BTL23W4航空傳感器容錯技術

BTL23W4航空傳感器容錯技術BTL5-E57-M0700-J-DEXC-TA12

BTL5-E57-M0700-J-DEXC-TA12提煉出傳感器之間的約束關系和故障規(guī)律,構建了一組多輸入多輸出GRNN,用于估計傳感器輸出,與測量值生成殘差,通過與門限值比較判斷可疑傳感器,找到神經網絡組中的具有小可疑傳感器數的GRNN。采用可疑傳感器的估計信號做為重構信號交叉驗證其它GRNN。通過驗證即可確定可疑傳感器為終故障傳感器。為了控制神經網絡的回歸精度,將多輸入多輸出神經網絡分解為多個多輸入單輸出網絡。通過仿真數據驗證了該方法用于傳感器故障檢測的可行性。,電力電纜的需求量也是日益增加。但是,由于鋪設條件的復雜性以及日常使用環(huán)境影響等因素,使電力電纜的故障時有發(fā)生,嚴重的影響了用電系統的安全運行和人們的日常生活。因此,本文歸納分析了配電電力電纜故障發(fā)生的原因,并且介紹了常用的幾種檢測方法的原理以及方法,探索了10k V配網電力電纜故障檢測自動定位技術,為以后的配電電纜的故障提供有利幫助。 變速器故障診斷和分析的經驗,梳理變速器診斷和分析的一般方法,并通過三個案例介紹如何運用現象、數據、經驗和原理等信息資源對變速器故障進行診斷和分析。本文結合DCT360批產后的變速器故障診斷和分析的經驗,梳理變速器診斷和分析的一般方法,并通過三個案例介紹如何運用現象、數據、經驗和原理等信息資源對變速器故障進行診斷和分析。 太陽能無人機技術的發(fā)展,無人機的留空時間要求越來越長,保障無人機獲取自身準確的運動信息是確保其長期自主飛行的關鍵技術之一。然而,在長時間飛行過程中,外部環(huán)境的變化可能導致無人機導航系統部件精度劣化、失效等故障,若不能及時檢測并處理故障,很難保證無人機組合導航系統長期可靠工作。針對上述需求背景,本文研究了無人機組合導航系統的故障檢測與容錯技術,構建了無人機的多信息融合容錯組合導航模擬系統,設計了組合導航系統的故障檢測與容錯算法。主要工作如下:(1)針對提高多傳感器組合導航系統多種類型故障條件下的容錯性能和精度問題,設計了捷聯慣性導航系統/北斗衛(wèi)星導航系統/定位系統/天文導航系統(SINS/BDS/GPS/CNS)組合導航系統,提出了一種根據故障檢測信息分配聯邦濾波權重的多傳感器融合方案。SINS模型輸出的基準狀態(tài)信息分別與其他傳感器的量測信息構成局部濾波系統,局部濾波系統輸出的狀態(tài)信息與基準狀態(tài)信息輸入到故障檢測模塊,對各傳感器進行故障檢測;輸出的故障檢測值作為權重計算函數的輸入變量,計算得到各局部濾波系統狀態(tài)估計的分配權重,融合各局部濾波系統狀態(tài)估計后,得到系統的全局狀態(tài)估計;將全局狀態(tài)估計值反饋到SINS進行補償,減少SINS誤差對解算精度的影響;采用該方案便于故障檢測和處理,減少故障傳感器對系統的影響。(2)針對多傳感器融合系統中難以檢測和處理故障的問題,提出了一種結合雙狀態(tài)傳播卡方檢驗和模糊自適應濾波的容錯組合導航算法。設置兩個相同的系統模型作為狀態(tài)傳播器,使用融合后的全局估計信息定期對狀態(tài)傳播器交替重置校正,防止故障信息污染系統,提高狀態(tài)傳播器精度;設置故障檢測的模糊隸屬度函數,輸入雙狀態(tài)傳播卡方檢驗得到的故障檢測值,計算獲得各量測子系統的*率;利用子系統*率計算各量測子系統聯邦濾波權重,根據故障檢測值自適應改變聯邦濾波權重處理故障信息,得到系統全局狀態(tài)估計。仿真結果表明:該算法綜合了兩者的優(yōu)勢,能有效提高故障檢測靈敏度,在SINS精度較高時能有效檢測和處理量測子系統的多種類型故障。(3)針對無人機不同機動模式下SINS建模噪聲統計特性變化導致組合導航系統精度下降的問題,提出了一種基于改進交互多模型的多傳感器數據融合容錯組合導航算法。根據先驗知識分別獲取平穩(wěn)運動和快速機動情況下系統建模噪聲的統計特性下限值和上限值,等效系統模型建模噪聲統計特性表示為這兩種情況下建模噪聲統計特性加權和,加權系數由相應傳感器信息的似然函數在線計算獲得。

