智能诊断。利用变工况下的齿轮箱轴承故障数据集与电机轴承数据集对提出方法进行验证,结果表明：相比其他方法,提出的新方法考虑了轴承监测数据的多故障模式结构,更好地提取了领域不变特征,提升了变工况下轴承故障的识别精度。     

基于SOM的变压器绕组和铁芯故障诊断

为了实现变压器故障的直观分类和故障识别,在分析变压器振动机理的基础上,提出一种基于自组织特征映射(SOM)神经网络的变压器故障检测方法。首先利用集合经验模式分解(EEMD)方法提取变压器不同运行状态下振动信号的特征矢量,以其表示变压器运行状态,降低故障分类和识别时运算量。然后通过采用SOM网络自组织学习算法,不断学习样本的特征矢量确定故障隶属函数,从而可以快速有效地诊断变压器的故障类型。试验结果表明,该方法可实现对变压器正常状态、绕组轴向变形、绕组径向变形、铁芯故障4种状态分类,并对测试样本进行快速的模式识别。     

小波与BP网络在发动机配气系统故障诊断中的应用研究

对柴油机表面振动加速度信号进行检测,经时频分析、小波分析提取信号的特征量,并将其作为BP神经网络的输入端,用神经网络方法对故障信号的冲击类型进行分类和诊断.分析表明,发动机多故障的冲击为进气门异常状态、排气门异常状态和爆燃冲击状态,这与实测的发动机运行状态完全一致.由此证实基于小波和神经网络相结合的分析方法能准确地识别发动机多故障状态的冲击类型,准确区分正常状态、故障状态及故障类型.     

基于优化支持向量机的航空发动机故障诊断研究

航空发动机是一个极其复杂的系统,且运行环境恶略,通常多种故障同时出现.本文提出了一种优化支持向量机算法,利用遗传算法对支持向量机的参数进行优化.本文利用四种航空发动机常见故障的模拟样本对神经网络、支持向量机和优化支持向量机三种方法进行训练和测试.     

基于复杂传递路径的发动机主轴轴承故障信号提取技术

航空发动机主轴轴承故障信号经过复杂路径传递至机匣后信噪比低,小波降噪能有效降低噪声水平,盲源分离与包络谱技术能从混合信号中分离出发动机主轴轴承故障信号并提取故障特征。依据发动机振动信号特征,对采集到的机匣振动信号进行小波降噪处理消除系统噪声,再对降噪后信号进行盲源处理分离出原始故障信号,最后对分离出的原始故障信号进行包络谱分析提取出轴承故障特征信息。对试验数据处理发现:该方法成功地提取出主轴轴承外圈内滚道与滚棒故障信号。这为航空发动机主轴轴承故障诊断提供了一种重要的研究方法,具有重要的研究意义。     

基于计算智能技术融合的故障识别方法

为了提高复杂系统故障识别的精度和降低误报率,利用粗糙集理论、遗传算法、神经网络等计算智能方法的优势,提出一种基于计算智能技术融合的故障识别方法.针对原始样本数据的不确定性和不完备性,利用粗糙集对原始样本数据进行数据归一化、离散化、属性约简等预处理,求得能够覆盖原始数据特征的具有最大完备度的最小规则集.利用具有全局搜索能力的遗传算法直接训练反向传播神经网络的权值,将规则集作为网络输入,形成优化网络模型.采用该模型对预处理的各种状态故障特征向量进行分类决策,实现故障识别.通过电机轴承故障识别实验表明,该方法能够优化网络结构,提高故障识别速度和准确率.     

基于模糊神经网络火控故障诊断系统研究

针对火控系统实时故障检测与诊断难题,对火控故障诊断系统的功能结构和故障特征进行分析研究.系统将状态监控、故障诊断、诊断意见集成为一体,采用分布式主从结构,提高了系统的可靠性和适应性.诊断算法以故障征兆特征与故障原因构成故障样本,在特定故障发生时其故障征兆就会呈现,通过神经网络训练提高了故障识别的准确性;选择蕴含算子并计算了故障信息模糊隶属度矩阵,分级进程推理完成故障识别和故障源的判定以提高诊断速度.通过实验证明了算法的有效性.     

