航电设备故障诊断专家系统

故障诊断专家系统在自动测试与诊断领域有着广泛的应用,它是自动测试系统的核心技术之一．介绍了某型机航电设备故障诊断专家系统,运用规则推理与Hash算法相结合的综合推理方式进行故障快速定位及故障预测,提出视情维修建议,提高了航电系统的故障检测率及故障诊断效率．     

基于风洞的设备健康管理与数据有效性判定平台研究

低速增压风洞是满足我国航空工业科技发展而建设的一座气动力重大基础试验设施;为了保障该设施的高效率和可靠地运行,以各机电设备、电气测控设备、机械装置为对象,根据其故障模式和故障特点选取合适的监测点,获取实时工作状态数据,再以数据为基础,进行状态监测、故障诊断、故障预测,实现预先性决策和针对性快速维修;基于OSA-CBM+体系构建的风洞健康管理系统,根据设备的运行状态,实现对试验数据的有效性进行实时判定,并实现了风洞装备由事后维修向视情维修转变;实现了装备从使用、维护、管理模式由分散式管理向集约式管理的转变;实现了装备系统故障诊断、预测及判读从人工智能向机器智能的转变。     

重复使用运载器预测与健康管理(PHM)技术研究

为了实现传统一次性运载火箭的可重复使用特性,提高重复使用运载器的安全性、可靠性及维修保障性,破解重复使用运载器研制难度大、技术风险高的难题,研究了一种重复使用运载器的预测与健康管理系统方案;该系统采用一种“机载-地面”辅助决策的系统设计方案,机载部分采用分层分布式的系统架构设计方案,地面部分采用区域管理和综合调度的设计方案,有效实现运载器在线式健康状态监测与诊断;重复使用运载器预测与健康管理设计方案的应用,确保运载器在全寿命周期内,实现在线实时故障检测、故障预测和健康评估,为故障处理、维修保障和系统操作优化提供决策支持,显著提升了重复使用运载器的安全性、可靠性、保障性和效费比.     

基于状态维修的电子设备故障预测技术研究

为解决电子设备结构复杂,故障信息不足,故障预测困难,并且现有方法不能直接对电子设备进行状态预测等问题,文中提出了基于状态维修(CBM)的最小二乘支持向量机(LSSVM)和隐马尔科夫模型(HMM)组合故障预测方法;首先采取灵敏度分析法确定电路中要可能发生变化的元件,通过改变元件参数来设置电路的不同退化状态;其次建立组合故障预测模型;最后对该电路进行状态预测;结果表明,文中提出的方法能够直接预测电路的不同状态,进而实现直接预测电子设备的故障状态,预测精度可以达到93.3％.     

TCAS视频存储器板卡故障诊断系统研究

TCAS是保障飞机飞行安全的重要机载电子设备,然而国内对TCAS系统板卡只能进行板卡级的测试,不能进行元件级的维修和测试。以TCAS系统中的视频存储器板为例,根据板卡电路特点及适航要求提出一种改进后的基于故障树分析的元件级故障诊断新方法,该方法通过对待测板卡提供外围激励信号、编写程控控制命令、故障树分析和编写输出结果优化程序等对待测板卡进行故障检测与定位,该系统通过调试与运行证明效果良好,并由实验数据得出故障检测精度大大提高,为国内自主研发元件级自动检测设备和机载电子板卡的深度维修提供了可靠的理论依据。     

基于物联网的冷凝机组云监控系统与远程诊断

冷库制冷设备的维修、维护受到用户分布边远、时间紧迫、维修人员数量等限制,对厂家的售后服务形成较大的挑战。基于物联网的远程监控技术,结合冷凝机组、冷库构造技术构成云监控平台,利用分组、分项目远程管控不同区域的制冷设备,达到有效统管众多制冷设备的目的;同时通过对目标设备数据的收集传输、处理、呈现,实现动态掌控设备运行情况,控制制冷设备工作参数,能获得更好的能耗指标;再者利用预警功能自动发现提示故障,能查索设备的历史数据,辅助维修人员分析、定位故障原因,从而提高响应速度和服务质量。     

基于局部窄带分解和分形的自动机故障诊断

自动机作为自动武器最核心最复杂的部分,其可靠性和故障检测与诊断成为故障诊断领域关注的热点。因此有必要发展一种快速、高效的高速自动机故障诊断方法,实现在线健康状态预测和视情维修,提高军事装备的使用和维修效率。以W85高射机枪自动机为实验对象,针对自动武器在射击时会产生一定方向和频率的冲击振动,采集其短时振动冲击信号,利用基于瞬时频率和局部窄带信号的自适应分解方法对信号进行分解并重构,计算重构后振动信号的网格维数,利用维数距离进行故障类别分析,实现了故障诊断,为高速自动机的健康状态预测奠定了基础。     

