数据基故障诊断算法更新问题研究

机内测试被广泛应用于故障诊断、装备健康管理与预测等领域。针对机内测试设备在设计和升级时遇到的分类器更新、样本数量不平衡、硬件条件限制问题,提出初步解决方案。利用基于密度的聚类和人工免疫方法处理原始数据;提出基于代表样本点的混合学习方法;利用支持向量机和仿真案例验证所提方法。结果表明所提方法能够解决上述问题,有助于基于数据的机内测试设备设计与升级。     

基于TSMD-SVM-HMM的机内测试智能降虚警方法

机内测试虚警问题是影响系统完好性和使用保障费用的重要因素。针对环境因素导致的虚警问题,设计了时间环境应力测量装置,应用支持向量机的小样本学习优点,建立虚警与环境因素的关联关系,应用隐马尔可夫模型的连续动态信号处理能力,描述系统长期工作历程中虚警的发生规律,提出了基于时间环境应力测量装置-支持向量机-隐马尔可夫模型的机内测试智能降虚警方法。最后,在某型直升机航向姿态系统上进行了应用与验证,试验结果表明:该方法有效识别出了机内测试的虚警。     

一种隔振器动态力学特性试验方法

针对如何确定隔振器低频动态力学特性的问题,设计了一种利用材料试验机进行加载测试以获取其力学特性参数的试验方案。依据谐波振动理论,推导了待测参数表达式,进而提出了一种隔振器加载时力学特性参数测试新方法。以JYQN型气囊力学特性参数测试为应用实例,验证了所提方法的科学性与适用性。     

基于紧支径向基函数的固体域耦合数据传递方法

针对热-电场耦合仿真计算中非匹配网格之间的数据插值问题,提出了一种基于紧支径向基函数点插值的数据传递方法。推导了数据传递矩阵,根据所提出的数据传递方法编制了非匹配网格之间数据传递计算程序,以若干组非匹配网格之间的温度插值为例对本文所提方法进行了验证,并分析了不同参数对计算时间及精度的影响,结果表明,本文算法效率较高,计算误差较小,适用于以热-电场耦合为代表的固体域耦合非匹配网格间的数据传递计算。     

测试性增长中资源优化配置模型及求解

良好的测试性设计对系统维修性具有重要意义,测试性增长试验通过一系列测试性设计缺陷发现和纠正措施,可保证系统测试性指标达到设计要求。针对基于延缓纠正的测试性增长过程中的资源配置问题进行研究,基于增长试验目标是否明确和试验资源是否受限制问题构建资源优化配置模型,并提出一种基于拉格朗日松弛和本地搜索的快速优化算法。仿真结果表明:该模型能够有效指导测试性增长中的资源优化配置问题,所提混合优化方法能够高效、准确地求解整数规划问题。     

基于Z-number和改进DS证据理论的风险评估方法

针对任务风险难度量、评估信息不确定性强等问题,提出一种Z-number和改进DS证据理论的风险评估方法。利用Z-number方法描述评估指标,得到各风险等级的初始基本概率分配（basic probability assignment,BPA）;基于信度熵和皮尔逊相关系数改进DS证据理论克服悖论问题进行信息融合,确定风险的最终等级;接着,基于信息融合结果引入Joussleme距离求解专家可信度。最后,以重装空投任务为例,验证本文所提风险评估方法的合理性,并对比分析不同改进DS证据理论方法得到的结果,验证所提方法的有效性和准确性。     

校准方法和存内训练相结合的忆阻器神经形态计算方法

基于忆阻器的神经形态计算架构在图像分类、语音识别等领域取得了较好的效果,但当忆阻器阵列存在低良率问题时,其性能会出现明显下降。提出一种基于忆阻器神经形态计算的校准方法和原位训练相结合的算法,利用校准方法提高乘累加计算的准确率,并利用原位训练方法降低训练误差。为了验证所提方法的性能,采用多层感知器架构进行仿真。从仿真结果来看,神经网络的精度有明显的提高(近40%)。实验结果表明,与单纯的校准方法相比,采用所提方法训练的网络精度提高了约30%,与其他主流的方法相比,所提方法训练的网络精度提高了0.29%。     

