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。     

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。     

基于RBF时间序列预测器的传感器故障诊断方法研究

研究了一种基于径向基函数(RBF)神经网络时间序列预测器诊断传感器故障的方法.以压力传感器的过载故障为模型,先用RBF神经网络建立时间序列预测模型,然后利用预测模型对传感器的输出作预测,再和传感器实际输出比较,从而判断传感器是否发生故障,并对发生故障的传感器进行数据重构.仿真实验证实了该方法可以有效地进行传感器故障诊断和数据重构,并可推广到其他传感器中.     

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.     

基于小波神经网络的船舶冷却水系统的传感器故障诊断

船舶冷却水系统是保证船舶动力装置安全可靠运行的系统之一,是故障诊断系统的重要组成部分,具有十分重要的工程意义.以船舶冷却水系统传感器故障检测问题为目标,提出了基于小波神经网络预测器的传感器故障诊断方法.该方法避免了神经网络结构设计上的盲目性及训练过程易陷入局部最小等问题,同时采用同伦算法优化网络,解决小波神经网络对初始值敏感的问题.采集大连海事大学实验船的传感器数据,以温度传感器为例,对1℃偏差故障、0.03℃/s速率漂移故障及不同方差下的精度等级下降故障进行了仿真,结果表明同伦小波网络的诊断率高达95%,证明了该方法的有效性.     

基于神经网络的无人机传感器故障诊断技术研究

无人机传感器的故障诊断和容错控制是一项关键技术,为了能够实时监测传感器的运行状态、快速定位故障和控制重构,文章采用BP神经网络设计了一种由主、从神经网络构成的无人机传感器故障诊断算法,其中主网络用于传感器的故障检测,从网络完成对故障的识别;该算法减少了故障诊断运算量,提高了故障诊断的实时性;通过仿真研究表明了该算法可以有效地检测、识别出故障,并能给出故障传感器估计值用于容错控制.     

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。     

基于两级神经网络的传感器在线故障诊断技术研究

针对水下航行器控制系统的故障状态,采用BP神经网络设计了一种由主网络和局部网络构成的两级神经网络故障诊断算法,其中主网络用于水下航行器控制系统的故障检测,一旦发现有故障发生,则局部网络完成对故障的识别。通过仿真研究表明该方法可及时完成传感器故障的分离与定位。     

传感器故障检测的仿真研究

该文主要介绍了连续小波变换和BP神经网络在传感器故障诊断中的应用,并就如何将小波变换和神经网络结合起来进行故障检测进行了有益的探讨、研究,最终借助于matlab软件和它自带的simulink工具以及相关的信号处理工具包做了仿真算例,获得了满意的效果,证明了这两种方法的可行性。     

基于遗传小波网络的飞控系统故障诊断研究

针对飞行控制系统的传感器故障诊断问题,构造基于Mexico hat小波的小波神经网络,采用改进的自适应遗传算法优化所构造的小波网络的网络参数,并应用训练好的小波网络对飞行控制系统的传感器故障进行诊断.通过在Matlab/Simulink中建立飞控系统传感器的数字仿真模型并进行计算机仿真,得出所构造的小波网络能很好地诊断出飞控系统传感器的三类故障.仿真结果表明,用遗传算法训练小波网络,收敛速度快,且不会陷入局部最优点,训练好的小波神经网络的收敛性、故障诊断能力及泛化性均强于传统的BP神经网络.     

飞行器导航传感器故障诊断的应用研究

研究导航传感器故障诊断问题,由于飞行器导航传感器所处环境十分复杂,导航系统由多种部件组成,故障存在许多随机性、模糊性和不确定性因素,难以建立确定数学模型。传统线性模型故障诊断准确率低。为了提高飞行器导航传感器故障诊断准确率,提出一种神经网络的导航传感器故障诊断方法。飞行器导航传感器发生故障时信号中会产生突变成分,利用小波包对原始故障信号进行分解,提取信号特征向量,然后将特征向量输入神经网络训练,实现飞行器导航传感器故障智能化诊断。在Matlab平台实现传感器故障诊断的仿真,结果表明,神经网络提高了飞行器导航传感器故障诊断的准确率,是一种在线、行之有效的导航传感器故障方法。     

系统故障诊断的一种神经网络方法

该文首先提出一个通用故障示例模型,然后运用一种自适应神经网络学习算法来寻找差错属性与故障类型之间的对应关系,由此对故障进行诊断。因为网络的结构事先并不确定,而是在训练的同时进行同步构造,所以确保了训练后建立网络具有较好的适应性。     

基于BP神经网络与专家系统的故障诊断系统

针对目前国内油田压缩机故障诊断存在的效率低、自动化程度不高的问题,设计了一种基于BP神经网络和专家系统的油田压缩机故障诊断系统,利用专家先验知识和神经网络的数值推理、自学习能力,对油田压缩机的故障进行分析处理,与以往油田压缩机故障诊断方法相比,该系统自动化程度高,诊断可靠准确。