CN103472820A - 一种基于偏最小二乘算法的推进系统故障诊断方法 - Google Patents
一种基于偏最小二乘算法的推进系统故障诊断方法 Download PDFInfo
- Publication number
- CN103472820A CN103472820A CN2013104265825A CN201310426582A CN103472820A CN 103472820 A CN103472820 A CN 103472820A CN 2013104265825 A CN2013104265825 A CN 2013104265825A CN 201310426582 A CN201310426582 A CN 201310426582A CN 103472820 A CN103472820 A CN 103472820A
- Authority
- CN
- China
- Prior art keywords
- fault
- variable
- propulsion system
- data
- partial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
一种基于偏最小二乘算法的推进系统故障诊断方法,属于过程监控技术领域。所述方法具体步骤如下:步骤一、利用推进系统的样本数据构建PLS数学模型;步骤二、利用平方预测误差统计量监测过程数据;步骤三、检测到故障后结合关联故障检测因数诊断出故障位置。本发明提出的PLS监控和诊断方法仅利用数据间的关联关系,建立简洁的数学模型,可以减少计算量,提高检测速度,能够很好地应用于推进系统的过程监控及故障诊断。本发明对于采用PLS算法建立模型,克服了过程量共线性影响,采用计算快速的SPE统计量并结合所提出的关联故障检测因数,简化了监测过程,并能较好地完成诊断任务。
Description
技术领域
本发明属于过程监控技术领域,涉及一种基于偏最小二乘算法的推进系统故障诊断方法。
背景技术
航天器推进系统是指为卫星、载人飞船、空间站、深空探测器等提供控制力、控制力矩和小推力的系统,用于完成末速修正、姿态控制、轨道机动、轨道修正、交会对接、推进剂管理等任务。推进系统是航天器上最为关键的分系统之一,一旦发生故障,将对航天器任务的完成产生致命的影响。2010年8月20日,美国AEHF-1卫星发射后出现发动机故障,导致该卫星没有达到指定轨道;2010年12月06日,火箭推进系统工作故障是导致俄罗斯的3颗全球导航卫星“格洛纳斯-M”发射失败的原因。
伴随着航天器空间应用的迅速发展,尤其是载人航天器、大型通信卫星、深空探测器等对高可靠性、长寿命日益增长的需求,对航天器推进系统的性能和可靠性的要求也日益提高。研究航天器推进系统故障诊断技术,是发展系统重构和自主管理技术的基础,对提高我国航天器推进系统的可靠性和安全性,保证空间任务顺利完成具有重要意义;同时,该技术作为地面试验故障诊断的手段,还可以保证地面试验的安全性,具有重要的现实意义和工程价值。
故障诊断技术发展至今,学者们已提出了大量的研究方法。传统的分类思想一般将故障诊断方法划分为基于数学模型的方法、基于知识的方法和基于信号处理的方法三大类。然而近年来随着理论研究的深入和相关领域的发展,各种新的诊断方法层出不穷,传统的分类方法已经不再适用.全新角度对现有的故障诊断方法进行了重新分类,将其整体上分为定性分析的方法和定量分析的方法两大类。其中,定量分析方法又分为基于解析模型的方法和数据驱动的方法,后者又进一步包括多元统计分析类方法、信号处理类方法、信息融合类方法等。其中,基于多元统计分析的故障诊断方法不需要对系统的结构和原理有深入的了解,完全基于系统运行过程中传感器的测量数据,而且算法简单,易于实现。
发明内容
本发明的目的在于提出一种基于偏最小二乘算法的推进系统故障诊断方法——PLS算法在选取特征向量时强调输入对输出的解释预测作用,去除了对回归无益的噪声,因此所建数学模型具有更好的鲁棒性和预测稳定性;由于PLS方法能够有效地解决共线性问题,非常适用于过程变量较多而且耦合严重的工业过程建模。
本发明的目的是通过以下技术方案实现的:
首先对推进系统的系统运行数据利用PLS方法构建数学模型,然后利用平方预测误差(Square Prediction Error,SPE)统计量对过程数据进行监测,检测到故障后结合所提出的关联故障检测因数诊断出故障位置。如图1所示,具体步骤如下:
步骤一、利用推进系统的样本数据构建PLS数学模型:
推进系统的样本数据来源于推进系统的实际运行或仿真运行数据。
首先对原始输入变量 和原始输出变量进行标准化处理,其中,,表示实数,为样本数据采样点个数,为每一采样点输入变量个数,即减去各自的均值并除以各自的标准差后得到本发明方法所使用的样本数据,记为输入变量和输出变量,然后利用样本数据建立初步的PLS模型:
其中,是主元个数,、、、分别代表矩阵、、、的列向量,和分别是和的残差矩阵(通常视为噪声),和分别是和的特征向量组成的主元得分矩阵,和分别是和的载荷向量组成的载荷矩阵,特征向量可以看成是原始数据在新的投影空间中的坐标值,而载荷向量则是原多维数据空间的坐标向量和新的数据空间的坐标向量之间的转换系数;
;
在PLS模型求解过程中,考虑到推进系统对运算实时性的要求,在非线性迭代偏最小二乘(Non-Iterative Partial Least Square,NIPALS)解算算法的基础上创新性地增加了针对得分向量的迭代加速方法,解决了得分向量收敛过慢的问题,具体描述如下:
10)重复3)至9),直到得分向量收敛;
11)求解输入负载向量:,并归一化;
12)求解系数:;
步骤二、利用平方预测误差统计量监测过程数据:
利用步骤一得到的PLS模型参数,对于运行的过程数据,采用平方预测误差(SPE)统计量监测过程数据,判断过程是否发生异常,并及时检测出故障。由于SPE统计量是由多个变量的综合作用而构成,因此它被广泛用于多变量统计控制,并且可以对多个变量的运行过程或工况同时进行监测。
平方预测误差(SPE)统计量在任一时刻的值是个标量,它是输入残差的标准平方和,反映此时刻测量数据在残差空间中对主元模型的偏离程度,是模型外部数据变化的一种测度,用于监测输入残差空间中的统计信息,对于第个检测点(),也称为时刻,SPE统计量的定义为:
其中,是正态分布置信度为的统计临界值(可通过查询标准正态分布临界值表获得),,,,,其中是主元个数,是过程变量个数,是检测数据协方差矩阵的特征值(特征值按数值大小降序排列),计算中使用了从第个到第个特征值;
无论发生故障与否,均可随着时间推移(即时刻不断增大),执行本步骤来对过程数据进行监测,当通过本步骤检测出故障发生后,还需要进行故障定位时,则执行下一步骤。需要注意的是由于在下一步骤中要用到故障时刻之后一个时刻的数据,因此本步骤在检测出故障发生之后,至少要再多执行一个时刻。
步骤三、检测到故障后结合关联故障检测因数诊断出故障位置:
对于连续过程数据,通过观测统计量与控制界限值的大小判断生产过程中是否出现了异常的数据点,但不能对引起故障的原因给予解释,即不能确定导致生产故障的异常变量。此类问题可通过计算各自变量的故障检测因数来解决。故障检测因数的大小代表了变量引起生产异常程度的大小,故障检测因数的绝对值较大者多是引起故障的原因,由故障检测因数可明显观测出异常变量。
关联故障检测因数综合考虑故障发生前后的预测误差变化,因为虽然在故障时刻预测误差贡献大,但故障时刻前后的统计也具有一定作用,进而提出关联故障检测因数,其定义式如下:
本发明主要利用多元统计分析中的偏最小二乘(Partial Least Squares,PLS)算法,并将其应用到推进系统的故障诊断之中。本发明与现有技术相比,具有如下优点:
1)本发明提出的PLS监控和诊断方法仅利用数据间的关联关系,建立简洁的数学模型,可以减少计算量,提高检测速度,能够很好地应用于推进系统的过程监控及故障诊断。
2)本发明对于采用PLS算法建立模型,克服了过程量共线性影响,采用计算快速的SPE统计量并结合所提出的关联故障检测因数,简化了监测过程,并能较好地完成诊断任务。
附图说明
图1为本发明的流程图;
图2为本发明实施例中的正常过程监测SPE统计量图;
图3为本发明实施例中的电磁阀Ⅰ失控突变故障时SPE统计量图。
具体实施方式
下面结合实施例对本发明的技术方案作进一步的说明,但并不局限如此,凡是对本发明技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,均应涵盖在本发明的保护范围中。
执行步骤一:对某单组元推进系统进行仿真得到样本数据和,其中由气瓶温度、气瓶压强、管道1压强、管道2压强、管道3压强、管道4压强、管道5压强、推力室喉部压强组成,由推力组成,皆由500个采样点数据组成。
首先对样本数据进行标准化处理工作,然后采用改进的加速非线性迭代偏最小二乘算法求解PLS模型,得到:
对于正常运行过程采样得到250个采样值。
由图2可知正常运行过程中两种算法模型的监测统计量都在控制界限值以下,说明运行过程正常,无故障发生。
对于运行过程采用注入故障法模拟电磁阀Ⅰ(在管道1和管道2之间)失控突变故障,在0.06s(此时已达稳态)时电磁阀Ⅰ的开度由原来的1突变为0.9,其他模型部分正常,仿真得到数据,也取250个采样值。
执行步骤三:根据公式计算故障点附近的各个自变量对应的关联故障检测因数(见表1),由关联故障检测因数可以看出自变量3和自变量4异常,诊断出故障发生在管道1和管道2之间,即电磁阀Ⅰ有故障。
表1 各自变量对应的关联故障检测因数
综合实施例的上述分析,对于推进系统过程监测和故障诊断,本发明的算法能够快速的得到模型,并能有效检测出故障,定位出故障位置。
Claims (6)
1.一种基于偏最小二乘算法的推进系统故障诊断方法,其特征在于所述方法具体步骤如下:
步骤一、利用推进系统的样本数据构建PLS数学模型;
步骤二、利用平方预测误差统计量监测过程数据;
步骤三、检测到故障后结合关联故障检测因数诊断出故障位置。
