航天器关键部件故障诊断研究
发布时间：2022-08-10 17:10
随着航空技术的发展,航天器担负着越来越多的、复杂的、高负荷的飞行任务,航天器中的各个系统部件越来越精密,这些改变加剧了航天器出现故障的可能。而任意零部件的故障都有可能导致航天任务的失败。故障诊断对于降低航天设备故障的可能性至关重要。本文针对航天器零部件中故障率较高的四种部件提出了适合各自特征、工作环境的故障诊断方法,并对各种方法进行综合技术验证。文章主要研究内容包括:（1）第二、三章介绍了基于信息的故障诊断方法。对于航天设备中滚动轴承故障诊断问题。第二章从基于振动信号的角度出发,同时提取时域和频域参数作为特征参数进行分析,通过由BP网络和感知器网络构成的混合神经网络对滚动轴承的状态进行诊断,可直接从输出结果得到故障模式的判断。仿真结果表明,采用混合网络的诊断效率达94.5%,诊断所花费时间在原有基础上缩短40%。（2）第三章针对航天器电源系统的故障诊断问题,提出了基于小波网络的诊断方法对航天器主电源系统进行故障诊断研究。与BP网络相比,小波网络结构更简单,收敛速度更快,误判率大幅度降低。（3）第四章与第五章研究了基于模型的故障诊断方法。第四章研究了航天器转子系统的故障诊断问题。航天器转...
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究的目的与意义
1.2 本文主要研究对象
1.3 故障诊断技术相关概念与发展概况
1.3.1 故障诊断技术概念
1.3.2 故障诊断技术的发展概况
1.4 故障诊断技术在航天领域的应用和发展
1.4.1 国外航天器故障诊断技术研究现状
1.4.2 国内航天器故障诊断研究现状
1.4.3 航天器故障诊断发展趋势
1.5 本文研究内容及结构安排
2 基于混合神经网络的航天轴承故障诊断方法研究
2.1 引言
2.2 航天轴承故障问题分析与诊断机理
2.2.1 航天轴承故障问题分析
2.2.2 航天轴承故障诊断机理
2.3 混合型网络故障诊断框架与方法
2.3.1 混合型网络故障诊断框架
2.3.2 BP网络故障初步诊断原理
2.3.3 基于感知器网络的诊断数据优化方法
2.4 基于混合神经网络的自主故障诊断方法
2.4.1 特征参数的选取
2.4.2 多特征自主故障诊断建模
2.5 航天轴承的故障诊断仿真实验与分析
2.6 本章小结
3 基于小波网络的航天器电源系统故障诊断方法研究
3.1 引言
3.2 航天器电源系统的故障特性描述
3.3 小波-神经网络故障诊断方法及其优化
3.3.1 小波变换原理
3.3.2 小波-神经网络故障诊断方法
3.3.3 小波-神经网络故障诊断的优化方法
3.4 航天器主电源光照区母线电压的故障监测与分析
3.5 本章小结
4 基于模型参数辨识的航天转子故障诊断方法研究
4.1 引言
4.2 航天转子数学模型描述
4.3 基于模型参数辨识的航天转子故障诊断分析
4.3.1 航天转子的故障检测
4.3.2 航天转子的故障诊断流程
4.3.3 针对航天器转子模型的故障诊断器设计
4.3.4 航天转子的故障诊断算法
4.4 仿真实验与分析
4.5 本章小结
5 基于自适应多模型的姿态敏感器故障诊断方法研究
5.1 引言
5.2 姿态敏感器的故障诊断分析
5.2.1 姿态敏感器的诊断流程
5.2.2 姿态敏感器故障问题描述
5.2.3 姿态敏感器的故障诊断器设计
5.3 姿态敏感器的多模型诊断结构
5.3.1 姿态敏感器的多模型问题描述
5.3.2 多模型故障诊断器设计
5.4 仿真实验与分析
5.5 本章小结
6 结论
6.1 工作总结
6.2 展望
参考文献
攻读硕士学位期间发表的论文
致谢
【参考文献】：
期刊论文
[1]基于频域振幅灰色关联度的转子故障模式辨识[J]. 冉钧,赵荣珍. 振动.测试与诊断. 2013(06)
[2]基于轴心轨迹流形拓扑空间的转子系统故障诊断[J]. 王红军,徐小力,万鹏. 机械工程学报. 2014(05)
