飞机发动机故障的多参数预测模型

飞机发动机故障往往表现出一种故障表征出多种特征信号,同一特征信号还可能反映了不同的故障的特点,而传统的基于灰色理论的飞机发动机故障预测由于只考虑表征发动机故障的一个特征参数或单独考虑几个特征参数,使得预测的准确性不能满足实际工程需要。针对某型发动机故障,借鉴灰色预测建模和信息融合的思想,提出了基于多故障特征参数的发动机故障预测模型,使得多个相关特征参数时间序列不仅可以为各自的预测提供相关信息,也可为其他序列预测提供必要的信息,增加了预测的准确性。仿真验证结果表明,该预测模型具有较高的预测准确性,是一个有效的预测模型。     

一种融合粗糙集与灰模的装备故障预测方法

结合粗糙集理论和灰色系统理论对不精确信息处理的优势,文中提出一种融合粗糙集理论与GM(1,1)灰色预测模型的故障预测方法,先运用粗糙集的属性约简算法对故障诊断决策表进行约简,推出最优诊断规则,再利用GM(1,1)灰色预测模型对约简决策表中的各条件属性测试值计算得到其预测值,从而代回约简的诊断决策表进行故障预测,最后在某型机载电台装备中以某一故障为例进行应用验证,结果表明故障预测效率和精度都较高,从而为提高装备的可靠性和维修性提供依据.     

AFSA优化灰色神经网络的某电源组合故障预测

针对电源组合故障预测的需求,提出了一种基于人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)优化灰色神经网络的故障预测方法;文中首先对AFSA算法和灰色神经网络进行了介绍;然后在此基础上提出了基于AFSA优化灰色神经网络的故障预测模型,并给出了AFSA优化灰色神经网络参数的算法步骤;最后对制导雷达波束控制系统中的某电源组合进行了故障预测,预测结果表明该预测方法误差较小,达到了预期效果。     

基于灰色系统理论的航天器故障状态预测方法

灰色系统理论已成功应用于若干领域,灰色预测是灰色系统理论的重要组成部分,研究了基于灰色系统理论的航天器故障状态预测方法;首先分析了航天器故障症状变量、症状变量测量值及其变化过程的灰色表示方法,之后,研究了航天器故障状态灰色预测方法,给出并分析了利用灰色系统理论预测航天器故障状态的部分预测结果;研究表明,基于灰色系统理论的航天器故障状态预测方法是可行的。     

灰预测与时间序列模型在航天器故障预测中的应用

灰预测是灰色系统理论的重要组成部分,已成功应用于若干领域的预测;时间序列分析是定量预测方法之一;研究了利用以灰预测模型为基础,建立的残差灰预测模型和AR时间序列模型对航天器故障状态进行预测的方法;首先分析了灰预测模型以及残差灰色预测模型的建立过程,之后分析了AR时间序列模型的建立过程;然后利用所建立的模型进行航天器故障状态的预测,给出预测结果;研究表明,残差灰预测模型预测误差比基本灰模型降低,在特定的数据特征条件下也要优于AR时间序列模型.     

基于改进灰色预测模型的半球谐振陀螺在线故障检测

针对基于半球谐振陀螺的导航系统故障检测的实时性要求高、数据变化缓慢等特点,提出了一种改进型的灰色预测模型,将移动窗口初值优化的灰色预测模型和最小二乘结合,对该类惯性传感器的故障进行实时在线检测.对处置优化的灰色预测模型的残差信号进行建模,提高了预测的精度,从而实现了利用少量的历史数据对下一时刻数据的准确预测,达到对半球谐振陀螺实时故障检测的目的.详细描述了改进型灰色预测模型的建模方法和步骤,并针对半球谐振陀螺的3种故障形式,与普通灰色预测方法进行了对比仿真研究.结果表明该方法可以准确、有效地进行在线故障检测.     

基于KPCA和灰色模型的凝汽器故障预测

汽轮机凝汽器的故障预测为其故障自愈的研究提供了理论依据.提出一种基于核主元分析和灰色预测模型的汽轮机凝汽器故障预测方法,首次将灰色预测理论应用于凝汽器的故障预测.采用核主元分析法对故障特征数据进行分析和处理,提取反映故障的主要特征量,以降低特征变量之间的非线性相关性,同时减少灰色预测模型的预测参数的数目.然后应用灰色预测理论建立故障特征的预测模型,对每一个主要特征量的趋势值进行预测,重构故障特征向量,用于汽轮机凝汽器故障的预测分析.     