密集阵近程防御武器系统的内测分系统

密集阵系统根据其体系结构一体化的特殊性,通过盘设计了一个完整的机内测试系统,以保证系统的可操作性和正常工作。本文主要介绍该系统机内测试的特点,功能概况和评价。     

异步非平稳干扰抑制方法

为解决单通道条件下异步非平稳干扰抑制问题,提出基于数据驱动的稀疏分量分析干扰抑制方法,旨在从接收到的混叠信号中恢复期望信号。该方法利用深度卷积神经网络对输入/输出端数据间的复杂映射关系的强大建模能力,实现了目标信号稀疏域的自适应选择、稀疏域中目标信号稀疏表示的自适应学习以及目标信号的自动恢复。与以往干扰抑制算法不同,所提方法在时域上完成了“端到端”的信号波形恢复,且对混叠观测无先验要求,相比现有方法更具普适性。仿真实验验证了所提干扰抑制方法在不同环境噪声和干扰信号强度及泛化测试条件下的有效性,对干扰的抑制性能显著优于现有算法。     

面向动态毁伤概率和目标价值的武器目标分配方法

面向毁伤和目标价值动态变化条件下的大规模武器目标动态分配问题,提出了一种基于深度强化学习的武器目标分配求解方法。该方法采用双神经网络结构,基于武器目标分配目标函数设计了一套简单、直观的状态与奖励建模方法。通过仿真实验对所提方法进行了验证,结果表明,所提方法能够较快实现收敛,且整体毁伤和计算效率上优于基于粒子群的方法。所提方法能够有效应对毁伤概率和目标价值动态变化条件下的武器目标分配问题,说明了其良好的拓展性。该方法可应用于作战任务规划、仿真单元自动交火等场景下的武器目标分配快速求解。     

数据驱动的复杂系统非预期故障诊断通用过程模型

提高对复杂系统非预期故障诊断能力是故障诊断领域的难点。结合非预期故障诊断内涵及基本原理,构建了一种用于复杂系统非预期故障诊断的通用过程模型。该模型采用四层递进结构,包括四个主要模型,即预期(已知)故障检测模型、预期(已知)故障识别模型、非预期(未知)故障检测模型和非预期(未知)故障识别模型。分析了各模型所包含的关键问题及其相应的实现算法,包括检测统计量的构建及评估、故障特征方向提取、故障识别器设计及故障贡献率计算。该通用过程模型规范了复杂系统非预期故障的诊断流程,明确了数据驱动的实现原理。以卫星姿态控制系统为例,验证了非预期故障诊断通用过程模型的有效性。     

考虑机内测试诊断的维修任务模型及算法

机内测试设备（Built—in Test Equipment,BITE）在复杂系统中的应用越来越多,由于BITE诊断存在不确定性,就可能导致无效的维修．采用一种考虑BITE诊断不确定性的维修任务选择模型及其求解算法,以在一定置信水平下获得最佳的维修方案．首先,给出了考虑BITE诊断不确定性的维修任务选择问题的假设条件,建立了非线性的、离散的随机机会约束规划模型．其次,设计了求解随机机会约束规划模型的一种基于随机模拟的粒子群算法,包括粒子的表示、适应度函数、更新公式、算法框架等．最后,给出了具体实例,证明了模型与算法的有效性．该模型适用于管理人员在考虑BITE诊断不确定性的情况下做出合理的维修任务选择决策．     

某型步兵战车导弹综合集成智能故障诊断系统

针对某型步兵战车导弹武器系统的测试与诊断问题,在研究了诊断对象测试参数、故障特点和故障机理的基础上,运用单片机技术、电子测量技术和智能故障诊断技术,研制了集参数测试、技术维护、故障诊断与维修于一体的某型步兵战车导弹武器系统综合集成智能故障诊断设备,设备具有对步兵战车导弹武器系统的自动、快速、实时和在线检测与故障诊断的功能。详细地给出了系统的设计与具体的实现过程。     