3.根据权利要求2所述的基于偏最小二乘算法的推进系统故障诊断方法,其特征在于所述PLS模型求解的具体步骤如下:
10)重复3)至9),直到得分向量收敛;
4.根据权利要求1所述的基于偏最小二乘算法的推进系统故障诊断方法,其特征在于所述步骤二,利用步骤一得到的PLS模型参数,对于运行的过程数据,采用平方预测误差SPE统计量监测过程数据,判断过程是否发生异常,并及时检测出故障,具体步骤如下:
无论发生故障与否,均可随着时间推移,执行本步骤来对过程数据进行监测,当通过本步骤检测出故障发生后,还需要进行故障定位时,则执行步骤三。
5.根据权利要求4所述的基于偏最小二乘算法的推进系统故障诊断方法,其特征在于由于在步骤三中要用到故障时刻之后一个时刻的数据,因此本步骤在检测出故障发生之后,至少要再多执行一个时刻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310426582.5A CN103472820B (zh) | 2013-09-18 | 2013-09-18 | 一种基于偏最小二乘算法的推进系统故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310426582.5A CN103472820B (zh) | 2013-09-18 | 2013-09-18 | 一种基于偏最小二乘算法的推进系统故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103472820A true CN103472820A (zh) | 2013-12-25 |
CN103472820B CN103472820B (zh) | 2015-07-15 |
Family
ID=49797710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310426582.5A Active CN103472820B (zh) | 2013-09-18 | 2013-09-18 | 一种基于偏最小二乘算法的推进系统故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103472820B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104062904A (zh) * | 2014-06-20 | 2014-09-24 | 南京工业大学 | 基于cca-pls的大化工过程分布式建模方法 |
CN105404280A (zh) * | 2015-12-11 | 2016-03-16 | 浙江科技学院 | 基于自回归动态隐变量模型的工业过程故障检测方法 |
CN105652845A (zh) * | 2016-03-26 | 2016-06-08 | 北京工业大学 | 一种基于即时学习局部模型的发酵过程故障监测方法 |
CN106981873A (zh) * | 2017-04-25 | 2017-07-25 | 集美大学 | 一种基于动力学行为的孤岛式电力系统潜隐故障预测方法 |
CN107272667A (zh) * | 2017-08-07 | 2017-10-20 | 华中科技大学 | 一种基于平行的偏最小二乘法的工业过程故障检测方法 |
CN107298485A (zh) * | 2017-07-27 | 2017-10-27 | 华东理工大学 | 一种基于数据模型对工业废水处理过程的故障检测与诊断的方法 |
CN107608335A (zh) * | 2017-09-14 | 2018-01-19 | 山东科技大学 | 一种无人机飞行控制系统故障检测与故障分离的数据驱动方法 |
CN107918828A (zh) * | 2017-11-16 | 2018-04-17 | 东南大学 | 基于最小充分统计量模式分析的给水泵故障检测方法 |
CN108027594A (zh) * | 2015-06-29 | 2018-05-11 | 苏伊士集团 | 用于检测配水系统中的异常的方法 |
CN108062565A (zh) * | 2017-12-12 | 2018-05-22 | 重庆科技学院 | 基于化工te过程的双主元-动态核主元分析故障诊断方法 |
CN108759745A (zh) * | 2018-06-05 | 2018-11-06 | 上汽大众汽车有限公司 | 基于多元统计分析的白车身故障检测方法及检测装置 |
CN109063380A (zh) * | 2018-09-12 | 2018-12-21 | 北京理工大学 | 一种静止轨道电推进卫星故障检测方法及位置保持方法 |
CN109506676A (zh) * | 2018-11-16 | 2019-03-22 | 中国西安卫星测控中心 | 基于回归建模的地球敏感器故障诊断方法 |
CN110322583A (zh) * | 2018-03-30 | 2019-10-11 | 欧姆龙株式会社 | 异常探测系统、支持装置以及异常探测方法 |
