基于KPCA冗余检测的故障识别算法

工业过程中，采用传统贡献图方法识别故障时，由于没有考虑传感器发生故障而导致测量数据异常的情况，可能得到错误的辨识结果，对此提出一种故障识别的新思路。访方法通过设置多个传感器监测某一变量的变化情况，建立起测量值与待测变量之间的冗余关系，提出将检测这种关系是否保持作为翔定故障戍因的依据，并利用KPCA方法将原始测量数据映射...     

基于独立源分析的过程监测及故障诊断方法

多元统计过程控制(MSPC)要求观测数据服从正态分布,而实际的工业过程数据大都不满足正态分布条件。独立源分析(ICA)是近几年才发展起来的一种新的统计方法,可以克服对数据分布的依赖。为此以ICA算法为核心,引入一种新型的过程监测及故障诊断方法。应用ICA提取独立源,利用I2图,Ie2图和SPE图进行故障检测,将变量重构图用于诊断故障。以三水箱系统为背景进行的实验研究,验证了该方法的有效性。     

基于T~2统计量的Phase Ⅰ线性轮廓局部变化变点识别方法

研究Phase Ⅰ线性轮廓的局部数据发生变化时的变点识别问题。通过分割轮廓,将各段轮廓特征值视为多元变量,结合T2统计量设计变点识别方法。仿真性能比较研究的结果表明当线性轮廓的斜率或截距出现局部变化时,新方法的变点识别能力优于现有方法。因此本方法是一种有效识别线性轮廓局部变点的Phase Ⅰ分析工具。     

基于重构误差和多块建模策略的kNN故障监测

针对基于k近邻(k-nearest neighbor,kNN)的故障监测算法中，引发故障的异常信息易被正常信息淹没，导致故障检测不及时和报警率低的问题，利用自编码器和多块建模策略提出一种基于重构误差的k NN故障监测方法。该方法利用正常工况数据集训练自编码器模型，基于该模型进行重构误差提取以解决异常信息易被淹没的问题。进一步考虑微小偏移和振荡等故障特征，采用多块建模策略，对各子块分别计算统计量并融合检测。通过一个数值例子与田纳西-伊斯曼(Tennessee-Eastman,TE)过程进行仿真与分析，结果验证了所提方法的有效性与监测性能的提升。     

神经网络主元分析的传感器故障诊断方法

针对多传感器故障诊断问题，将神经网络引入主元分析(principal component analysis, PCA)模型之中，提出一基于主元分析的多传感器故障诊断模型。首先，应用传感器正常工作时测量的历史数据，由PCA模型得到所有传感器的预测值。其次，计算传感器系统的平方预期误差值(squared prediction error, SPE),根据系统的SPE值是否跳变，判定有无故障发生。通过分别重构单个传感器信号的SPE值来确定发生故障的传感器。最后,应用一个多传感器故障诊断仿真实例证明了该方案的可行性。     

基于非线性主元子空间的故障模式识别方法

针对多元统计过程监控中的故障源识别问题,提出一种非线性主元子空间方法识别故障模式.该方法对不同类型的故障数据进行核主元分析,获得描述数据主要变化的非线性主元子空间,以此为基础构造故障模式分类器.考虑到核主元分析的计算复杂性,提出一种基于特征样本的非线性主元子空间算法,使用基于克隆选择原理的免疫算法提取特征样本用于故障模式识别.在Tennessee Easlxnan过程上的仿真结果说明,非线性子空间方法能够比线性子空间方法更有效的识别故障模式.     

航空发动机振动信号分析

针对航空发动机转子振动特性,提出基于累积量改进的独立分量分析盲源分离算法。运用新方法对转子振动信号进行分离,识别转子中的故障类型。通过航空发动机转子振动仿真实验验证了该算法的有效性。结合仿真实验,对比基于二阶累积量和高阶累积量的已有算法,该新方法在性能指数和信号相似系数方面均有提高。应用该算法对发动机转子平台采集的振动信号进行分离,转子故障设置为外环故障。实测振动信号经该算法处理后有更高的辨识性,可以判断出转子振动的故障类型。     

基于核主元分析的非线性动态故障诊断

核主元分析是一种非线性主元分析方法，充分利用核函数来解决非线性映射问题，在高维特征空间中确定主元，具有很好的非线性逼近能力。同时，利用非线性最小二乘法实现核主元分析的变量重构，来识别故障源。将核主元分析应用于连续搅拌釜式反应器系统（CSTR）的故障诊断过程中，仿真结果表明该方法对于故障的检测和故障源的识别都优于线性主元分析法的诊断效果。     

基于KPCA和LDA的信号调制识别

对信号的特征选择与分类问题进行研究,提出了一种基于核主分量分析(kernel principle component analysis, KPCA)和线性判别(linear discriminant analysis, LDA)分类器的信号调制识别算法。针对通信信号的特点,首先利用KPCA的方法对特征参数进行主分量组合,以消除信号特征间的相关性和压缩特征向量的维数,然后利用LDA分类器进行信号调制方式的自动识别。仿真表明,在一个较大的信噪比范围内当特征非线性可分时,KPCA在特征选择方面性能更优,且基于KPCA+LDA的识别方法精度高于主分量分析(principle component analysis, PCA)+模板匹配算法。通过分析还可得出,KPCA+LDA等价于基于核的Fisher判别分析(kernel Fisher discriminant analysis, KFDA)方法。     

基于概率神经网络的故障诊断方法及应用

针对智能大厦空调系统中发生的各种传感器故障问题 ,提出了一种基于概率神经网络 (PNN)的传感器故障诊断改进方法。该方法采用贝叶斯分类决策理论建立系统的数学模型 ,以高斯函数作为激励函数 ,具有非线性处理和抗干扰能力强等特点 ,可获得对空调系统中各种传感器硬故障和软故障的有效识别和诊断。给出了该方法的理论分析 ,故障特征量的选取 ,神经网络设置和训练的具体步骤。通过仿真和空调系统模型试验证明了该方法在网络训练速度 ,抗干扰能力及各种传感器故障识别准确率等方面的有效性。     

基于小波分析的雷达引信故障诊断和预报算法

提出了一种雷达引信故障诊断和预报的新算法。该算法利用时间序列的信息熵构造信息花费函数,以雷达引信的实测数据为基础选取好小波基,利用小波的多尺度分辨分析对雷达引信的漏脉冲进行分析,以互相关和统计算法分别建立了雷达引信正常工作和故障状态下的模型。实验结果表明,该算法能定量地分析雷达引信的工作状态,准确地预报雷达引信的故障程度。     

一类参数不确定非线性系统的故障检测与重构

飞行器在全包络上表现出明显的气动参数不确定性,以某无人机纵向模型为研究对象,提出一种不确定参数在线估计的自适应观测器故障重构方法。首先,将系统状态方程描述为一类带时变参数的仿射非线性结构,在参数增广系统能观性分析基础上,采用增广容积卡尔曼滤波(augmented cubature Kalman filter, ACKF)算法实现气动参数在线估计,以克服鲁棒性死区故障检测方法的保守性,提高检测灵敏度。其次,将所估计参数用于自适应观测器设计,由于Lie导数分析方法保证了对象系统的能观性,故系统不必满足文献方法中的特定规范形式;在此基础上,给出了故障检测自适应阈值和故障参数调节律,并分析了估计误差的收敛性。仿真实验表明了所提方法的有效性。     

可靠性仿真在模糊故障诊断中的应用

针对模糊故障诊断中传统模糊关系矩阵确定方法不能动态适应具体设备运行状态变化等缺点,提出了基于故障树的可靠性仿真方法,用于确定模糊关系矩阵。该方法首先利用元器件的失效分布数据和设备深层原理性知识建立故障树,进行可靠性仿真,然后根据仿真结果和具体设备的历史故障信息动态计算模糊关系矩阵。给出了该方法的具体应用步骤。实际诊断结果表明,该方法可以有效地提高模糊故障诊断的准确性与针对性。     

Wavelet neural network based fault diagnosis in nonlinear analog circuits

1 .INTRODUCTIONWith recent advancement in digital signal process-ing and wireless communication, nonlinear analogintegrated circuits , such as logarithmic amplifierand power amplifier and PLL,are being used ag-gressivelyinindustry . Nevertheless ,fault diagno-sis continues to be the bottleneckin reducing ti me-to-market of these ICs . Since the methods whichwere used to diagnose linear analog circuits oftencan’t direaly be used in nonlinear analog circuitsand building nonlinear model is…     

Super-twisting扩张状态观测器在四旋翼飞行器故障重构中的应用

针对四旋翼飞行器姿态控制系统的故障重构问题,提出一种基于super-twisting算法的扩张状态观测器,以扩张状态的形式对飞行器执行机构故障进行直接估计,同时实现了旋翼增益故障的故障隔离与精确重建。为抑制外部扰动对观测器稳定性的影响,一般需要将观测器的增益设置较大,但同时会引发噪声扩展问题。因此引入了观测器参数的自适应调整算法,在保证观测器稳定收敛的同时降低了噪声对故障重构精度的影响。此外,基于李雅普诺夫方法证明了滑模观测器的渐近收敛特性,并通过数值仿真验证了观测器对故障重构的有效性。仿真结果表明所构建的故障观测器能够迅速地对执行机构故障做出反应，并在外界扰动存在的情况下对故障程度实现准确估计。     

Super-twisting扩张状态观测器在四旋翼飞行器故障重构中的应用

针对四旋翼飞行器姿态控制系统的故障重构问题,提出一种基于super-twisting算法的扩张状态观测器,以扩张状态的形式对飞行器执行机构故障进行直接估计,同时实现了旋翼增益故障的故障隔离与精确重建。为抑制外部扰动对观测器稳定性的影响,一般需要将观测器的增益设置较大,但同时会引发噪声扩展问题。因此引入了观测器参数的自适应调整算法,在保证观测器稳定收敛的同时降低了噪声对故障重构精度的影响。此外,基于李雅普诺夫方法证明了滑模观测器的渐近收敛特性,并通过数值仿真验证了观测器对故障重构的有效性。仿真结果表明所构建的故障观测器能够迅速地对执行机构故障做出反应，并在外界扰动存在的情况下对故障程度实现准确估计。     

信息熵在导航传感器故障诊断中的应用研究

对组合导航系统中占主要地位的惯导系统进行故障诊断研究,给出了一种基于小波包能量熵的神经网络故障诊断方法。利用小波包分析原理对原始故障信号进行3层的小波包分解,并提取小波包能量熵,然后构造信号的小波包特征向量,以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。采用惯导系统中关键性器件陀螺仪进行仿真研究,仿真结果表明此方法可有效地检测故障且提高了精度。     

灰色系统理论在故障诊断决策中的应用

介绍了一种灰色诊断法 .将灰色系统理论中的灰关联分析方法引入到故障诊断模式识别中 ,依据故障树底事件重要度 ,对故障树分析中各种故障模式发生的可能性大小作出了准确的判断 .