基于广义回归神经网络的传感器故障诊断研究

针对诊断传感器偏置故障与漂移故障的难点问题,提出了一种基于广义回归神经网络(GRNN)的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息,建立一组多输入单输出GRNN观测器,通过将观测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现控制系统传感器故障在线诊断。仿真结果表明:该方法可以快速准确地检测和分离传感器故障,辨识传感器故障类型、故障大小以及故障发生的时间。     

可远程支持的航空活塞发动机故障诊断专家系统研究

通用航空存在布局分散、企业机队小及维修技术力量薄弱等特点.使通用航空飞机排故困难;为解决这种情况,对基于故障树和神经网络的航空活塞发动机故障诊断技术进行了研究,构建了基于故障树和神经网络结合,辅以远程专家视频会诊的航空活塞发动机故障诊断专家系统,并给出了故障知识库的构建和管理方法,三种故障诊断模型的推理机制和融合方法;利用收集的航空活塞发动机故障数据对神经网络故障诊断方法进行了验证.有效地诊断出航空活塞发动机的故障.     

基于深度学习的航空传感器故障诊断方法

为解决传统神经网络进行传感器故障诊断时存在的过拟合、泛化能力有限等问题,提出一种基于深度置信网络观测器的航空传感器故障诊断方法。利用深度置信网络替代浅层神经网络,在优化网络结构的基础上,给出深度置信网络隐层节点数选取的递推公式,构建深度置信网络状态观测器。离线训练时,利用飞行数据训练深度置信网络观测器。在线诊断时,通过比较观测器输出值与实际输出值判断故障类型,并给出3种故障隔离与信号重构方法。仿真结果表明,与BP神经网络观测器相比,该方法能够快速准确地进行故障诊断与隔离,并且完成信号重构。     

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。     

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。     

基于极限学习机的航空发动机传感器故障诊断

针对当前应用于航空发动机传感器故障诊断中的基于梯度的传统学习算法多存在参数选择困难、容易陷入局部最小化、过拟合等问题,提出了基于极限学习机(ELM)的航空发动机传感器故障诊断方法。算法只需设置隐含层神经元的个数,能够较好地避免上述问题,缩短故障诊断时间、提升诊断精度。通过仿真试验表明:基于ELM算法所建的航空发动机传感器故障诊断模型要比基于BP神经网络算法所建的模型耗时短且精度高。     

航空发动机双冗余架构传感器信息通道故障诊断方法研究

传感器数据的高可靠性是航空发动机控制系统可靠工作的基础,故障诊断就十分重要;基于传感器双冗余结构,综合利用神经网络预测和传感器冗余性信息变化判断进行故障诊断是一种新的故障诊断新方法;该方法先用RBF神经网络对传感器输出进行预测,若预测值与输出值发生较大的偏差,进一步考察传感器之间的冗余性信息变化情况来判断传感器是否发生故障,若发生故障,进行故障定位,进而采用对应的诊断策略;仿真实验结果表明该方法能够有效地解决双冗余架构传感器信息通道的故障诊断问题。     

航空发动机传感器故障诊断

研究航空发动机传感器故障诊断问题,由于发动机传感器故障样本有限、小样本、非线性变化特点,传统大样本传统故障方法故障诊断准确率低。为提高传感器故障诊断准确率,提出一种混沌粒子群算法(CPSO)和最小二乘支持向量机(LSS-VM)相结合的传感器故障诊断算法(CPSO-LSSVM)。首先将发动机传感器信号输入到LSSVM进行学习,并采用CPSO进行优化,找到最优LSSVM参数,从而建立传感器故障诊断模型,最后采用已建立模型对传感器故障进行仿真测试。仿真结果表明,CPSO-LSSVM提高了航空发动机传感器故障诊断的准确率,能准确地对空发动机传感器故障进行诊断,提供民飞行安全性能保障。     

基于最优FADEC系统故障诊断方法

研究航空发动机控制系统传感器与执行机构故障的统一优化检测问题,Luenberger观测器结构简单、计算量小、设计简单,特别适合对变化缓慢的参数(如发动机控制系统软故障)进行估计.提出建立动态特性已知而初始条件未知的航空发动机控制系统典型故障模型,通过对故障状态和系统状态进行分离,并设计降维Luenberger观测器,得到满足故障估计误差和控制能量综合最优的故障诊断器,实时输出故障最优估计值,实现对传感器和执行机构故障的检测.经仿真验证,改进方法具有收敛快、检测准确度高的特点,满足实时性要求.     

航空发动机整机振动故障智能诊断技术研究

针对BP神经网络和支持向量机对整机振动故障诊断时的低效问题,提出了一种基于多类协同训练的航空发动机整机振动故障诊断方法.引入逻辑回归算法构建初始故障分类器,设计了一种新的属性划分算法来迭代优化故障分类器,基于优化后的故障分类器进行故障类别预测,并使用多数投票机制进行故障仿真识别.实验采用某航空发动机整机振动数据作为样本数据集,并从中选择80％的数据用于训练,20％的数据用于测试,同时验证了在噪声信号的干扰下该方法对故障数据的诊断准确性.结果表明,该方法可有效降低噪声信号对故障诊断结果的影响,且诊断准确性高,具有重要的工程实用价值.     