CN110500202A (zh) * | 2019-08-19 | 2019-11-26 | 西安航天动力测控技术研究所 | 一种自动寻找固体火箭发动机燃烧终止时间的方法 |
CN110705129A (zh) * | 2019-10-31 | 2020-01-17 | 重庆科技学院 | 一种基于全相关动态kpls的故障诊断方法 |
CN111121943A (zh) * | 2019-12-13 | 2020-05-08 | 湖南师范大学 | 零点故障检测方法、装置、计算机设备和可读存储介质 |
CN111289256A (zh) * | 2018-12-07 | 2020-06-16 | 北京大学 | 一种数据驱动的船舶柴油机故障检测方法 |
CN112610330A (zh) * | 2020-12-08 | 2021-04-06 | 孚创动力控制技术(启东)有限公司 | 一种内燃机运行状态的监测及分析系统和方法 |
CN112631258A (zh) * | 2020-12-29 | 2021-04-09 | 南京富岛信息工程有限公司 | 一种工业过程关键指标的故障预警方法 |
CN113189968A (zh) * | 2021-05-08 | 2021-07-30 | 哈尔滨工业大学 | 互联工业过程的分布式故障诊断方法 |
CN117169804A (zh) * | 2023-11-02 | 2023-12-05 | 华中科技大学 | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050087298A1 (en) * | 2001-09-06 | 2005-04-28 | Junichi Tanaka | Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor |
CN101446831A (zh) * | 2008-12-30 | 2009-06-03 | 东北大学 | 一种分散的过程监测方法 |
CN102033523A (zh) * | 2009-09-25 | 2011-04-27 | 上海宝钢工业检测公司 | 基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方法 |
-
2013
- 2013-09-18 CN CN201310426582.5A patent/CN103472820B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050087298A1 (en) * | 2001-09-06 | 2005-04-28 | Junichi Tanaka | Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor |
CN101446831A (zh) * | 2008-12-30 | 2009-06-03 | 东北大学 | 一种分散的过程监测方法 |
CN102033523A (zh) * | 2009-09-25 | 2011-04-27 | 上海宝钢工业检测公司 | 基于偏最小二乘的带钢质量预测、炉况预警与故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
张颖伟,等: "基于核偏最小二乘的故障监控与诊断", 《2009中国控制与决策会议论文集(3)》 * |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104062904A (zh) * | 2014-06-20 | 2014-09-24 | 南京工业大学 | 基于cca-pls的大化工过程分布式建模方法 |
CN108027594B (zh) * | 2015-06-29 | 2021-06-22 | 苏伊士集团 | 用于检测配水系统中的异常的方法 |
CN108027594A (zh) * | 2015-06-29 | 2018-05-11 | 苏伊士集团 | 用于检测配水系统中的异常的方法 |
US11281203B2 (en) | 2015-06-29 | 2022-03-22 | Suez Groupe | Method for detecting anomalies in a water distribution system |
CN105404280A (zh) * | 2015-12-11 | 2016-03-16 | 浙江科技学院 | 基于自回归动态隐变量模型的工业过程故障检测方法 |
CN105652845A (zh) * | 2016-03-26 | 2016-06-08 | 北京工业大学 | 一种基于即时学习局部模型的发酵过程故障监测方法 |
CN106981873A (zh) * | 2017-04-25 | 2017-07-25 | 集美大学 | 一种基于动力学行为的孤岛式电力系统潜隐故障预测方法 |