一种改进的GM(1,1)模型在装备故障预测中应用

针对传统GM(1,1)模型预测过程中参数固定导致适应性较差的问题,引入新陈代谢概念,给出了一种改进的新陈代谢GM(1,1)灰色预测模型;并应用于某型机载高度表中进行故障预测;结果表明与传统GM(1,1)预测结果相比,新陈代谢GM(1,1)预测结果与实际测试值间的绝对误差和相对误差均较小,预测精度也较高。     

灰色GM(1,1)模型优化研究进展综述

灰色预测技术是灰色系统理论的重要分支之一。 分别从灰生成技术、边值条件的改进、背景值的改进、模型参数估计方法改进、残差序列的优化、综合优化6个方面对近年来灰色预测模型中的GM(1,1)模型优化研究现状进行了比较全面的介绍,同时也对灰色GM(1,1)预测模型未来的发展方向提出了一些建议。     

基于灰色理论的航空发动机磨损趋势预测

滑油金属含量是航空发动机关键部件出现磨损及裂纹的表征。通过对其进行预测可提前发现相应部件的故障,保证飞行安全。笔者在分析发射光谱原始数据的基础上,将灰色预测模型应用于航空发动机滑油光谱分析技术中,建立了区间灰色模型,进行了误差计算,并对某型航空发动机滑油中5种元素的浓度监控值进行了预测分析。结果表明,运用灰色GM(1,1)模型方法预测某型航空发动机磨损趋势,达到了较高的准确率,且预测结果保持良好的一致性。     

一种云环境下的发动机健康管理系统及其应用

针对航空公司对大量飞机发动机进行健康管理的需求,通过建立发动机健康管理云端数据中心,建立了一种云环境下的民航发动机健康管理系统,该系统对于验证发动机故障诊断方法的有效性具有突出优势,并且对于实现多种方法协同进行发动机故障诊断具有重要价值;提出了一种基于灰色关联分析的灰色故障识别方法,通过在云端平台使用灰色故障识别方法实现JT9D-7R4发动机的典型气路性能故障诊断为例,表明云环境下的发动机健康管理系统可以有效地进行航空发动机故障诊断。     

航空发动机排气温度测量通道故障智能检测方法研究

EGT（Exhaust Gas Temperature,排气温度）测量通道故障是一种典型的航空发动机测量系统故障,如果试验过程中不能及时发现,就存在不能及时排除EGT超温、发动机喘振、发动机异常停车等故障的可能,造成重大安全隐患。通过对EGT测量通道故障现象和数据的分析,提出了一种EGT测量通道故障模糊神经网络检测算法。该算法将高压转速偏差、低压转速偏差和排气温度偏差作为模糊逻辑系统的输入参数,通过模糊推理实现故障检测。高压转速、低压转速和排气温度的估计值通过试飞数据训练的神经网络估计模型获得。理论分析和试飞数据验证结果表明,该方法具备实时检测EGT测量通道故障的能力,且具有良好的稳定性,可以满足工程应用要求。     

鼠笼式异步电机转子故障程度诊断方法

针对异步电机启动阶段转子断条故障检测问题,提出了一种基于同步压缩小波变换SWT的瞬态电流特征分析方法,通过时频分布图来判断转子是否存在故障。在此基础上,通过曲线拟合的方法给出了导条电阻与SWT系数能量谱之间的关系,进一步给出了确定故障预警值和报警值的方法。最后提出了一种判断故障程度的指标。采用Ansoft Maxwell软件建立笼型异步电机故障仿真模型,仿真实验结果表明,该方法能有效地诊断转子不对称故障并评估出故障程度。     

发动机运行状态的主分量灰色诊断模型研究

针对灰色理论在故障诊断领域应用中存在的准确度较差问题,提出了一种主分量空间下的灰色故障诊断模型。该诊断模型的应用首先将高维相关特征参数转化为低维相互独立的特征参数,在此基础上利用灰色理论中的灰色关联方法进行故障模式的诊断。用该方法对某电喷发动机的运行状态进行了识别。实验结果表明,基于主分量分析方法的灰色故障诊断算法可以有效消除特征参数之间的相关性,找出故障描述的最佳特征参数,突出不同参数的重要性,从而提高灰色诊断结果的准确率,可以在实践中发挥有效作用。     