[3]基于人工神经网络的故障诊断[J]. 闫中奎,沈鑫. 企业导报. 2013(08)
[4]小波神经网络在短时交通流量预测中的应用[J]. 万李,杨杰. 计算机仿真. 2012(09)
[5]基于神经网络观测器的飞控传感器在线故障诊断[J]. 张小敏,罗秋凤. 计算机测量与控制. 2012(07)
[6]一个科学新领域——开放的复杂巨系统及其方法论[J]. 钱学森. 上海理工大学学报. 2011(06)
[7]《机械工程学科发展战略报告（2011～2020）》简介[J]. 塑性工程学报. 2011(01)
[8]多小波自适应构造方法及滚动轴承复合故障诊断研究[J]. 王晓冬,何正嘉,訾艳阳. 振动工程学报. 2010(04)
[9]基于多功能车辆总线的机车轴承故障诊断系统[J]. 赵明元,胡志鹏,杨江天. 机车电传动. 2010(03)
[10]航天器自主故障诊断技术研究进展[J]. 姜连祥,李华旺,杨根庆,杨勤荣,黄海宇. 宇航学报. 2009(04)
博士论文
[1]基于振动信号处理的旋转机械故障诊断方法研究[D]. 刘尚坤.华北电力大学(北京) 2017
[2]基于模型的飞行控制系统故障诊断方法研究[D]. 刘剑慰.南京航空航天大学 2014
[3]基于振动信号的机械故障特征提取与诊断研究[D]. 赵志宏.北京交通大学 2012
[4]基于软计算的故障诊断机理及其应用研究[D]. 师黎.上海大学 2007
硕士论文
[1]空间电源系统仿真及锂离子电池剩余寿命预测研究[D]. 闫晓华.哈尔滨工业大学 2015
[2]基于EMD和SVM的滚动轴承故障诊断研究[D]. 许佩佩.中南大学 2013
[3]基于回声状态网络的设备健康状态监测与预测方法[D]. 范广露.长安大学 2012
[4]转子故障信号的滤波与模式辨识方法研究[D]. 冉钧.兰州理工大学 2012
[5]航天轴承的故障诊断的方法研究及系统开发[D]. 李俊娟.河南科技大学 2011
[6]用于灵敏轴承故障诊断的动态摩擦力矩采集系统[D]. 张真.河南科技大学 2010
[7]星载设备专用测试软件系统通用化设计与实现[D]. 姜大伟.西安电子科技大学 2009
[8]基于BP神经网络的滚动轴承故障诊断方法[D]. 于婷婷.大连理工大学 2008
[9]基于神经网络的滚动轴承故障诊断方法研究与应用[D]. 陈鹏.四川大学 2006
[10]基于BP神经网络的滚动轴承缺陷诊断研究[D]. 胡婧.华中科技大学 2006
本文编号：3674025
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究的目的与意义
1.2 本文主要研究对象
1.3 故障诊断技术相关概念与发展概况
1.3.1 故障诊断技术概念
1.3.2 故障诊断技术的发展概况
1.4 故障诊断技术在航天领域的应用和发展
1.4.1 国外航天器故障诊断技术研究现状
1.4.2 国内航天器故障诊断研究现状
1.4.3 航天器故障诊断发展趋势
1.5 本文研究内容及结构安排
2 基于混合神经网络的航天轴承故障诊断方法研究
2.1 引言
2.2 航天轴承故障问题分析与诊断机理
2.2.1 航天轴承故障问题分析
2.2.2 航天轴承故障诊断机理
2.3 混合型网络故障诊断框架与方法
2.3.1 混合型网络故障诊断框架
2.3.2 BP网络故障初步诊断原理
2.3.3 基于感知器网络的诊断数据优化方法
2.4 基于混合神经网络的自主故障诊断方法
2.4.1 特征参数的选取
2.4.2 多特征自主故障诊断建模
2.5 航天轴承的故障诊断仿真实验与分析
2.6 本章小结
3 基于小波网络的航天器电源系统故障诊断方法研究
3.1 引言
3.2 航天器电源系统的故障特性描述
3.3 小波-神经网络故障诊断方法及其优化
3.3.1 小波变换原理
3.3.2 小波-神经网络故障诊断方法
3.3.3 小波-神经网络故障诊断的优化方法