CN106981873B (zh) * | 2017-04-25 | 2019-09-20 | 集美大学 | 一种基于动力学行为的孤岛式电力系统潜隐故障预测方法 |
CN107298485A (zh) * | 2017-07-27 | 2017-10-27 | 华东理工大学 | 一种基于数据模型对工业废水处理过程的故障检测与诊断的方法 |
CN107272667A (zh) * | 2017-08-07 | 2017-10-20 | 华中科技大学 | 一种基于平行的偏最小二乘法的工业过程故障检测方法 |
CN107608335A (zh) * | 2017-09-14 | 2018-01-19 | 山东科技大学 | 一种无人机飞行控制系统故障检测与故障分离的数据驱动方法 |
CN107918828A (zh) * | 2017-11-16 | 2018-04-17 | 东南大学 | 基于最小充分统计量模式分析的给水泵故障检测方法 |
CN108062565B (zh) * | 2017-12-12 | 2021-12-10 | 重庆科技学院 | 基于化工te过程的双主元-动态核主元分析故障诊断方法 |
CN108062565A (zh) * | 2017-12-12 | 2018-05-22 | 重庆科技学院 | 基于化工te过程的双主元-动态核主元分析故障诊断方法 |
CN110322583A (zh) * | 2018-03-30 | 2019-10-11 | 欧姆龙株式会社 | 异常探测系统、支持装置以及异常探测方法 |
CN108759745A (zh) * | 2018-06-05 | 2018-11-06 | 上汽大众汽车有限公司 | 基于多元统计分析的白车身故障检测方法及检测装置 |
CN108759745B (zh) * | 2018-06-05 | 2020-02-18 | 上汽大众汽车有限公司 | 基于多元统计分析的白车身故障检测方法及检测装置 |
CN109063380B (zh) * | 2018-09-12 | 2023-02-17 | 北京理工大学 | 一种静止轨道电推进卫星故障检测方法及位置保持方法 |
CN109063380A (zh) * | 2018-09-12 | 2018-12-21 | 北京理工大学 | 一种静止轨道电推进卫星故障检测方法及位置保持方法 |
CN109506676A (zh) * | 2018-11-16 | 2019-03-22 | 中国西安卫星测控中心 | 基于回归建模的地球敏感器故障诊断方法 |
CN111289256A (zh) * | 2018-12-07 | 2020-06-16 | 北京大学 | 一种数据驱动的船舶柴油机故障检测方法 |
CN110500202A (zh) * | 2019-08-19 | 2019-11-26 | 西安航天动力测控技术研究所 | 一种自动寻找固体火箭发动机燃烧终止时间的方法 |
CN110500202B (zh) * | 2019-08-19 | 2022-03-15 | 西安航天动力测控技术研究所 | 一种自动寻找固体火箭发动机燃烧终止时间的方法 |
CN110705129A (zh) * | 2019-10-31 | 2020-01-17 | 重庆科技学院 | 一种基于全相关动态kpls的故障诊断方法 |
CN110705129B (zh) * | 2019-10-31 | 2023-03-14 | 重庆科技学院 | 一种基于全相关动态kpls的故障诊断方法 |
CN111121943A (zh) * | 2019-12-13 | 2020-05-08 | 湖南师范大学 | 零点故障检测方法、装置、计算机设备和可读存储介质 |
CN112610330A (zh) * | 2020-12-08 | 2021-04-06 | 孚创动力控制技术(启东)有限公司 | 一种内燃机运行状态的监测及分析系统和方法 |
CN112610330B (zh) * | 2020-12-08 | 2023-05-09 | 孚创动力控制技术(启东)有限公司 | 一种内燃机运行状态的监测及分析系统和方法 |
CN112631258B (zh) * | 2020-12-29 | 2021-11-09 | 南京富岛信息工程有限公司 | 一种工业过程关键指标的故障预警方法 |
CN112631258A (zh) * | 2020-12-29 | 2021-04-09 | 南京富岛信息工程有限公司 | 一种工业过程关键指标的故障预警方法 |
CN113189968A (zh) * | 2021-05-08 | 2021-07-30 | 哈尔滨工业大学 | 互联工业过程的分布式故障诊断方法 |
CN117169804A (zh) * | 2023-11-02 | 2023-12-05 | 华中科技大学 | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 |