BTL23W4航空傳感器容錯技術BTL5-E57-M0700-J-DEXC-TA12

BTL5-E57-M0700-J-DEXC-TA12計算得到的等效系統模型作為狀態(tài)傳播器并行運行,設計了基于改進交互多模型的雙狀態(tài)傳播卡方檢驗算法,選取具有小故障檢測值的傳感器信息更新建模噪聲統計特性加權系數;結合模糊自適應濾波算法,給出了基于改進交互多模型的多傳感器容錯算法詳細步驟。仿真實驗表明,該算法在SINS精度不是很高時,仍能較好地檢測和處理量測子系統多種類型故障。(4)針對MEMS-SINS非線性特性較強導致擴展卡爾曼濾波算法難以處理多傳感器容錯融合的問題,提出了一種結合無跡卡爾曼濾波的多傳感器容錯融合算法;推導了基于無跡卡爾曼濾波的多傳感器聯邦濾波公式,設計了結合雙狀態(tài)傳播卡方檢驗和無跡卡爾曼濾波的容錯組合導航算法詳細步驟;SINS模型輸出的基準狀態(tài)信息分別與各傳感器的量測信息構成無跡卡爾曼濾波子系統,直接處理非線性系統,避免了線性化誤差;通過模糊自適應容錯濾波算法實時分配各量測子系統聯邦濾波權重,得到系統的全局狀態(tài)估計。仿真實驗表明,該算法應用于MEMS-SINS組合導航系統時,能有效檢測和處理量測子系統故障信息,提高系統容錯性能。

BMF 235K-H-PI-C-A8-S4-00,3    BMF00LC
BTL5-E57-M0700-J-DEXC-TA12    BTL23W4
BES M08MH1-5B-S04G    BES0023
BNS 816-X742-B02-00-12-602-11    BNS03ML
BMF 07M-NS-D-2-SA2-S49-00,3    BMF000C
BMF 303K/HW30-PS-C-2A-SA2-S49-00,3 ASM    BMF004N
BMF 103K/HW85-PS-C-2A-PU-03 ASM    BMF001U
BMF 103K/HW85-PS-C-2A-SA2-S49-00,3 ASM    BMF0097
BMF 303K/HW30-PS-C-2A-SA2-S49-00,2 ASM    BMF004M
BMF 303K/HW40-PS-C-2A-SA2-S49-00,2 ASM    BMF008J
BMF 103K/HW43-PS-C-2A-PU-02 ASM    BMF001T
BNS 816-X849-B06-00-12-610-11    BNS03N9
BNS 816-X851-B06-00-12-610-11    BNS03NC
BNS 816-X850-B06-00-12-610-11    BNS03NA
BHS A404N-POC15-S49    BHS0053
BES 515-211-E5-E-S27    BES02E6
BES 515-217-E5-E-S21    BES02EC
BES 516-300-S295/4.990"-S4    BHS0048
BES M08MH1-NOC20B-S04G    BES03T6
BNS 819-X536-D02-L12-100-10-FD    BNS0320
BNS 819-D06-E12-100-10    BNS00L0
BNS 819-B03-D08-46-10    BNS01T1
BNS 813-D03-D12-62-20-01    BNS01C3
BNS 813-D04-R12-62-20-01    BNS01EH
BMF 303K-PS-C-2A-SA11-S49-00,5    BMF00KA
BAE SA-CS-001-NO    BAE009J
BCS R08RR01-PSMFAC-EP02    BCS008H
BCS R08RR01-POMFAC-EP02    BCS008J
BCS R08RR01-NOMFAC-EP02    BCS008L
BCS R08RR01-PSM80C-EP02    BCS0051
BMF 303K-PS-C-2A-SA6-S49-00,5    BMF004A
BMF 303K/HW30-PS-C-2-SA2-S49-00,3 ASM    BMF004K
BAE SA-CS-001-NS    BAE009H
BCS R08RR01-POM80C-EP02    BCS0052
BML-S1F1-A62Z-M310-90-KA10    BML002U
BAE SA-CS-001-PO    BAE009F
BIP AD0-F014-01-EP02-510    BIP0011
BCS R08RR01-PSMFAC-EP00,2-GS49    BCS008M
BIP AD0-F014-01-EP02-508    BIP000Z
BCS R08RR01-NSMFAC-EP02    BCS008K
BIS C-108-05/L    BIS000C
BTL7-V50D-M0500-P-C003    BTL266T
BMF 303K-PS-C-2A-SA6-PU-03    BMF0048
BMF 303K-PS-C-2A-SA6-S49-00,3    BMF0049
BES 516-122-S4-C    BES016P
BMF 235K-NO-C-2A-PU-02    BMF00AW
BCS R08RR01-POMFAC-EP00,2-GS49    BCS008N
BML-S1F1-Q61D-M310-F0-KA05    BML001A
BNS 819-B02-D16-72-10    BNS0249
BMF 303K/HW31-PS-C-2-SA2-S49-00,3 ASM    BMF00EE