航空装备连接型间歇故障诱发机理分析

航空装备连接型间歇故障是导致航空装备电子系统无故障发现和重测合格问题的主要原因之一。针对该问题，对航空装备连接型间歇故障的内涵和发生过程开展分析，指出间歇故障的发生是装备内部损伤和外部环境应力共同作用所致；然后选取航空装备电连接中的3种常见器件（电连接器、线缆、焊点）为研究对象，从内部损伤机理角度阐述了导致三者间歇故障发生的内部诱因，指出间歇故障发生的根本原因是电连接器件中存在一定的缺陷或损伤；重点分析了振动、温度、腐蚀等外部环境应力与间歇故障发生之间的关联关系，指出间歇故障的出现需要外部环境应力的激发，外部即时环境构成了航空连接型间歇故障的外部诱因。研究结果对减少航空装备在恶劣复杂环境下的无故障发现问题的出现具有参考意义。     

航空发动机故障特征仿真研究

航空发动机作为飞机的核心,决定着飞机的性能和安全。发动机一旦出现故障,很可能导致非常严重的航空事故,造成巨大的人员伤亡和经济损失。根据航空发动机故障机理,通过建立航空发动机部件模型对常见的气路故障进行分析与仿真,并根据振动-征兆关系矩阵对振动故障进行仿真,获得了两类故障的特征。目的是为保证航空发动机的安全运行,发动机故障诊断和预测提供依据。     

基于马氏距离的航空装备故障预测研究

故障状态类型的判别是航空装备故障预测系统的核心环节,它直接影响到故障预测的准确性;针对航空装备的故障状态类型判别问题,提出一种基于马氏距离的故障预测方法;首先介绍了马氏距离,其次建立了状态数据库矩阵及状态判别模型,并给出了基于马氏距离的故障预测流程;最后将该方法用于某型飞机火控系统的故障预测中,使得在线和离线的平均故障预测准确度分别达到98.48%和97.77%,表明马氏距离在航空装备的故障预测中有较好的应用和推广价值。     

基于改进Apriori算法的地面空调间歇故障预测

针对机坪地面空调间歇故障引起的使用效能低、维修滞后等问题,提出了二次关联累加数组（AS）-Apriori与聚类K-means相结合的间歇故障预测方法,并基于此实现了延误维修预测。其中：AS-Apriori算法解决了Apriori频繁扫描事务库的低效问题,通过实时构造间歇故障数组并对其对应项累加求和;延误维修预测是为了估计出永久故障临界区以安排合理维修,可采用正态分布求出不同间歇故障变量的维修波及延误概率并进行依次累加而实现。验证表明,AS-Apriori提高了运行效率,且二次关联规则支持度提升了20.656个百分点,能更准确预测间歇故障,同时参照数据分析,预测的维修波及延误累加概率呈线性分布,即可预测性高的间歇故障更便于预先维护管理,减少永久故障的形成。     

基于加速性能退化试验的IGBT故障预测前端设计

故障预测与健康管理(PHM)技术能够实现故障监测、诊断、预测、状态评估及综合决策的功能,能够降低飞行器维修、使用和保障费用,提高飞行器战备完好率、任务成功率以及安全性和可用性。针对航空电子单元故障预测具体实现这一问题,选择航空飞行器中常用的IGBT作为试验对象,采用加速性能退化技术,基于PXI的测控平台,研究IGBT故障预测试验加速性能退化试验技术,分析性能退化曲线,为IGBT加速寿命试验的实现奠定基础。     

基于自适应滑模观测器的航空电连接器间歇性失效检测

针对航空电连接器系统建立数学模型,提出基于自适应滑模观测器的故障重构方法实现间歇性失效检测.针对乘性故障上界未知的情况,设计自适应律在线修正滑模观测器增益.采用Lyapunov函数作为稳定观测器的判别条件,保证跟踪状态的收敛性.引入线性变换矩阵进一步求取实现滑模运动的滑模观测器增益常数项,并验证滑模运动将在有限时间内发生.应用等价输出误差介入原理获取故障信息,实现乘性故障的检测和重构.对重构出的特征参数进行分析可以判断电连接器是否发生失效.用SIMULINK进行仿真,结果验证该方法有效.     