CN117169804B (zh) * | 2023-11-02 | 2024-01-12 | 华中科技大学 | 基于合电流矢量分析的电流互感器误差状态在线辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103472820B (zh) | 2015-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103472820B (zh) | 一种基于偏最小二乘算法的推进系统故障诊断方法 | |
CN110082115B (zh) | 一种针对运载火箭的在线单发推力故障诊断方法 | |
CN110083076B (zh) | 一种燃气轮机气动执行器故障半实物仿真平台及仿真方法 | |
Jin et al. | Life cycle gas path performance monitoring with control loop parameters uncertainty for aeroengine | |
CN104571087B (zh) | 一种噪声影响下航天器控制系统可诊断性确定方法 | |
CN114035550B (zh) | 一种基于eso的自主式水下机器人执行机构故障诊断方法 | |
CN114923503B (zh) | 一种基于主元分析的在轨航天器陀螺仪和星敏感器故障诊断方法 | |
CN115576184A (zh) | 一种水下机器人推进器故障在线诊断与容错控制方法 | |
Han et al. | Quadratic-Kalman-filter-based sensor fault detection approach for unmanned aerial vehicles | |
Zhou et al. | Analytical redundancy design for aeroengine sensor fault diagnostics based on SROS-ELM | |
Liu et al. | A digital twin modeling method for turbofan engine real-time test data analysis and performance monitoring | |
CN108388229B (zh) | 基于健康度的四旋翼随机混杂系统健康评估方法 | |
CN103412986A (zh) | 一种基于无故障数据分析的飞机定检内容优化方法 | |
CN104678989A (zh) | 一种噪声环境下提高故障可诊断性的状态感知优化方法 | |
Xu et al. | An adaptive on-board real-time model with residual online learning for gas turbine engines using adaptive memory online sequential extreme learning machine | |
CN106874531B (zh) | 一种大气数据系统在故障时的异常测量值数据自恢复方法 | |
CN109697330A (zh) | 一种用于信息物理系统的故障检测系统设计 | |
CN112651078B (zh) | 一种基于符号动力学的箭体结构状态异常检测方法 | |
CN111191770B (zh) | 一种基于模糊神经网络的火箭系统健康状态评估方法 | |
Zhang et al. | Fault tree analysis of an airborne refrigeration system based on a hyperellipsoidal model | |
Zhang et al. | Fault detection and diagnosis for aerostat sensors based on PCA and contribution graph | |
Zhao et al. | PCA-based sensor fault diagnosis for aero-engine | |
Borguet et al. | Assessment of an anomaly detector for jet engine health monitoring | |
Wang et al. | UAV actuator fault detection using maximal information coefficient and 1-D convolutional neural network | |
Lu et al. | Fault diagnosis for sensors and components of aero-engine based on grey analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |