基于动态线性模型的民航发动机性能状态监控与在翼寿命预测

以民航发动机为对象,提出了一种基于动态线性模型的性能状态监控与在翼寿命预测方法.利用动态线性模型来描述性能参数偏差值序列,借助贝叶斯因子法来监测参数序列的异常.算例分析表明,该方法可操作性强,借助统计方法能够在故障发生的早期及时预警;动态线性模型同时用来描述发动机的性能退化过程,能够考虑维修、水洗以及故障等使用因素对性能退化的影响,实例证明该方法更加符合航空公司实际运营情况,能够更加合理地预测下发时间.     

基于强化学习的战时保障力量调度策略研究

智能化后装保障调度是当前军事领域的研究热点之一,其中复杂多变的战场环境要求战时保障具有良好的自适应性。针对此问题,提出了基于马尔可夫决策过程的强化学习模型,能够主动学习最佳派遣策略,根据历史数据和当前态势预判后续变化。为了考虑不确定事件的影响,在模型求解算法中增加了基于概率统计模型的仿真流程;为了减少随机事件带来的计算复杂性,利用决策后状态变量重新设计了贝尔曼迭代方程;为了解决状态空间的维度灾问题,提出了基于基函数组合的近似函数。仿真实验表明,强化学习能力的引入能够显著提高战时保障调度性能。     

基于反面选择原理的智能融合故障检测模型及其应用

针对反面选择算法用于故障检测所存在的局限性,提出了一种基于反面选择原理的智能融合故障检测模型.该模型利用人工免疫系统的反面选择原理来构建神经网络检测器,通过训练将系统的异常模式信息存储在分布的检测器中,根据检测器的激活来发现系统的故障.通过混沌时间序列的异常检测仿真实验,研究了模型参数对故障检测性能的影响.最后以发动机压气机失速检测实验为例,证实该方法对失速信号的模式特征具有较强的分辨能力,同时表明神经网络检测器比常规的二进制编码检测器具有更好的故障识别能力.     

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.     

一种用于网络系统可靠性计算的快速有效方法

针对大型网络系统故障模式间存在相关性,所导致的系统可靠性定量计算过程复杂且计算量大的问题,提出了网络系统可靠性定量计算的一种有效方法。通过定义故障模式之间的相关度,有效地考虑故障模式之间的相关性,给出了相关度的计算方法。从而可通过各故障模式的故障概率和故障模式之间的相关度综合确定系统的故障概率或可靠度。实例计算表明,该方法有较高的计算效率和精度,适用于大型网络系统的可靠性定量计算     

基于T-K控制图的多品种生产模式统计过程控制方法

根据SPC基本原理, 传统的统计过程控制技术无法直接用于多品种生产环境的质量监控. 提出了一种新颖的统计过程控制方法, 对工艺参数均值及标准偏差监控, 仅需一张控制图即可对多品种生产过程的运行状态做出评价. 详细给出了T、K统计量的定义和计算方式及T-K控制图控制限的确定. 理论分析表明, T-K控制图具有稳定的监控性能且具有self-starting特点. 通过实例分析及仿真验证, 证实该过程控制方法能够及时、有效地检测出多品种生产模式下导致生产过程失控的异常因素, 提示操作人员适时做出响应, 使生产过程维持在统计受控状态以保证产品质量.     

无先验知识下基于概率主元分析的故障检测方法

基于故障可检测性条件, 提出了概率主元个数选择方法,根据能将所有故障检测出的条件, 确定出主元的个数.但是在有些实际工业过程中, 其故障形式往往不可尽知, 从而无法得出主元的个数, 给监控带来了困难. 为了能够有效地检测出故障,进一步提出一种多概率主元 分析(PPCA)模型的检测方法,首先选择不同的主元个数, 建立PPCA模型, 然后联合这些PPCA 模型进行检测,如果有一个主元模型的指标值超出控制限, 则认为过程出现故障, 从而实现故障检测.     

全氢炉在线退火性能评估及诊断仿真平台开发

以全氢罩式退火炉(简称"全氢炉")为研究对象,基于全氢炉退火传热过程和监控系统的特点,结合退火阶段设备的运行工艺和设备性能变化情况,合理引入过程能力指数计算分析方法,建立了一套完整的全氢炉在线退火性能评估分析及诊断技术,借助计算机仿真技术进行了全氢炉在线退火性能评估分析及诊断仿真平台的开发。该仿真平台能够实现全氢炉具体堆垛退火性能的在线评估分析,并能够对退火性能不足的环节进行故障诊断,提示故障排查和控制调节信息,以指导现场生产过程中进行具体的故障检修和控制调整。     

基于克隆选择算法的航空发动机性能衰退研究

针对航空发动机关键部件的性能衰退难以定量计算的问题,提出一种部件性能衰退值的计算方法。对表征部件的性能参数进行敏感性分析,筛选出对测量参数最敏感的性能参数定义为部件健康因子。建立航空发动机性能衰退模型,将健康因子求解问题转化为有边界约束的非线性优化问题。利用免疫克隆选择算法解决了测量参数少于目标部件性能参数的优化求解问题,得到表征发动机部件性能的健康因子的变化趋势,实现对现役典型发动机部件性能健康状态的准确评价。经验证,计算结果与测量数据吻合较好,为制定航空发动机健康监控的性能衰退标准提供理论依据。     

