模糊故障Petri网在飞机电源系统故障诊断中研究

针对飞机电源故障诊断专家系统中存在的知识表示复杂、不确定性等问题,采用一种基于模糊故障Petri网模型来进行知识表示,同时提出一种正向推理和反向推理相结合的推理算法,该推理算法先用正向推理从故障原因出发,正向查找故障原因导致的故障现象,然后再针对故障现象进行反向推理查找产生此故障的原因,验证故障诊断的真实度。以飞机电源系统中典型故障现象为例,建立故障诊断模型,采用正反结合推理算法加以应用验证,验证结果表明该算法对飞机电源系统故障诊断准确,可操作性强。     

基于最优方案的民用飞机故障诊断技术研究

各种基于人工智能方法的故障诊断技术在应用中存在一定的局限性,以至采用单一的诊断方法很难满足对复杂飞机系统的故障诊断任务。通过对多种人工智能故障诊断方法的研究比较,认为在民用飞机故障诊断过程中通过采用多方法配合及融合技术可以高效准确的确定故障原因,完成复杂的飞机系统故障诊断任务。     

基于流挖掘算法的飞机液压管路裂纹泄漏故障监测研究

飞机液压管路是飞机液压系统中非常重要的组件，其出现裂纹故障将导致飞机出现严重的安全故障。针对循环压力冲击下的液压管路裂纹泄漏故障诊断，在飞机液压管路动力学分析的基础上，设计了循环压力冲击下裂纹故障检测多模式拓扑结构，通过流挖掘算法提取飞机液压管路裂纹泄漏故障特征来实现故障诊断，在试验台架中真实模拟飞机液压管路裂纹泄漏故障来验证故障监测方法的可靠性。试验结果表明，采用流挖掘算法的故障诊断方法能够快速的监测出飞机液压管路的裂纹泄漏故障。     

动车组轴承轨旁声学故障诊断研究综述

轴承声学故障诊断技术具有对列车无侵入性,传感器安装、维护费用低的优点,在动车组轴承故障诊断中有广阔应用空间。阐述了基于声学信号的轴承故障及轨旁声学故障诊断技术运用中的信号畸变、多声源和噪声强的三大技术难点,从时域分析、频域分析方面总结了轴承故障声学信号降噪、特征分离、特征识别算法的国内外研究和应用进展情况,提出时频分析方法与人工智能技术相结合进行轨旁轴承声学故障诊断、轴承精准寿命预测和健康管理是轴承声学故障诊断研究的发展趋势。     

飞机健康监测与预测系统的发展及展望

作为新一代飞机所采用的先进维护管理系统,健康监测与预测系统是一种全面的故障检测、预测与状态管理系统。阐述了健康监测与预测系统的含义,介绍了健康监测与预测系统的发展过程,对当前飞机健康监测与预测系统的应用状态进行了全面的概述,分析了健康监测与预测系统涉及的主要关键技术,包括先进传感器技术、故障诊断与健康评估技术、故障预测技术、数据融合技术和系统验证与评价技术,并对未来的发展方向进行了展望。     

基于DGA和HMM的小样本变压器故障诊断算法

针对基于油中溶解气体分析(DGA)的变压器故障诊断方法需要大量训练样本,而实际应用中缺乏样本的问题,提出在小样本情况下一种应用基于DGA和隐马尔科夫模型(HMM)的变压器故障诊断算法。该算法利用DGA提取变压器的故障特征,使用HMM作为变压器故障诊断分类器,并对HMM模型的训练算法进行改进,引入比例因子和多观测序列。试验结果表明：使用公开数据集IEC TC 10作为变压器故障数据集,将本算法与常用于小样本情况的SVM、决策树算法相比较,本算法的变压器故障诊断正确率更高。     

油液监测诊断系统的知识发现方法研究

针对实现主动维修的油液监测故障诊断技术中存在的不确定性问题以及知识获取和故障源挖掘的问题,将知识发现方法引入油液监测和故障诊断技术,采用粗糙集和决策树、贝叶斯网络相结合的算法,与联机分析有机结合,构建了基于油液监测的智能维护系统。通过ADO使用Visual C++操作SQL Server数据库构建知识发现与维修决策算法应用于系统的知识发现模型,列举了模型的应用实例并作了相应的分析。     