基于分布式网络的电机智能监测系统

针对多台电机参数的在线监测和电机故障在线诊断问题,提出基于分布式网络的电机智能监测系统,底层智能监测模块实现实时数据采集和处理,采用模糊专家技术实现电机运行状态识别,采用神经网络和专家系统实现电机故障智能诊断.为电机测控技术领域提供了一种具有信息监测分布式、信息处理集中性和智能化、信息管理网络化的有效工业实现方法.     

基于感应电压特征停运输电线路故障识别方法

对停运输电线路进行合闸操作时为避免合闸到故障线路,通常需要对停运线路的故障状态进行判断。对于一回正常运行、另一回处于热备用状态下的同塔双回输电线路,提出一种基于感应电压特征的停运线路机器学习故障识别方法。首先对停运线路感应电压有效值进行测量,取各相电压有效值、电压平均值及故障电压占比作为样本特征。采用径向基核函数支持向量机(RBF-SVM)对停运线路的故障状态进行识别;若存在故障则利用BP神经网络对故障类型进行识别。为验证该方法的故障识别效果,以河北省6条线路的实际数据为基础,在ATP-EMTP中建立500 kV同塔双回输电线路模型。结果表明,对热备用线路上故障状态识别准确率为100%;对故障类型识别时准确率达到99.7%,为调度工作中合闸操作及停运线路故障的排除提供了参考。     

面向航空发动机多传感器并行预测模型的设计与实现

为了准确预测航空发动机工作时传感器数据的变化趋势,有效监控航空发动机的工作状态,该文就发动机高压压气机转子转速、燃烧室燃油喷嘴压力、涡轮后温度等数个航空发动机主要传感器数据,使用滑动窗口算法截取子序列构建数据集并对其进行标准化.提出了一种基于Seq2Seq的面向航空发动机多传感器数据预测神经网络模型(AMSDPNN),...     

基于模糊诊断理论的航空发动机自动停车故障原因的分析

针对某型航空发动机空中自动停车故障诊断中故障症状与故障原因之间关系极为复杂、不确定等问题,提出了该型发动机故障的模糊诊断方法,建立了发动机自动停车故障模糊诊断的数值理论模型,利用专家知识动态建立了模糊诊断矩阵过程模型,并结合具体自动停车故障案例,实现了该型发动机自动停车故障的模糊诊断,验证了该方法应用于发动机系统故障诊断中的可行性.     

基于物联网的电梯安全监控系统设计

提出一种电梯安全监控系统设计方案,能有效地对电梯的状态信息进行实时监控,发现电梯隐患,确保电梯安全高效地运行。该系统分为数据采集终端和远程监控平台两个部分。数据采集终端以S3C6410为主控模块,外接各种传感器采集电梯状态信息,通过rt3070无线Wi-Fi模块以Socket通信的方式传送至远程监控平台。远程监控平台使用MySQL数据库对接收到的数据进行有效的管理,对电梯故障预警,便于维修人员对电梯进行有效的维护。     

基于质量相关的间歇过程故障监测及故障变量追溯

针对多向核熵偏最小二乘(multi-way kernel entropy partial least squares,MKEPLS)利用的是数据的一阶和二阶统计特性未考虑数据的高阶统计特性,在进行特征提取时会造成有用数据丢失的问题,提出基于高阶统计量的多向核熵偏最小二乘方法(higher order statistics multi-way kernel entropy partial least squares,HOS-MKEPLS).首先,通过构造样本的高阶统计量将数据从原始的数据空间映射到高阶统计量样本空间.然后,再建立MKEPLS监控模型进行质量相关的故障监控,当监控到有故障发生时进行故障变量的追溯.最后,将该方法应用到工业青霉素发酵过程的监测中并与MKEPLS进行比较.结果表明:该方法具有更好的监控和故障识别性能.     

航空发动机技术状态标识建立的方法研究

为加强航空发动机的技术状态管理,对发动机技术状态标识的建立进行了具体的研究。依据发动机工作分解结构,对技术状态项的确定、选取原则、在系统中的建立以及实现更改控制给出了指导性思路,该方法已在航空发动机研制过程中进行了实践应用,可以满足技术状态管理中对基线的控制要求,同时也为其他复杂工程系统研发过程中开展技术状态标识工作提供参考。