基于BSO-ELM的涡轴发动机加速过程性能参数预测

建立精度和实时性均满足要求的航空发动机性能参数预测模型是实现发动机性能优化和实时监控的基础。极限学习机(extreme learning machine, ELM)对复杂的非线性航空发动机系统具有良好的适应性, 本文提出了利用头脑风暴优化算法(brain storm optimization, BSO)优化ELM的网络参数以提高其性能。并提出以发动机的台架试车加速过程数据为训练和验证样本, 利用BSO-ELM算法回归辨识得到涡轴发动机加速过程性能参数预测模型。结果表明预测参数燃气发生器转速n_g、燃气发生器出口温度T₄和增压比π_c的两项精度指标均优于BSO算法优化的反向传播神经网络和粒子群优化算法优化的ELM方法得到的预测模型, 表明了BSO-ELM预测模型的可行性与优越性; 在相同仿真环境下, BSO-ELM算法可大幅提高计算效率使预测模型的实时性更优。     

液体推进剂导弹全动力系统稳态故障仿真(一)

为了对液体推进剂导弹动力系统进行稳态故障分析、仿真、检测、诊断以及研制箭载监控系统，必须建立其全系统稳态故障模型。通过对动力系统稳态工作过程，特别是自生增压系统的动力学分析、故障特性分析、故障因素的作用机理的分析、故障因素的引入方法研究等，依据某导弹动力系统的实际结构，完整地建立了该导弹动力系统的全系统稳态故障模型方程。与单纯的发动机系统模型相比，该模型能够模拟飞行状态的稳态故障，能更全面更好地分析动力系统的稳态故障特性。     

一种基于贡献率图的KPCA故障识别方法

提出一种新的针对KPCA模型的故障识别方法——贡献率图法。该方法是在微分贡献率图和核函数导数的基础上提出来的,它采用统计量T2和SPE对每个变量的偏导数来度量每个变量对统计量T2和SPE的贡献率。和基于数据重构法的KPCA故障识别方法相比,该方法不需要任何迭代近似计算和数据的重构,计算量小且可避免重构产生的误差对识别结果的影响。通过在某型涡扇发动机故障检测与诊断中的应用表明,该方法比基于数据重构法的故障变量识别准确率更高,再结合发动机故障机理分析,便可准确地确诊故障,从而大为缩短故障定位及排故的时间,预防重大事故的发生。     

基于证据推理和置信规则库的涡扇发动机故障预测

针对某型涡扇发动机故障预测的问题,提出一种基于证据推理和置信规则库的涡扇发动机故障预测模型。为描述涡扇发动机的健康状态,利用证据推理算法融合发动机系统状态信息;结合先验知识建立混合驱动的置信规则库仿真预测模型;采用投影协方差自适应进化策略用于优化模型参数;通过实验验证了模型的有效性。研究结果表明：该方法不仅准确预测涡扇发动机故障风险概率,而且为故障诊断和维修保障提供了有力的支撑。     

基于HGERT网络模型的退化型失效可靠性评估

针对退化型失效的复杂装备系统,提出基于隐图解评审技术(hidden graphic evaluation and review technique,HGERT)网络模型来进行系统可靠性预计和评估的方法。图解评审法(graphic evaluation and review technique,GERT)网络中的节点代表装备失效过程中正常状态到失效状态的转移,通过传感器将反映系统隐性状态的性能特征参数进行量化输入,从而将GERT网络中的各个劣化状态节点进行展开。应用Viterbi算法对模型参数进行解码和学习,确定退化型失效系统状态转移概率。将装备运行中所处的工作应力、环境载荷等影响性能衰退的因素作为输入,将关键性能指标退化量作为输出,建立装备性能退化的一般控制模型并将其作为GERT网络活动传递的随机变量。借助于信号流图理论对参数进行解析,监测系统处于不同状态时的性能退化水平,为故障预测和装备健康管理提供支持。案例通过对铣床性能退化量的分析,证明所构模型的可行性和合理性。     

三状态系统的可靠性与检测策略

研究具有三种状态的可修系统。该系统工作一段随机时间后,可能直接发生故障,也可能进入异常状态。当系统故障时不需检测就能知道,而当系统工作时必须检测它的诊断参数才能知道它是正常还是异常。系统的诊断参数是多维随机变量,它与系统的工作状态有密切联系并且便于检测,检测就是为了测取该参数的值。利用概率分析、补充变量和最优化方法研究此类系统,导出了系统的可靠性指标、最优检测周期和多维诊断参数的最优临界值。     

一种基于有向图模型的模糊多故障诊断算法

基于最大后验概率准则的复杂系统多故障诊断推理算法依赖于系统先验故障概率的获取.针对这一不足,提出了一种基于有向图模型的系统级模糊故障诊断算法.首先用有向图模型描述大型复杂系统各子系统及故障观测节点问的信息依赖关系,建立故障依赖矩阵;然后在故障观测概率空间建立特征故障观测概率矩阵;在此基础上设计了模糊函数以描述实际观测向量与故障特征向量的相似度,并提出了相应的诊断算法.仿真结果表明该算法具有足够的故障诊断精度和诊断效率.     

基于不确定理论的退化数据分析方法

作为可靠性领域传统的数学工具,概率论难以解决现代可靠性工程面临的难题。本文以不确定理论在退化数据分析中的应用为切入点,阐述了不确定理论的基本公理、运算法则与不确定统计方法,给出了基于确信可靠性理论的可靠性建模思路,提出了不确定失效阈值情形下的退化数据分析与可靠性建模方法。利用时变不确定正态分布建立产品的退化方程,根据专家知识建立失效阈值的不确定分布进而构建裕量方程,最终根据度量方程推导出产品可靠性模型。使用不确定统计中的极大似然估计法与假设检验法解决参数估计与模型验证问题。案例分析说明如果不考虑失效阈值的不确定性,会造成可靠性评估结果较大偏差。研究表明不确定理论适合处理退化数据分析中的不确定性难题,具有广阔的应用前景。