健康监测技术在机载雷达结构上的应用分析

故障预测与健康管理（Prognostics and Health Management, PHM）技术是一项前沿的复杂工程应用技术,在机载雷达系统上具有迫切的需求和广泛的应用前景。文中首先分析了典型的飞机PHM系统架构;然后,针对机载雷达系统结构特点,提出一种基于故障模式、影响及危害性分析（Failure Mode, Effects & Criticality Analysis, FMECA）的结构健康监测系统构建流程,得到了典型机载雷达系统结构的健康监测系统架构;最后,对PHM技术在某机载雷达大型一维转台上的应用进行了分析,获得了各关键系统的多参量实时数据,为机载雷达系统的结构安全提供早期预警、故障诊断与寿命预测。本研究对结构健康监测技术在机载雷达领域的工程化应用具有指导意义。     

CBR-ANN技术应用于飞机武器故障诊断系统的研究

针对现役飞机军械维护工作中存在故障案例记录和整理不足、故障诊断及排除效率低等现状,提出将人工智能中的基于案例推理技术(CBR)与人工神经网络技术(ANN)相结合应用于飞机武器故障诊断,建立故障诊断系统,该系统的应用和完善有利于提高飞机武器系统作战能力.     

基于CNN特征提取及模型融合的飞机液压系统故障诊断

为了对飞机液压系统进行有效故障诊断,采用CNN对飞机液压系统的压力信号进行特征提取。用提取到的特征输入线性模型、决策树、支持向量机、k邻近等算法对其进行故障诊断,并使用Stacking模型融合技术将多个模型融合。结果表明,相比于直接用CNN训练进行故障诊断,使用CNN提取出的特征进行训练能极大减少训练时间同时提高准确率。     

基于决策树和规则引擎的挖掘机液压故障诊断专家系统

为提高挖掘机液压故障诊断专家系统知识获取的效率和精确度,将数据库技术和数据挖掘的决策树算法运用于专家系统的知识获取过程中,分析了挖掘机液压故障诊断系统中数据库立方体构建方法和利用决策树算法获取知识的关键技术,并且将规则引擎用于专家系统的推理机构建过程中,在这基础上成功地开发了基于规则的挖掘机液压故障诊断专家系统.     

基于 TTF的飞机健康管理地面系统预测技术

为了解决传统飞机的机内自测试和定期维修的不足,应用飞机健康管理技术,通过故障预测,以达到预防性维修目的。研究了基于TTF的飞机健康管理地面系统预测技术,通过建立维护信息（ MMSG ）和故障信息的预测关系,计算从出现维护信息到出现驾驶舱效应（ FDE ）的时间间隔TTF（ Time to FDE）,进行故障预测。设计并实现了飞机健康管理地面系统故障预测系统,并进行了验证。     

轴承故障的全视角特征提取与模式诊断方法

为了提高轴承故障诊断的准确率,提出了一种轴承故障的全视角特征提取方法和专家森林算法的模式诊断方法。在故障特征提取方面,首先从时域、频域、时频域选择参数,以此来作为初始故障特征库,而后使用KPCA提取了基础故障库的全局结构特征,使用t-SNE算法提取了基础故障库的局部结构特征,从而保留了对故障模式相对敏感的全视角特征参数;在故障模式识别方面,为决策树赋予了专家属性和专家权值,得到了专家树的概念,基于专家树思想提出了专家森林算法,解决了随机森林算法无差别对待决策树的问题;最后采用实验的方式,对轴承故障全视角特征提取方法和基于专家森林算法的模式诊断方法进行了验证。研究结果表明：由KPCA+t-SNE结合提取的全视角故障特征优于单独提取的全局结构特征与局部结构特征;随机森林算法的诊断准确率均值为96.14%,专家森林算法的故障诊断准确率均值为99.48%,比随机森林算法提高了3.47%,验证了所提故障诊断方法的优越性。     

关于故障预测与健康管理技术的几点认识

介绍了故障预测与健康管理技术(PHM)基本概念与内涵,回顾了国外飞机发动机、固定翼飞机、直升机、航天飞行器、舰船、车辆和轨道交通等设备PHM技术发展历程及发展现状,分析了我国PHM技术的发展现状及存在的问题,预测了未来发展方向和应用领域。梳理了故障预测与健康管理技术体系架构,介绍了故障模型、状态监测、数据处理、综合诊断、健康管理、维修决策和后勤支援信息系统等关键技术,最后给出了我国发展PHM技术的意见和建议。     