Sensor fault diagnosis for a class of time delay uncertain nonlinear systems using neural network

In this paper, a sliding mode observer scheme of sensor fault diagnosis is proposed for a class of time delay nonlinear systems with input uncertainty based on neural network. The sensor fault and the system input uncertainty are assumed to be unknown but bounded. The radial basis function (RBF) neural network is used to approximate the sensor fault. Based on the output of the RBF neural network, the sliding mode observer is presented. Using the Lyapunov method, a criterion for stability is given in terms of matrix inequality. Finally, an example is given for illustrating the availability of the fault diagnosis based on the proposed sliding mode observer.     

A robust fault diagnosis and accommodation scheme for robot manipulators

This paper investigates an algorithm for robust fault diagnosis (FD) in uncertain robotic systems by using a neural sliding mode (NSM) based observer strategy. A step by step design procedure will be discussed to determine the accuracy of fault estimation. First, an uncertainty observer is designed to estimate the uncertainties based on a first neural network (NN1). Then, based on the estimated uncertainties, a fault diagnosis scheme will be designed by using a NSM observer which consists of both a second neural network (NN2) and a second order sliding mode (SOSM), connected serially. This type of observer scheme can reduce the chattering of sliding mode (SM) and guarantee finite time convergence of the neural network (NN). The obtained fault estimations are used for fault isolation as well as fault accommodation to self-correct the failure systems. The computer simulation results for a PUMA560 robot are shown to verify the effectiveness of the proposed strategy.     

神经网络和卡尔曼滤波融合的航空发动机传感器故障诊断

为提高航空发动机传感器故障诊断的准确率和可靠性,使用改良的D-S证据理论,对基于神经网络和卡尔曼滤波的2个诊断子系统的诊断结果进行决策融合;仿真结果显示,在发动机稳定状态下,经过融合,整个系统降低了误诊率,改善了诊断性能;文章还针对加强噪声强度的情况下,通过调整2个子系统的权重,在保证准确率的同时提高了系统的抗噪声性能;研究表明D-S理论可以比单独应用单一诊断算法的子系统更具好的诊断效能。     

一种基于滑模—神经网络观测器的故障检测和诊断方法

本文针对一类非线性系统，提出了一种用于故障检测和诊断的滑模观测器方法．其 中，观测器中的滑模项保证了该系统在无故障情况时的鲁棒性，并且系统运行的滑动区域提供了故障检测的条件．当检测出故障之后，观测器中的故障估计部分被启动，利用RBF神经网络估计故障，从而能在线辨识故障的形态．仿真结果验证了该方法的有效性．     

基于自适应观测器的四旋翼无人飞行器传感器故障诊断方法

针对四旋翼无人飞行器传感器故障诊断问题,提出一种用于四旋翼无人飞行器加速度计和陀螺仪故障同时发生的故障检测与隔离以及故障偏差值估计的非线性诊断方法.首先,在建立飞行器动力学模型和传感器模型的基础上,构建四旋翼无人飞行器传感器故障检测与诊断系统.其次,利用故障观测器完成传感器故障的检测与隔离,基于Laypunov方法设计非线性自适应观测器对未知故障偏差值进行估计.最后,在传感器测量噪声存在的情况下,证明自适应律的稳定性和参数收敛性.实验结果表明,该方法能有效进行传感器的故障检测与隔离,实现对传感器故障偏差的估计与跟踪.     

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。     

基于小波包和RBF神经网络的瓦斯传感器故障诊断

针对瓦斯传感器故障诊断速度慢、诊断精度不高的问题,以常见的冲击型、漂移型、偏置型和周期型传感器输出故障为研究对象,提出了一种基于减聚类( SCM)与粒子群( PSO)算法优化的RBF神经网络进行模式分类与辨识的瓦斯传感器故障诊断方法。首先,利用三层小波包分解得到各个节点的分解系数,采用一定的削减算法使故障的瞬态信号特征得到加强,获取最优的特征能量谱。再利用SCM￣PSO算法优化RBF神经网络,使粒子的搜索速度更快,更有利于发现全局最优解。最后通过实验对比分析,该方法具有训练速度快、分类精度高的特点,辨识正确率在95％以上,能够显著提高故障诊断的速度和准确性。     

基于小波神经网络的空调系统传感器故障诊断

详细阐述了小波神经网络(WNN)的原理、结构,并对传统的BP算法进行了改进。以空调系统传感器故障检测问题为目标,提出了基于WNN的故障诊断方法。通过采集天津博物馆中的传感器数据,对训练好的WNN进行了传感器故障诊断能力的验证,对温度传感器的1℃偏差故障、0.05℃/s速率漂移故障、完全故障、与不同方差下的精度等级下降故障进行了仿真,结果表明:这种方法对传感器故障具有很好的诊断效果。     

基于自适应观测器的四旋翼无人飞行器多传感器故障诊断方法

为了实现对四旋翼无人飞行器多传感器故障检测与诊断,提出一种基于自适应观测器的多传感器故障诊断方法。首先,在建立飞行器动力学模型和传感器模型的基础上,将传感器故障视为虚拟执行器故障,构建四旋翼无人飞行器多传感器故障检测与诊断系统;其次,设计非线性观测器实现多故障检测和与隔离,基于Laypunov方法设计非线性自适应观测器实现对多故障偏差值的估计;最后,在传感器测量噪声存在的情况下,证明自适应律的稳定性和参数收敛性。实验结果表明,该方法能有效进行多传感器的故障检测与隔离,实现对多传感器故障偏差的同时估计与跟踪。