公开(公告)号：CN105134619B

公开(公告)日：2017-03-01

申请号：CN201510627570.8

申请日：2015-09-28

Applicant: 北京航空航天大学

Inventor： 吕琛 ,  田野 ,  周博

IPC: F04D15/00

Abstract: 本发明公开了一种基于小波能量、流形降维和动态时间规整的故障诊断与健康评估方法，以提高离心泵中轴承故障、叶轮故障及其混合故障的特征可分性，实现各种状态的诊断和健康评估。首先，应用小波包变换将采集到的离心泵振动信号分解为8个小波分量；提取每个分量的小波能量作为故障特征，得到八维故障特征向量；然后，应用流形学习方法对此八维特征进行降维，获取更具可分性、更简约稳定的三维特征向量；最后，基于该特征向量，应用动态时间规整方法度量测试数据与训练数据之间的距离，从而确定当前的故障状态，实现轴承故障诊断；同时，该距离值也可反映当前状态的健康度，实现离心泵健康状态的评估，具有很好的实际工程应用价值。

公开(公告)号：CN106444822A

公开(公告)日：2017-02-22

申请号：CN201610190872.8

申请日：2016-03-30

Applicant: 北京航空航天大学

Inventor： 祝明 ,  田野 ,  郑泽伟 ,  吕慧

IPC: G05D1/10

Abstract: 一种基于空间矢量场制导的平流层飞艇路径跟踪控制方法，步骤如下：1.给定期望跟踪值：给定期望任务路径；给定期望前向速度；计算该期望速度下受到的阻力合力Ff；2.导航计算：计算消除期望位置与实际位置之间的误差所需的期望偏航角ψd和期望俯仰角θd；3.路径跟踪偏航角和俯仰角误差计算：计算期望偏航角与实际偏航角之间的误差 期望俯仰角与实际俯仰角之间的误差 4.滑模控制器计算：计算消除期望姿态角与实际姿态角之间误差，以及飞艇的速度控制所需的控制量U；5.各执行部件控制信号计算：计算实现滑模控制量U所需的执行部件控制量δel,δer,δr,T,γ。控制流程见附图。

公开(公告)号：CN104850889B

公开(公告)日：2017-02-22

申请号：CN201410664864.3

申请日：2014-11-19

Applicant: 北京航空航天大学

Inventor： 吕琛 ,  马剑 ,  田野

IPC: G06N3/02

Abstract: 本发明公开了一种飞机旋转作动器驱动装置自适应故障检测、隔离与健康评估的方法。首先，根据旋转作动器驱动装置的结构，建立基于径向基函数(radial basis function,RBF)神经网络的双级观测器，其中一级RBF神经网络观测器用来估计系统的期望输出值并产生残差，二级RBF神经网络观测器用来产生自适应阈值。然后，依据观测器的输出信息进行故障隔离。利用正常状态下的残差训练自组织映射(self-organizing mapping,SOM)神经网络。最后，将待检测、评估状态的残差作为SOM神经网络的输入并进行归一化处理得到0-1之间的健康度(confidences values,CVs)指标。本发明具有很好的实际工程应用价值。

公开(公告)号：CN104832418B

公开(公告)日：2016-10-26

申请号：CN201510227858.6

申请日：2015-05-07

Applicant: 北京航空航天大学

Inventor： 吕琛 ,  丁宇 ,  马剑 ,  田野 ,  王洋 ,  王亚杰

IPC: F04B51/00

Abstract: 一种基于局部均值变换和Softmax的液压泵故障诊断方法，通过分析从液压泵采集到的振动信号可以获取液压泵的实时状态。首先利用局部均值分解(LMD)将振动信号分解成若干个PF(Product function简称PF)分量。再对包含故障信息的PF分量进行分析，提取能量等特征参数和相应的时域统计量。之后利用多维尺度分析(MDS)来进行特征约简。在得到约简后的特征之后，经过训练的逻辑斯蒂模型被用来对液压泵进行健康评估。在对液压泵进行健康评估的过程中如果检测到故障发生，经过训练的Softmax回归模型将对可能的故障模式进行诊断。本发明能够对有效的对液压泵的健康状态进行评估并对进行故障诊断。

公开(公告)号：CN105134619A

公开(公告)日：2015-12-09

申请号：CN201510627570.8

申请日：2015-09-28

Applicant: 北京航空航天大学

Inventor： 吕琛 ,  田野 ,  周博

IPC: F04D15/00

Abstract: 本发明公开了一种基于小波能量、流形降维和动态时间规整的故障诊断与健康评估方法，以提高离心泵中轴承故障、叶轮故障及其混合故障的特征可分性，实现各种状态的诊断和健康评估。首先，应用小波包变换将采集到的离心泵振动信号分解为8个小波分量；提取每个分量的小波能量作为故障特征，得到八维故障特征向量；然后，应用流形学习方法对此八维特征进行降维，获取更具可分性、更简约稳定的三维特征向量；最后，基于该特征向量，应用动态时间规整方法度量测试数据与训练数据之间的距离，从而确定当前的故障状态，实现轴承故障诊断；同时，该距离值也可反映当前状态的健康度，实现离心泵健康状态的评估，具有很好的实际工程应用价值。