基于改进零树小波的图像压缩算法在舰船故障远程诊断中的应用

结合舰船故障远程诊断中图像压缩、传输存在的问题和特点,提出对故障诊断图像实现感兴趣区域无损编码与背景区域高压缩比压缩相结合的思路。比较JPEG和JPEG2000算法的编码过程及缺陷,利用小波变换具有多分辨率分析的特点,提出了基于改进零树小波算法。以离散小波变换为基础,产生嵌入式码流,利用较粗尺度系数来预测较细尺度系数。针对某型燃气轮机的零级动叶部位破损的故障,完成了舰船故障远程诊断中机电设备故障图像的压缩应用研究。研究表明:原始图像压缩后能有效降低数据量;重构图像中的感兴趣区域清晰,说明改进零树小波算法完全能满足远程诊断需求。     

面向装备健康管理的可测性指标研究

可测性指标是开展可测性设计、验证和评估的依据.针对传统可测性指标主要用于故障可检测性和故障可隔离性水平评价,不能全面反映面向装备健康管理可测性水平的问题,在定性分析装备健康管理对可测性的本质需求基础上,从全域和瞬态角度提出了五个可测性指标以定量描述面向装备健康管理的可测性水平;并基于故障模式状态矢量给出了可测性指标的分析计算流程.最后以某装备柴油机的机体子系统为案例详细说明了可测性指标的计算过程,应用结果表明所提指标具有一定的可行性和合理性,可以有效指导面向装备健康管理的可测性优化设计.     

基于改进LS-SVM的异步电机转子故障诊断

为了提高异步电动机转子故障的诊断精度,给出了一种基于改进最小二乘支持向量机(LS-SVM)的多故障分类算法。首先运用FFT处理电机的定子电流信号得到信号频谱图,从中提取故障特征向量;然后将特征向量送入改进算法进行故障诊断时,在原有多分类算法的基础上引入层次分析法确定故障类别的权重,根据权重值确定故障的诊断顺序,依次进行故障分类。实验表明,改进算法用于故障诊断节省了诊断时间,提高了诊断精度,具有很好的推广前景。     

基于PCA-RBF网络的储运过程管道堵塞故障诊断方法

针对现代储运过程管道堵塞故障诊断时,提取的过程参数多导致诊断速度慢、性能差等问题,提出了基于主成分分析（PCA）和径向基函数（RBF）神经网络故障的诊断方法。首先利用PCA方法对储运过程高维历史数据矩阵进行特征提取,提取的故障特征信息作为训练集,并给出故障特征信息的分类号;然后将其作为RBF神经网络分类器的输入输出进行故障模式识别。仿真实验表明：该方法应用于储运过程管道堵塞故障诊断,不仅大幅度地降低了诊断模型的训练时间,而且提高了诊断正确率。     

基于依赖矩阵的Web服务组合故障诊断

为了保证指挥信息系统在动态环境下能够提供持续可靠的组合服务,提出一种利用依赖矩阵对Web服务组合故障原因进行诊断的模型,对依赖矩阵的建立进行了详细说明。然后,基于构造的依赖矩阵,提出改进的贪心算法对失效情况进行探测,并设计了基于二分查找的故障定位算法。实验模拟表明,提出的模型能够利用少量探测就能监测整个服务组合流程的运行情况,并定位找到错误源。     

基于模糊逻辑和证据理论的故障诊断方法

针对故障诊断过程中信息损失的问题和D-S证据理论在处理模糊信息时的局限性,在模糊逻辑的基础上,将决策级信息融合技术应用于故障诊断系统中,提出了一种基于模糊逻辑和D-S证据理论相结合的多传感器信息融合综合故障诊断方法。该方法以模糊隶属函数来实现基本可信度分配,充分利用各种传感器的冗余和互补信息,可显著提高故障诊断的准确率,实例验证了该方法的合理性和有效性。