基于信息源特征的航空部附件故障预测研究

针对舰载机多机种一体化自主保障中机载设备的维修保障需求,提出了基于信息源特征分析的航空关键部附件故障预测方法;首先,从信息源数据特征、研究对象判定、用于预测的可用信息及不确定性4个角度对信息源特征的复杂性进行了分析;其次,根据航空部附件故障频率和平均停机维修时间采用四象限图实现航空关键部附件的判定;最后,基于信息源不同可用信息选择不同的故障预测方法,并介绍了智能融合的神经网络算法和能够消除不确定性的非线性滤波方法,提高了航空部附件故障预测方法的通用性和准确性。     

基于电力设备故障预测与诊断控制的研究

电力设备在线故障检测与诊断是建立在对电力设备运行状态各部件劣化规律认识的基础上,根据得到的能够表征其变化规律的特征参量进行的在线故障预测与诊断控制技术,就是能够更好地提高设备运行可靠性和安全性,对电力设备寿命评估提供依据.     

基于随机森林和时间卷积网络的航空发动机故障预测

航空发动机作为一种极其精密的设备,其内部传感器的运行状态决定了发动机能否稳定运行。因此,利用传感器的运行数据进行故障预测是维护发动机健康运行的关键。针对现阶段发动机故障预测精确度低的问题,提出了一种基于随机森林和时间卷积网络的混合模型。该模型利用随机森林算法进行重要性特征提取,然后添加滚动平均值和滚动标准差以增强数据特征,最后整合数据特征输入至时间卷积网络进行故障预测。采用C-MAPSS数据集进行验证,结果表明,该模型的故障预测性能相比于其他机器学习模型有较大幅度的提升。     

基于LVQ网络的航空发动机气路故障特征提取方法研究

针对航空发动机预测与健康管理系统对其状态判断和故障诊断的需求,结合LVQ网络具有处理分类问题时能够识别信息内含有的重要聚类特征信息的优点,提出了基于LVQ神经网络的航空发动机故障特征提取方法。分析研究了LVQ神经网络的结构和学习算法,以及某型航空发动机的测量参数、数据预处理和故障样本选取方法。并以其设计点为例进行了系统仿真。通过与BP网络的分类器对比试验,表明了该算法的可行性和有效性。     

装备无故障发现与间歇故障诊断技术

无故障发现是装备单元在某维修级别被认为故障而拆卸,却在下一维修级别测试没有发现故障的现象,日益成为装备测试与保障领域的突出问题。间歇故障是无故障发现的主要原因,也是故障检测诊断领域面临的棘手问题。介绍了无故障发现和间歇故障的基本概念,总结分析了无故障发现和间歇故障的产生诱因、分类及对装备的影响,概述了无故障发现、间歇故障检测与诊断技术的国内外研究现状,指出了间歇故障确定性检测的发展趋势,深入分析了间歇故障诊断领域的关键技术与发展方向。     

计算机软件故障的快速修复

电脑操作中80％以上的问题是软件引起的,计算机故障尽管五花八门、千奇百怪,但由于计算机是由一种逻辑部件构成的电子装置,所以软件故障诊断的基本原则,软件故障诊断的方法,计算机软件故障的检修流程,计算机软件故障快速修复的常用方法是有规律可循,可以梳理总结出来。掌握这些规律,计算机软件故障修复可快速解决。     

基于故障矩阵的贝叶斯故障定位方法

故障的准确诊断和定位是云计算系统提供持续服务的前提条件;为了提高系统故障诊断和定位的性能,文章提出了一种基于故障矩阵的贝叶斯故障定位方法;首先,对云计算系统的软件结构进行了抽象,对事物进行了定义,并描述了事务的执行路径;其次,将系统运行的多个执行路径表示为故障矩阵,并给出了组件健康状态的逻辑命题表达式;最后,应用贝叶斯概率分析了系统故障的概率;实验表明,文章提出的方法与其它相关方法相比,故障识别的准确性更高,所用的执行时间更短.     