航空发动机FADEC系统软件故障分析

航空发动机的全权限数字电子控制(FADEC)系统具有体积小、重量轻,其控制软件易于编写和修改,并可以实现复杂的控制规律和许多现代控制算法等特点。软件的可靠性是系统可靠性的重要组成部分。本文研究了航空发动机FADEC系统中软件故障问题,并对软件故障问题的分类及其性质进行了研究和分析,为以后的软件可靠性设计做了较好的准备性工作。     

降雨量传感器的故障诊断方法研究

降雨量的测量对气象预报及防汛减灾具有重要作用,因此当降雨量传感器发生故障时需要能快速修复。而目前应用最广泛的翻斗式降雨量传感器其故障类型多样,致使故障诊断难度大。为此,本文提出一种基于故障树理论与灰色关联法的降雨量传感器故障诊断新方法,采用故障树理论及灰色关联分析法建立了专家系统,通过故障知识获取、故障树建立、灰色关联度获取、知识库构建和推理机推理设计,实现了降雨量传感器的故障诊断。试验验证表明,该方法故障诊断快速准确,实现系统自动诊断替代人工检测与排查,准确率可达到90%以上,提高了降雨量传感器的诊断与维修效率。     

一种粗集与灰理论结合算法在柴油机故障诊断系统中的应用

提出一种基于粗糙集描述理论与灰理论的故障诊断属性约简方法,将用粗糙集描述理论算法进行故障诊断条件属性约简的结果,依据灰色关联度算法计算灰关联系数,进一步确定约简集中条件属性间的重要性,求取最佳属性约简集.在柴油机燃油系故障诊断系统,获取了最佳属性约简集,系统运行测试获得好的故障诊断结果.     

Rotor fault diagnosis system based on sGA-based individual neural networks

This paper proposes a robust fault diagnosis system of rotating machine adapting machine learning technology. The kernel of this diagnosis system includes a set of individual neural networks based on structured genetic algorithm (sGAINNs). First, the frequency characteristics from differential signals, including fast Fourier transform (FFT) and full spectrum, are used to feed into the sGAINNs corresponding to assigned faults to emphasize the phenomenon of each fault. Especially, the structured genetic algorithm is applied to get the optimal parameters of the above sGAINNs. In the final step of proposed diagnosis system, the evaluated indexes from sGAINNs are synthesized by a reasoning engine to identify the faults in the rotor system. Finally, six common faults of rotor system, unbalance, bow, misalignment, rub, whirl, and whip, are generated from a rotor kit, produced by Bently Nevada Corporation, to verify the performance of this diagnosis system. The advantage of this diagnosis system is that the optimal sGAINNs parameters can be automatically obtained, the local optimal solutions can be reduced and the diagnosis accuracy can be improved.     

基于EMMD和AR奇异值熵的故障特征提取方法研究

提出了一种基于EMMD(extremum field mean mode decomposition)和AR(auto-regressive)奇异值熵的故障特征提取方法。该方法在对故障信号的EMMD分解基础上,选取有限个固有模态函数(IMF,intrinsic mode function)的AR模型参数向量作为故障的初始特征向量矩阵,对初始特征向量矩阵求取奇异值熵,通过奇异值熵的大小表征故障类型。对转子故障数据的分析结果表明该方法能够有效地应用于非线性和非平稳故障信号的特征提取。     

基于支持向量机的转子系统早期故障诊断方法

转子系统中的振动信号包含了很多状态信息,运行过程中故障特征的有效提取和识别对于转子系统早期故障诊断非常关键。针对转子系统故障信息的复杂性,提出将小波包分析和支持向量机相结合的转子系统早期故障诊断方法。该方法首先利用改进的小波包方法提取早期故障特征;然后将提取的特征向量输入基于支持向量机的分类器进行故障识别。实验分析结果表明,该方法在小样本情况下,能够有效识别转子系统的早期故障,具有很好的分类精度,而且能够实现旋转机械的多故障诊断。