3.4 航天器主电源光照区母线电压的故障监测与分析
3.5 本章小结
4 基于模型参数辨识的航天转子故障诊断方法研究
4.1 引言
4.2 航天转子数学模型描述
4.3 基于模型参数辨识的航天转子故障诊断分析
4.3.1 航天转子的故障检测
4.3.2 航天转子的故障诊断流程
4.3.3 针对航天器转子模型的故障诊断器设计
4.3.4 航天转子的故障诊断算法
4.4 仿真实验与分析
4.5 本章小结
5 基于自适应多模型的姿态敏感器故障诊断方法研究
5.1 引言
5.2 姿态敏感器的故障诊断分析
5.2.1 姿态敏感器的诊断流程
5.2.2 姿态敏感器故障问题描述
5.2.3 姿态敏感器的故障诊断器设计
5.3 姿态敏感器的多模型诊断结构
5.3.1 姿态敏感器的多模型问题描述
5.3.2 多模型故障诊断器设计
5.4 仿真实验与分析
5.5 本章小结
6 结论
6.1 工作总结
6.2 展望
参考文献
攻读硕士学位期间发表的论文
致谢
【参考文献】：
期刊论文
[1]基于频域振幅灰色关联度的转子故障模式辨识[J]. 冉钧,赵荣珍. 振动.测试与诊断. 2013(06)
[2]基于轴心轨迹流形拓扑空间的转子系统故障诊断[J]. 王红军,徐小力,万鹏. 机械工程学报. 2014(05)
[3]基于人工神经网络的故障诊断[J]. 闫中奎,沈鑫. 企业导报. 2013(08)
[4]小波神经网络在短时交通流量预测中的应用[J]. 万李,杨杰. 计算机仿真. 2012(09)
[5]基于神经网络观测器的飞控传感器在线故障诊断[J]. 张小敏,罗秋凤. 计算机测量与控制. 2012(07)
[6]一个科学新领域——开放的复杂巨系统及其方法论[J]. 钱学森. 上海理工大学学报. 2011(06)
[7]《机械工程学科发展战略报告（2011～2020）》简介[J]. 塑性工程学报. 2011(01)
[8]多小波自适应构造方法及滚动轴承复合故障诊断研究[J]. 王晓冬,何正嘉,訾艳阳. 振动工程学报. 2010(04)
[9]基于多功能车辆总线的机车轴承故障诊断系统[J]. 赵明元,胡志鹏,杨江天. 机车电传动. 2010(03)
[10]航天器自主故障诊断技术研究进展[J]. 姜连祥,李华旺,杨根庆,杨勤荣,黄海宇. 宇航学报. 2009(04)
博士论文
[1]基于振动信号处理的旋转机械故障诊断方法研究[D]. 刘尚坤.华北电力大学(北京) 2017
[2]基于模型的飞行控制系统故障诊断方法研究[D]. 刘剑慰.南京航空航天大学 2014
[3]基于振动信号的机械故障特征提取与诊断研究[D]. 赵志宏.北京交通大学 2012
[4]基于软计算的故障诊断机理及其应用研究[D]. 师黎.上海大学 2007
硕士论文
[1]空间电源系统仿真及锂离子电池剩余寿命预测研究[D]. 闫晓华.哈尔滨工业大学 2015
[2]基于EMD和SVM的滚动轴承故障诊断研究[D]. 许佩佩.中南大学 2013
[3]基于回声状态网络的设备健康状态监测与预测方法[D]. 范广露.长安大学 2012
[4]转子故障信号的滤波与模式辨识方法研究[D]. 冉钧.兰州理工大学 2012
[5]航天轴承的故障诊断的方法研究及系统开发[D]. 李俊娟.河南科技大学 2011
[6]用于灵敏轴承故障诊断的动态摩擦力矩采集系统[D]. 张真.河南科技大学 2010
[7]星载设备专用测试软件系统通用化设计与实现[D]. 姜大伟.西安电子科技大学 2009
[8]基于BP神经网络的滚动轴承故障诊断方法[D]. 于婷婷.大连理工大学 2008
[9]基于神经网络的滚动轴承故障诊断方法研究与应用[D]. 陈鹏.四川大学 2006
[10]基于BP神经网络的滚动轴承缺陷诊断研究[D]. 胡婧.华中科技大学 2006
本文编号：3674025
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3674025.html
