航空发动机转子故障诊断系统设计与实现

为准确、高效地诊断航空发动机转子系统故障,采用面向对象的程序设计方法,在VC++开发环境下,设计开发了航空发动机转子故障诊断系统。系统包含四个模块:数据采集模块采用多线程处理技术,配合数据采集设备实现多通道数据同步采集;信号分析和特征提取模块利用封装的改进经验模态分解算法类CEmd进行故障信号处理并从中提取故障特征;模式识别模块基于Lib SVM和GAlib库模板建立了基于支持向量机的故障识别模型。在航空发动机转子模拟实验台上对该系统进行测试,结果表明参数设置适当时,系统对转子典型故障的诊断精度达到了98%。     

基于支持向量机的航空发动机故障诊断研究

研究利用支持向量机对发动机的两类故障——失速和喘振进行识别。介绍了支持向量机理论,选取适当的学习算法、惩罚因子和核函数,建立了支持向量机,并采用4组已知故障模式的数据对其进行训练和测试,之后对另外两组数据进行仿真识别,仿真结果与实际故障模式一致。     

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。     

基于支撑向量机的航空发动机故障诊断研究进展

支撑向量机因其适用于多参数、小样本的非线形问题,是一种极具潜力的航空发动机故障诊断方法。在分析基于支撑向量机的航空发动机故障诊断研究进展的基础上,对若干需要进一步研究的问题,如核函数的参数选择、核函数的选择、多类故障的分类策略以及SVM算法的优化进行探讨。     

RVM在航空发动机故障诊断中的应用研究

针对支持向量机算法存在的不足,研究了一种基于稀疏贝叶斯框架的机器学习方法——相关向量机在航空发动机故障检测中的应用。排气温度是进行发动机监控与故障诊断的重要依据,应用相关向量机对其进行预测。通过仿真实验,证明了相关向量机方法在样本数据较少的情况下只产生了很少的相关向量,并且能够及时准确地预测出发动机排气温度;同时可以使用真实值与预测值的相对误差作为系统是否发生故障的判断依据。     

基于小波包能量熵的航空发动机突发故障诊断

为了提高飞机发动机突发故障的诊断正确率,提出了将混合采样法和SVM相结合的突发故障诊断新方法.首先利用小波包多分辨率分析特性进行故障特征提取;然后采用混合采样法对提取的少数类突发故障样本特征进行优化重构,使少数类突发故障样本数量和其他类样本数量趋于平衡;再利用SVM构造多分类器对正常与多种故障状态进行分类.通过发动机转子试验台所采集的数据,对该故障诊断方法进行了验证研究.结果表明,该方法能有效识别发动机叶片断裂和吸入异物两类突发故障,且算法简单,故障分类识别效果好.     

粗SVM方法及其在发动机故障诊断中的应用

支持向量机是一种具有完备统计学习理论基础和出色学习性能的新型机器学习方法,它能够较好地克服过学习和泛化能力低等缺陷.但是在利用支持向量机的分类算法处理实际问题时,该算法的计算速度较慢、处理问题效率较低.文中介绍了一种新的学习算法粗SVM分类方法,就是将粗糙集和支持向量机相结合,利用粗糙集对支持向量机的训练样本进行预处理,通过属性约简方法以减少属性个数,且在属性约简过程中选出几组合适的属性集组成新的属性集,使模型具有一定的抗信息丢失能力,同时充分利用SCM的良好推广性能,从而缩短样本的训练时间,实现快速故障诊断.对航空发动机故障诊断的实验结果表明了该方法的优越性. 型机器学习方法,它能够较好地克服过学习和泛化能力低等缺陷.但是在利用支持向量机的分类算法处理实际问题时,该算法的计算速度较慢、处理问题效率较低.文中介绍了一种新的学习算法粗SVM分类方法,就是将粗糙集和支持向量机相结合,利用粗糙集对支持向量机的训练样本进行预处理,通过属性约简方法以减少属性个数,且在属性约筒过程中选出几组合适的属性集组成新的属性集,使模型具有一定的抗信息丢失能力,同时充分利用SCM的良好推广性能,从而缩短样本的训练时间,实现快速故障诊 .对航空发动机故障诊断的实验结果表明了该方法的优越性. 型机器学习方法     

一种航空发动机燃油调节系统仿真方法

由于传统建模技术有高成本、高复杂性的缺点,计算机仿真技术随之兴起,正逐渐取代传统建模技术.AMEsim仿真平台由于其完备的模型库,在建模中发挥了越来越重要的作用.论文在AMEsim建立的航空发动机燃油调节系统模型的基础上,人为设置故障,得到系统的故障数据,并在Matlab上对故障数据用主元分析法进行降维,得到特征数据,采取支持向量机法对特征数据进行训练,最后用测试数据验证结果的准确性.实验结果完全分辨出测试数据代表的故障,这验证了支持向量机法用于航空发动机燃油调节系统故障诊断的优越性和可靠性,可用于航空发动机燃油调节系统的故障诊断.     

支持向量机的涡扇发动机试车故障诊断

针对涡扇发动机在试车过程中缺少有效诊断气路故障方法的问题,为某型涡扇发动机建立了基于支持向量机的气路故障诊断系统.支持向量机算法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力.该系统建立了发动机非线性稳态模型,生成包含八种典型气路故障的故障样本库,采用支持向量机对故障特征和故障模式进行关联,并用训练好的向量机网络对故障分类.利用该型涡扇发动机试车数据对该系统进行的验证,诊断正确率在80%以上.研究表明该方法能基本满足该涡扇发动机地面试车故障诊断的要求,具有较好的工程应用前景.     

航空发动机故障诊断多Agent模型

介绍了人工智能领域的多Agent技术的主要概念,提出了结合传统故障诊断方法基于多Agent技术的航空发动机故障诊断的模型,并对模型的各个主要模块功能作出了详细的介绍和分析。     

基于LabVIEW的航空发动机气路故障分析系统设计

针对在航空发动机气路中带电粒子的电荷信号微弱,传感器工作环境恶劣的条件下,监测航空发动机气路故障的问题,设计了一种能适应高温、高噪声等恶劣工作环境并对电荷信号灵敏监测模型,使用LabVIEW软件建立了航空发动机气路不同工况中静电信号的子V1,对信号进行采集和分析.通过对航空发动机多种工况的模拟和试验,建立了航空发动机气路故障分析系统.结果表明:该监测模型分辨率高、信噪比高、稳定性好,可稳定地监测航空发动机的多种工况,为航空发动机气路故障诊断提供可靠的依据.     

基于OWPB和LS-SVM的电路板故障诊断系统

针对雷达电路板检修困难的问题,提出了基于最优小波包基和最小二乘支持向量机相结合的雷达电路板故障诊断方法。利用小波变换对采样数据进行去噪处理,通过小波包分解选择最优小波包基提取熵值作为故障特征向量,并作为基于最小二乘支持向量机的雷达故障诊断模型的输入向量,经诊断模型输出后,完成雷达电路板故障诊断。基于此方法设计了雷达电路板故障诊断系统,提高了雷达故障诊断的正确性和效率。     

基于物联网的分布式电动机故障诊断与保护系统研究

针对传统的电动机保护装置无法实现早期故障诊断、不具备联网功能的问题,提出了一种基于物联网和支持向量机算法的分布式电动机故障诊断与保护系统的设计方案。该系统的下位机利用对称分量法将采集到的电动机定子电流进行分解,根据电流分量值判断故障类型来实现电动机的现场保护,并将定子电流数据通过ZigBee技术发送至嵌入式网关,通过GPRS网络实时上传给上位机;上位机通过小波包分解提取故障特征向量,采用支持向量机对电动机故障进行分类,实现故障早期诊断和预测。实际运行结果表明,该系统能准确诊断电动机故障并实施有效的综合保护。     

基于粒子群算法优化支持向量机汽车故障诊断研究

汽车故障检测和诊断技术一直是国内外研究热点问题。支持向量机用于汽车故障诊断时,其多分类组合决策对分类正确率及诊断时间有很大影响,为了有效提高汽车系统故障诊断的效率和精度,提出了一种基于粒子群算法优化层次支持向量机汽车故障诊断检测方法。针对分解支持向量机具有测试时间短、结构难以确定的特点,利用粒子群算法,依据最大间隔距离原则优化层次支持向量机模型,使每个节点的支持向量机具有最大分类间隔,减少了误差积累,从而优化了多级二叉树结构的SVM,实现故障的分级诊断。仿真实验结果表明,提出的算法在所有参比模型中精度最高,能高效地对汽车系统的故障进行检测与定位,具有较强的泛化能力,同时缩短了故障诊断时间。     

基于支持向量机的旋转机械故障诊断

为了解决旋转机械故障的在线诊断识别问题，用小波包从旋转机械的震动信号中提取特征向量，给出了一种基于支持向量机的故障诊断分类方法。该方法通过有限的学习样本，建立旋转机械故障特征与其运行状态之间的关系。利用获得的矿井提升机减速箱齿轮数据建立了多级故障分类器，通过对样本的分类输出检验，验证了该故障诊断方法的可行性。     

基于ICA和SVM的滚动轴承故障诊断方法研究

通过对滚动轴承振动信号的分析处理,提出了基于独立分量分析和支持向量机的故障诊断方法,采用FastICA算法对信号进行分析处理,提取出代表轴承运行状态的投影系数矩阵,并以此作为特征向量来建立支持向量机分类器,利用SVM网络的智能性来判断滚动轴承的工作状态和故障类型。     

一种滚动轴承故障诊断方法

针对基于支持向量机的滚动轴承故障诊断方法中支持向量机的参数优化问题,提出一种改进的果蝇优化算法,即以模式分类准确率作为果蝇味道浓度函数,并采用该算法来优化支持向量机模型的惩罚因子和核函数参数;基于改进果蝇优化算法和支持向量机对滚动轴承的故障模式进行分类诊断,结果表明改进的果蝇优化算法具有较高的收敛速度和寻优效率,基于该算法和支持向量机的滚动轴承故障诊断方法具有较高的分类准确率。     

基于MFE-GASVM的机载燃油泵故障诊断

机载燃油泵的健康状态是保障飞行任务完成的先决条件,实现机载燃油泵故障诊断的关键是敏感故障特征的提取。由于机械系统的复杂性,机载燃油泵振动信号的随机性表现在不同尺度上,因此需要对振动信号进行多尺度分析。基于此,在模糊熵的基础上引入尺度因子,对振动信号在不同尺度下进行复杂性度量。然后将多尺度模糊熵特征量作为支持向量机的输入参数以识别故障状态,并采用遗传算法对支持向量机的核函数参数及惩罚参数进行优化。实验结果分析表明,该方法可有效提取故障特征,实现机载燃油泵的故障诊断。     

采煤机液压故障诊断系统设计

为了及时、有效地对采煤机液压故障诊断提供支持,采用本体技术对液压系统故障知识建模,结合模糊推理设计采煤机液压故障诊断系统,通过故障案例验证系统诊断的准确性,对采煤机液压故障诊断技术有着一定的参考、促进作用。