飞机防滑刹车系统的智能故障诊断与重构

针对目前飞机在起飞着陆过程中故障率高的问题,设计一种交叉冗余飞机防滑刹车系统的智能故障诊断与重构系统。该系统基于BP神经网络专家系统,利用专家先验知识、神经网络的数值推理和自学习能力对飞机刹车过程出现的故障进行分析和建模,继而准确推断和定位故障;通过对系统信号流向优先级建立对应加权有向图模型,采用寻找最短路径的算法对系统进行优化重构,从而使飞机刹车系统达到更高的安全水平。研究结果证明:在刹车过程中,给定随机故障后,系统能迅速、准确地判断和定位故障并实时重构系统,达到1次和部分2次故障时能正常工作且保证工作性能的设计目标。     

电机驱动系统电流传感器故障诊断与容错控制

为有效解决电机驱动系统中的常见的电机电流传感器故障诊断与容错控制问题,结合Luenberger状态观测器与修正Bayes分类算法,提出了一种有效的传感器故障诊断与容错控制方法。该方法以一种可调增益矩阵的Luenberger状态观测器模型为基础,实现各种工况下电流值的实时估计。基于残差生成单元和修正的Bayes分类算法对故障传感器进行实时检测与定位,并在传感器故障工况下用观测器估计值代替电流传感器信号实现电机驱动系统的容错控制。仿真结果表明,本文所提算法能快速诊断出故障传感器并具有容错控制功能,可有效提高电机驱动系统可用性。     

基于电缆频率特性及信号脉冲宽度的电缆局部放电在线定位方法

为减小电力电缆局部放电定位过程中噪声及反射脉冲的干扰,实现局放源的在线定位,提出了基于频率特性及信号脉冲宽度的电缆局部放电定位方法。该方法通过模拟局放脉冲信号在电缆中的传播,分析了局部放电脉冲信号在电缆中的传播特性,推导出考虑频率特性的脉宽变化函数关系式,最后结合实测的脉宽与传输距离的拟合曲线,通过迭代计算获取准确的故障位置。利用PSCAD/EMTDC搭建电缆模型,在不同故障距离下的对该方法进行仿真验证,并与小波变换的定位结果进行比较,结果表明其定位误差低于0.6%,说明该方法具有较高的准确性与实用性。     

基于鲸鱼优化算法的自适应共振解调轴承故障诊断方法

针对共振解调方法需要选取包含较多故障信息的共振频带这一特点,提出了一种基于鲸鱼优化算法的自适应共振解调轴承故障诊断方法。首先,使用鲸鱼优化算法,以峭度和包络谱峭度构造的复合峭度作为优化目标,对带通滤波器参数中心频率和带宽进行自适应选择。然后,使用寻优得到的最优中心频率和带宽对轴承故障信号进行滤波分析。最后,对滤波后信号进行包络解调处理,提取出故障特征频率,判断轴承故障类型。通过对仿真信号和轴承内、外圈故障信号的分析诊断,可以证明该方法能够满足共振解调方法中对共振频带选取的要求,完成轴承信号故障频率的提取,是一种有效的轴承故障诊断方法。     

飞机发动机的冲击、漂移故障信号的稀松分离与匹配技术

为了提高飞机发动机的冲击、漂移故障信号诊断的准确性,提出一种基于逐级正交匹配算法飞机发动机冲击、漂移故障信号的稀松分离与匹配方法。根据冲击、漂移故障分量之间的差异,分别构建对应分量的稀松字典,建立飞机发动机运行信号的稀松分离模型,利用逐级正交匹配算法对信号中的冲击、漂移故障信号进行降噪和分离,获得冲击、漂移信号的特征信息,从而实现飞机发动机的冲击、漂移故障信号的稀松分离与匹配。仿真实验结果表明,改进算法能够对飞机发动机的冲击、漂移故障信号进行准确分离,效果令人满意。     

基于相似度的电力电子电路故障诊断技术

采用一种基于S变换相似度的电力电子电路故障诊断方法,首先建立各种故障类型信号的S变换模时频矩阵,然后计算故障信号S变换模时频矩阵与已建立的标准模时频矩阵的相似度,以相似度最大为判别依据,实现故障的诊断.三相桥式可控整流电路晶闸管故障诊断仿真结果表明:该方法能准确对电力电子电路故障进行类型的识别和故障元的定位,对噪声具有鲁棒性,且算法简单.     

基于改进PGSA的配电网故障定位

本文针对故障过流信息的配电网故障定位方法在有畸变信息时会造成错判或误判,导致城市配电网发生故障时无法快速准确定位的问题。首先对PGSA（植物生长算法）进行改进,然后通过建立适当的数学模型,对单电源,中低压配电网双电源进行仿真计算,最终结果证明了该算法在配电网故障定位方面的准确性以及有效性。     

随机存储器的故障诊断

用随机测试的方法进行RAM的故障诊断,给出了故障定位的算法,利用该算法能方便地对可能发生在RAM存储器中的故障进行诊断与定位。     

采用多目标粒子群算法的模拟电路故障诊断研究

提出了一种容差条件下基于多目标粒子群(MOPSO)算法的模拟电路软故障诊断方法.通过灵敏度分析,建立模拟电路故障诊断的约束线性规划方程组,以元件参数变化量与标称值的百分比作为故障判据.针对MOPSO中目标空间增加时种群选择压力影响算法性能的问题,采用阶有效优化准则代替传统的Pareto优化准则,引入最优折中解作为全局最优解,从而提出基于阶有效的平衡全局搜索策略多目标粒子群(ESEO-MOPSO)算法,并将其用于模拟电路故障诊断的约束线性规划方程组的求解中.仿真结果表明,该方法兼顾故障元件的定位和故障元件参数变化量的估计,可以有效地实现模拟电路在容差条件下的软故障定量诊断.     

基于小波变换自适应匹配的高速铁路牵引网故障单端行波定位法

为减少高速铁路牵引网故障行波传播色散特性对行波波头检测和波速测量的影响,提高高速铁路牵引网故障行波定位的准确度,提出了基于小波变换自适应匹配的高速铁路牵引网故障行波定位方法。该法结合小波变换奇异性与相似性算法,对行波信号进行分析,提取小波函数多尺度分解结构重构的高频信号进行故障行波定位。行波波头到达时间由该高频信号经相似性算法分析,获取特征值点位置计算。行波的传播参考速度由模拟实验分析结果所得。现场测试故障行波数据分析表明,该高速铁路牵引网故障行波定位方法能有效提取故障行波特征,并消除行波传播色散特性影响,定位误差<100 m。     

基于粒子群优化的MCKD算法在轴承故障诊断中的应用

针对最大相关峭度解卷积(MCKD)算法在提取轴承故障特征过程中对滤波效果评价的不足,提出以峭度和故障特征频率能量比值组成的复合评价指标来评价故障诊断结果的优劣;MCKD算法中影响故障诊断结果的参数为滤波器结构元素长度L,本文中通过粒子群算法对参数L进行自适应寻优。仿真信号和实测信号表明:采用该方法得到的最优L对信号进行处理,可以提取出故障特征,找到故障频率;对比发现,该方法明显提高了轴承故障诊断的精度和准确度。     

经验模态分解的一种改进算法

针对信号采样频率过低对经验模态分解造成的虚假模态等问题,提出了一种改进的算法,即在进行分解前,对原始信号进行重构,其实质是通过内插的方式来增加采样点数,从而达到增加采样频率的目的.对模拟信号的处理结果表明,该算法消除了分解过程中包络曲线的异常波动,从而抑制了分解结果中多余模态的出现,使得对模态的物理解释更加清晰.在机械信号处理中,应用该算法成功地提取出机械信号中具有明确物理意义的故障模态,从而增加了机械故障诊断的能力.     

基于FrFT滤波和LMS降噪的变转速滚动轴承故障诊断

变速工况下的机械故障诊断逐渐成为旋转机械监控领域的一个热门课题,在变转速下故障更容易发生且伴随更大的噪声,而相应的降噪问题目前却没有可靠的解决方法。因此提出一种基于分数阶傅里叶变换（FrFT）滤波和最小均方算法（LMS）降噪的故障诊断方法,对变转速工况下轴承振动信号进行降噪,进而提取非平稳故障特征。首先,同时获得滚动轴承振动加速度信号和转速信号;然后对Hilbert解调后的振动信号进行峰值搜索FrFT,按照搜索得到的最佳阶次和分数阶域聚集位置进行FrFT滤波;再将FrFT滤波得到的信号作为参考信号,原包络信号作为输入信号,进行LMS自适应降噪;最后对降噪后的信号按照转速重采样进行阶次分析,将包络阶次谱中的突出特征与故障特征阶次对比,判断故障。该方法可成功应用于变转速工况下滚动轴承的试验数据处理,证明了方法的有效性。     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及基于多分辨分析的信号小波的分解算法 ,研究了信号局部奇异性在小波变换下的特性 ;根据故障信号的局部奇异性在小波变换下模的极大值及其在不同尺度上的传播特性 ,对 30 8型滚动轴承振动加速度故障信号进行分解 ,对故障特征信号进行时域定位 ,并提取了故障特征频率f=46 .88Hz,这与实际的故障特征频率相近 ,说明该方法适用于滚动轴承的在线监测和故障诊断     

基于AHP的贝叶斯网络故障诊断方法研究

针对基于专家知识的故障诊断方法依赖经验的局限,提出一种基于层次分析法（AHP）的贝叶斯网络化工过程故障诊断方法。通过基于关联函数的AHP得到所有变量的权值,对22个变量节点的权值进行排序并将该排序作为K2算法的学习输入建立贝叶斯网络模型,同时结合复杂网络分析指标进行化工过程的故障诊断。通过TE过程故障诊断实例证明本文方法不仅避免了K2算法专家知识的主观因素影响,同时能很好地进行故障定位,找到故障源。     

小波包分析在电气化铁道牵引网故障测距中的应用

参考了小波分析的基础上,采用了小波包分析方法对故障实行定位。由于牵引网故障暂态行波中的高频成分多而复杂,小波分析只能对信号的低频部分进行分解,而没有对高频部分进行分解。于是提出将故障信号经过小波包分析,对高频信号进行了进一步的分解。再结合求导算法和相似性算法对故障信号进行分析。通过实测的数据分析可以得出该方法具有更好的优越性,准确的实现了故障定位。     

基于离散粒子群和支持向量机的故障诊断方法

针对与故障不相关的变量会影响分类器性能,从而导致故障诊断正确率下降,提出一种将离散粒子群算法（PSO）与支持向量机（SVM）相结合寻找故障特征变量的优化算法。该算法实现了数据降维和故障特征保留,有效地提高了故障诊断性能。基于连续搅拌釜式反应器（CSTR）的仿真实例验证了该算法古白有诗性．     

基于卷积脉冲神经网络的故障诊断方法研究

深度学习为轴承故障诊断的智能化发展提供了新思路。本文从类脑计算角度出发，设计一种对轴承数据敏感的脉冲神经网络来完成故障数据分类任务。首先采用信号分解的方式提高原始信号特征提取效果，然后对故障信号进行脉冲编码，并采用多分量混合输入方式填充时间步作为神经网络的输入，最后采用卷积脉冲神经网络(SCNN)进行故障分类。为了验证该模型的分类效果，采用西储大学轴承数据集进行验证，分类准确率达到了99.78%。结果表明该轴承数据编码方案可以充分发挥脉冲神经网络时空动力学特征，且该脉冲神经网络模型在轴承故障诊断问题上具有高精度、高效率的特性。本研究有利于促进脉冲神经网络在故障诊断领域的研究和应用。     

基于Lamb波混合成像算法的薄板结构损伤定位

针对传统椭圆法和双曲线法对结构损伤定位不精确的问题,提出了一种基于Lamb波的混合成像算法。该算法将椭圆法和双曲线法相结合,在使用相同数量传感器的条件下提高对信号数据的利用率,从而提高损伤定位的精度。通过有限元仿真对该算法进行验证,即建立一个无损伤模型和多个有损伤模型,模拟压电传感器以双面同相的激励方式获得单一模态的Lamb波,从而获得损伤的反射信号。用混合成像算法和传统椭圆法对仿真模型分别进行损伤定位。成像结果对比表明,混合成像算法对损伤的定位更精确,而且在结构有多处缺陷的情况下能检测到传统椭圆法无法识别出的损伤。     

基于中点电压信号分析的逆变器功率管开路故障诊断研究

利用电流信号作为逆变器故障信息的诊断方法易受到负载、噪声等因素的影响,且诊断周期长、通常需要一定的软件算法、空载或轻载时易出现误诊断。针对该问题,提出对桥臂中点电压信号与脉冲信号进行相关逻辑分析的方法,从而实现逆变器功率管开路故障的诊断,给出了功率管开路故障输出信号的逻辑表达式,以及相关硬件电路设计方法。对逆变器功率管触发脉冲信号的上升沿进行延时,可有效地避免因功率管开通和关断延迟造成的误诊断。实验结果表明该方法能有效地诊断逆变器单相单功率管的开路故障,诊断实时性强,硬件电路开销小,方法有效可行。