南水北调东线泵站状态监测和协作故障诊断研究

针对南水北调东线泵站工程需要长时间运行、安全要求高等特点,对泵站机电设备运行维护和故障诊断模式进行研究。提出泵站设备状态监测和远程协作故障诊断的故障征兆获取、"人-机协作"诊断、故障诊断知识库构建、远程专家诊断的研究方案,确定故障诊断流程及判别方法,明确系统设备健康状态评价、故障准确定位、设备计划检修等功能,从而实现泵站机电设备预测性维修的目标。     

水下航行体故障诊断策略的设计与实现

为解决水下航行体合段状态下的故障诊断与定位难题,设计并实现了一种基于SQL Server 2005数据库的故障诊断策略;采用多线程监控技术、数据融合技术处理实时数据,提取并隔离故障信息,建立故障模型库、故障知识库和辅助决策支持库完成故障匹配、诊断及定位;经数百次故障排查试验证明,所提出的故障诊断策略具备自主学习和主动预测能力,能够快速、准确完成段、组件级在线故障检测任务。     

风洞群真空泵组集中监测与智能故障诊断系统的设计

真空是风洞群开展试验必备的动力资源;作为风洞群动力保障之一,真空泵组具有数量多、分布分散、结构复杂、集成度高、运行噪声大等特点;为满足真空泵组设备健康管理和维修决策支持的需要,设计并研制了风洞群真空泵组集中监测与智能故障诊断系统;该系统采用PLC隔离通信、数据可视化、设备状态监测及智能预警、基于故障机理和规则推理的专家系统等技术,实现了真空泵组的集中监测和故障智能诊断,解决了风洞动力设备故障预判和提前预警困难、故障定位不易准确、缺乏专家知识库等问题;经实用验证,该系统实现了风洞群真空泵组故障智能预警和故障诊断分析,提高了综合诊断监测效率,值得推广。     

省级电网智能变电站二次设备在线监视与故障诊断系统

为满足电网运行和智能调度对二次设备信息的需求,安徽省调试点建设了省级电网智能变电站二次设备在线监视与故障诊断系统,实现继电保护装置远程巡视与运维、状态监视与预警、缺陷故障诊断及动作行为分析。本文结合系统试点与应用实践,深入分析硬软件架构和功能模块的建设需求和实现思路,并针对系统在逐步推广过程中需要关注的技术问题提出展望。本系统的建设应用,为调度人员快速处理电网故障提供决策依据,对智能变电站二次设备故障消缺和状态检修工作开展提供有效的技术支撑。     

板级自动测试系统在航空电子装备中的应用

航空装备大修厂承修的机载电子装备中,常遇到较早期设计的电路板产品,这类产品相对而言可测性较低,测试方案不明确且产品维修资料较少,若遇到因电路板故障引起装备失效的情况,维修周期较长且故障排除效果不稳定,对维修单位而言在电路板级故障诊断带来很大困难。国内早期板级自动测试系统的研究偏向于专板专用,专业性较强通用性较弱,与实际维修保障应用方面相结合的案例较少,本文针对这一短板,对通用性较强的板级产品自动测试系统及其在航空电子装备中的应用进行了研究,选取故障较高的视频信号处理板为样本,用实例阐述了如何以板级测试系统为平台,确定了板级故障诊断设计方案,设计了测试开发流程,增强了维修行业对板级故障诊断技术的完备性与多样性。     

基于PHM的自动气象站健康评价与故障预判方法研究

针对自动气象站建设和应用规模大、运行监控手段单一、维护保障成本较高的现状，首次将PHM技术理念应用于自动气象站的运维管理之中；采用层次分析法通过构造判断矩阵、专家打分、确定权重从而以“健康值”的形式对自动气象站综合健康状态进行评价；通过对状态信息与历史极值、故障信息进行判断，提出了一种对自动气象站供电和通信故障“两级告警”的预判方法；通过开发软件系统实现了健康评价和故障预判方法的应用，能够较为合理地量化自动气象站健康状态、对疑似故障发出及时告警；该方法丰富了自动气象站运行监控方法，减少了故障的排除诊断与修复时间，同时也为PHM技术在气象探测设备中的应用提供了思路。     

Modern computer-aided maintenance of manufacturing equipment and systems: Review and Perspective

This paper examines various methods in modern computer-aided maintenance including machine monitoring, fault detection and fault diagnostics. A perspective on proactive maintenance by monitoring the degradation of manufacturing equipment and systems is presented and illustrated. If the behavior of manufacturing equipment and systems can be monitored and measured adaptively then an early warning of possible faults can be generated. By doing this, maintenance personnel can perform early diagnostics and part replacement during regular maintenance hours. The paper also addresses the research needs based on the industrial perspective. The author believes that the development of in-process monitoring of machine degradation and faults is one of the most important research tasks for increasing machine uptime and improving production quality.     