基于故障图模型的故障诊断方法研究

在复杂系统故障诊断中，为了解决故障树模型过于简单和现有故障图模型过于复杂而且分解简化比较困难的问题，在故障树模型的基础上进行拓展，提出了具有扇入节点和层次节点的有向无圈的故障图模型，阐述了基于该模型的故障诊断和故障影响预测原理，并且给出了基于该模型的一系列相关预处理方法及算法．它们包括：生成子树库和生成可探测节点路径库的预处理方法、故障诊断推理算法和故障影响预测算法等．     

TBFL和SAFL方法熵分析

为TBFL(testing-based fault localization)方法和SAFL(similarity-aware fault localization)方法构造了熵模型,并用该模型对Dicing方法、TARANTULA方法、SAFL方法在一个实例上进行分析比较。结果表明,熵模型可以为构造以及分析TBFL方法和SAFL方法提供一个原则性框架。     

Bayesian Fault Probability Estimation: Application in Wind Turbine Drivetrain Sensor Fault Detection

In this paper, the extension of the Bayesian framework for sensor fault detection of nonlinear systems proposed in [25] is studied utilizing particle filtering and the expectation maximization (EM) algorithm, in which the fault probability is calculated. The proposed algorithm is implemented on a wind turbine benchmark model to detect drivetrain sensor faults, which are one of the most addressed and likely faults in offshore wind turbines. The fault probability estimation effectively eliminates the need for installing identical redundant sensors. Indeed, because of the use of the unknown wind speed estimator, the residual signal, constructed based on the drivetrain estimated states, is not able to clearly signify the fault periods, a situation in which the fault probability accurately does this task. Also, using the proposed algorithm, the fault size for each sensor is estimated via a one‐step calculation, which decreases the complexity of this algorithm. The fault identification is performed using the recursive least square method and two other modifications, including exponentially weighted and windowed estimates. Additionally, in the fault accommodation step, the concept of a virtual sensor is used to remove the need for reconfiguring the current controller, which reduces complexity and expense. In the simulation section, using a real measured wind speed for two different fault scenarios, the proposed algorithm is evaluated and finally, conclusions are stated.     

Web服务故障的分类方法①

Web服务故障分类是实现故障诊断的基础。在分析了Web服务的故障管理流程的基础上,提出了Web服务类型和执行过程相结合的Web服务故障分类方法,构建了Web服务故障树,根据故障及其外部表现间的对应关系构造了Web服务故障矩阵,通过分析和验证说明Web服务分类方法能够有效支持快速、准确的Web服务故障诊断。     

Efficient RT-Level Fault Diagnosis

Increasing IC densities necessitate diagnosis methodologies with enhanced defect locating capabilities. Yet the computational effort expended in extracting diagnostic information and the stringent storage requirements constitute major concerns due to the tremendous number of faults in typical ICs. In this paper, we propose an RT-level diagnosis methodology capable of responding to these challenges. In the proposed scheme, diagnostic information is computed on a grouped fault effect basis, enhancing both the storage and the computational aspects. The fault effect grouping criteria are identified based on a module structure analysis, improving the propagation ability of the diagnostic information through RT modules. Experimental results show that the proposed methodology provides superior speed-ups and significant diagnostic information compression at no sacrifice in diagnostic resolution, compared to the existing gate-level diagnosis approaches.     

ATS故障树法故障诊断功能的实现

当缺乏故障诊断先验知识时,故障树法是工程上易于实现的一种有效的故障诊断方法.通过分析、归纳测试项目与SRU的关联关系,得出了故障树模型中故障诊断知识的表达方式.以Access数据库为基础,提出了故障树的结构、数据组织形式及故障诊断的推理方法,并设计了适用于自动测试系统的故障诊断系统.该方法具有故障诊断推理过程表达明确、树模型易于建立等优点,已应用到两型机载电子设备的故障诊断中,故障隔离率和虚警率都达到了设计要求.     

关于链路故障的分布式故障诊断

一、引言 在分布式系统中,故障诊断应包括故障结点机的诊断和故障链路的诊断,故障链路的诊断在分布式系统级故障诊断中占有重要地位,它不仅是分布式乐统级故障诊断的目标,而且也是分布式系统级故障诊断的前提,因为一个系统的链路发生故障,则将会对故障结点机的诊断带来困难。在现有的诊断算法中,并不是所有的诊断算法都考虑了链路故障。 在分布式系统中,虽然任两个结点机之间都能进行通讯,也即都能进行互测,因而实际分布式系统的测试图的拓扑结构可以是任意结构的,但我们一般只在实际分布式系统的拓扑结构是分布式的或多总线的情形下才考虑链路故障。因为在单总线系统中,链路故障的出现将是致命的,会使整个系统的故障诊断成为不可能,因此一般不考虑链路故障。