阀门预测性维修技术进展

为了能够较大程度地降低阀门的维修频率及维修成本，提高系统的正常运行时间，有效提高系统运行产值，在阀门预测性维修技术领域提供一定的参考价值，对阀门预测性维修技术中所涉及的故障检测手段（包括振动检测技术、红外检测技术、声发射测量技术和光纤传感技术），故障识别算法及维修策略3个方面的研究进展以及国内在相关技术领域（基于智能定位器、智能电动执行器的故障诊断技术，基于外接设备的阀门故障诊断技术，基于RBI的预测性维修技术）的应用现状进行阐述。基于应用现状以及对未来发展的预测，总结分析了阀门预测性维修在检测设备、故障识别和维修策略3个方面面临的技术挑战及管理挑战，并对今后的发展方向做出展望。     

贝叶斯网络理论及其在设备故障诊断中的应用

在分析机电设备故障诊断技术中广泛存在的不确定性和复杂关联关系的基础上，指出目前的故障诊断方法在处理不确定性和关联性问题时存在的局限性，提出了应用基于概率理论和图论的贝叶斯网络作为设备故障诊断模型具有很好前景的观点。阐述了贝叶斯网络的提出与发展、模型数学描述及研究现状，讨论了贝叶斯网络在故障诊断领域应用的可能方式及其应用情况。指出贝叶斯网络技术在故障诊断领域中的应用将进一步得到推广，提出了将贝叶斯网络广泛应用到故障诊断领域中需要解决的关键技术。     

基于分层多信号流图的飞机空调系统故障诊断

在对飞机空调系统各主要部件进行故障模式影响分析(failure mode and effects analysis,简称FMEA)的基础上,采用分层多信号流图(hierarchy multi-signal flow,简称HMSF)方法对飞机空调系统进行故障诊断与仿真分析,得出了飞机空调系统的故障-测试关联矩阵,并给出系统各部件的故障检测率和故障隔离率。针对系统故障隔离率较低的情况,在尽可能少增检测点的前提下,对飞机空调系统分层多信号流故障模型进行了改进,增加了涡轮等部件共5个检测点,使飞机空调系统的故障检测率从91.4%提高到100%,故障隔离率从32.9%提高到83.9%。研究发现,分层多信号流图方法有助于改善飞机空调系统的故障检测率和故障隔离率,提高系统的故障诊断效率,为飞机空调系统健康管理的设计提供技术基础。     

基于Web Service的履带起重机远程诊断平台架构设计

Web服务技术的广泛发展和应用为复杂的机械系统的远程故障诊断提供了一种新的解决方案。基于Web服务技术提出了一种新型的履带起重机远程故障诊断平台,介绍了平台的架构、主要组成模块,并对系统中的关键模块进行了详细的设计。系统实现了对分布故障数据的集成管理,可以在履带起重机行业中广泛采用。     

基于深度学习的工业装备PHM研究综述

随着物联网和通信技术的快速发展,现代工业装备海量运行数据被实时监测传输,推动装备服役阶段的故障预测与健康管理进入大数据时代。面对具有不确定性强、价值密度低及多源异构特点的装备运行大数据,传统浅层模型算法存在难以自主挖掘数据蕴含特征、对装备健康状态表征能力弱的先天不足。近年来,作为机器学习领域的研究热点,深度学习理论得到了学术界与工业界的广泛关注,相关的工业装备故障预测与健康管理（prognostics and health management, 简称PHM）研究与应用层出不穷,为解决大数据背景下的故障预测与健康管理难题提供了新的思路和技术手段。为此,笔者回顾了工业装备故障预测与健康管理技术发展历程;从异常检测、故障诊断以及故障预测3个方面综述了深度学习已取得的研究成果;讨论了深度学习在当下工业装备故障预测与健康管理中的热点话题;分析了该研究方向在工程实际中面临的挑战,并探讨应对这些挑战的有效措施和未来发展趋势。     

基于小波包能量-决策树的滚动轴承混合故障诊断

常规的信号处理方法通常无法对滚动轴承的混合故障进行有效诊断,因此将小波包能量与决策树算法相结合,用于滚动轴承混合故障诊断。首先,用小波包能量方法对故障信号进行特征提取;然后,提取向量作为训练样本训练决策树故障模型;最后,将测试样本输入到训练好的决策树故障模型,实现故障分类。滚动轴承混合故障试验表明:该方法具有原理简单、准确率高的优点。