机载系统通用故障诊断与预测模型构建研究

通过研究国外先进机载系统故障诊断与预测系统,分析机载系统故障的形成及特性和故障诊断的内容及其难点以及故障诊断过程中不确定性的来源。针对目前机载系统健康管理存在的问题,明确给出了系统健康状态管理的内涵;结合机载系统通用特性,提出了一种通用的机载系统故障诊断与预测模型,并给出了该模型各功能模块的定义。以某型航空发动机系统为例,验证了所提出模型的有效性,为研究机载健康管理系统提供了理论支持。     

Predictive maintenance decision-making for variable faults with non-equivalent costs of fault severities

Predictive Maintenance is crucial for production systems as it helps maintaining the reliability and availability of components/equipment as well as preventing unexpected shutdowns during production. Traditional maintenance strategies mostly focus on the predictive diagnosis of fault types and identical maintenance decisions would be delivered for the equipment with the same fault type. It often results in “over-maintenance” as the variable fault severities may require non-equivalent costs of maintenance resources. To tackle this problem, this paper aims at developing a fault prediction model firstly predicting fault severity and fault type simultaneously and subsequently providing distinguished maintenance strategy for variable faults accordingly, through which the abnormal faults of equipment can be effectively prevented, and machines can be efficiently and economically maintained based on the model suggested decisions. The main works in this study are 1) The fault features based on monitored vibration signals are extracted from multi-domains, and most significant features are selected by L1-Support Vector Machine (L1-SVM) together with variance filtering method; 2) A parallel fault prediction model based on Back propagation Neural Network and Long Short Term Memory Neural Network (BP-LSTM) is proposed, which is used to predict the fault type and fault degree simultaneously; 3) A Deep Q-Network (DQN)-based maintenance decision-making model is established for different fault types with various fault severities.     

一起500千伏变压器多维状态监测与故障诊断

为了提升变压器故障诊断水平并有效实现状态检修,本文针对一起500千伏主变压器内部潜伏性故障案例介绍了利用多种在线监测、离线检测等手段与故障诊断方法快速准确查找出变压器故障原因及位置。它通过采用油色谱检测、变压器振动及声音检测、容性设备在线监测、变压器局部放电检测、带电测试等多维状态监测技术开展变压器状态评价及故障诊断,并帮助实现对主变压器内部故障的准确定位和制定状态检修策略。该主变在通过状态监测及故障诊断后实现隐患故障快速准确定位,并通过紧急处理重新恢复正常运行状态,从而避免一起重大设备事故发生。结果表明,应用变压器油溶解气体色谱分析检测技术,可通过排除法准确地判断变压器故障性质和严重程度,它是早期发现变压器潜伏性故障特别有效的方法。同时,采用基于交叉小波的变压器振动信号特征量提取方法分析评价结果表明,变压器铁芯发生接地故障后其振动信号存在大量50赫兹谐波分量。借助振动及声音检测技术,能够有助于变压器故障诊断及准确定位,提高设备状态检修效率。     

基于大数据平台的水轮发电机组故障诊断系统

水轮发电机组是水电站的关键设备,它的运行状况直接关系到水电站的安全生产。目前对水轮发电机组运行状况的掌握大都通过装设的状态监测系统运行数据的分析比对和计划检修相结合的方式,但往往都是故障已经发生后才能予以发现,不能提前对设备运行工况进行预判。本文详细介绍了一种基于大数据平台的水轮发电机组故障诊断系统,该系统主要由数据处理平台、模型算法平台、可视化展示平台三部分组成,是一种基于大数据平台和互联网技术的典型应用。其主要通过挖掘水电厂现有计算机监控系统、状态监测系统等信息系统的实时及历史数据,再经过一系列关联算法提取这些数据中蕴含的丰富的价值信息来实现对机组的运行状况监视、健康评价、趋势预警、故障诊断、检修指导等。     

基于大数据的变压器油中溶解气体关键状态量动态预警研究

针对传统方法难以解决变压器故障诊断中精确度不高、无法实现故障预警的问题,本文利用大数据分析方法,提出一种变压器油中溶解气体关键状态量动态预警方法.该方法采用了高斯混合聚类模型对设备的正常、亚健康和异常状态进行评价,并利用了隐马尔科夫转移矩阵提取色谱演化过程的动态特征参量,实现了亚健康状态下变压器设备状态的短期预测,实现...