智能BIT故障诊断技术研究与实现

在了解智能BIT技术的基础上,对智能BIT技术做了简要概述,深入研究了智能BIT故障诊断技术,着重研究了专家系统诊断法。针对某型雷达发射系统,先建立二叉判定树,将判定树的知识表示成专家系统的知识,采用关系数据库来实现专家系统知识库的存储。数据库利用SQL的强大功能,给出判定树深度优先搜索过程,并结合例子加以说明,成功实现基于专家系统的智能诊断。     

雷达智能BIT故障预测方法研究

在总结了几种比较常见的故障预测方法的基础上,介绍了基于统计学习理论的支持向量回归算法。提出将智能遗传算法用来对支持向量回归模型的参数进行优化选取,并详细介绍了模型参数的选取过程,避免了参数的盲目设置。将建立起来的模型应用于雷达智能BIT故障预测领域,并以一组智能BIT状态监测的数据对预测模型进行训练和验证,实验结果表明支持向量回归模型能有效地对雷达故障进行预测。     

边界扫描的BIT在某新型机载雷达中的应用

针对某新型机载雷达BIT存在的问题,提出了基于边界扫描的板级BIT测试技术。首先介绍了边界扫描测试技术的产生背景和基本原理,分析了将其应用于新型机载雷达的可能性,然后给出基于边界扫描的板级BIT设计方案和板上测试机的组成原理,经分析证明该方案能够有效地改善和提高新型机载雷达的BIT性能。     

智能理论在BIT设计与故障诊断中的应用

近２０年来机内测试（ＢＩＴ）技术从理论到应用取得了显著进展,已成为提高产品测试性和诊断能力的有效途径。本文概述了ＢＩＴ技术的特点,分析了国内外ＢＩＴ的发展趋势,对ＢＩＴ智能化从系统设计、信息处理到综合决策各阶段进行概括,对专家系统、神经网络、模糊理论、信息融合等智能理论在ＢＩＴ中的应用进行了综合分析,并初步建立智能ＢＩＴ的理论框架     

采用神经网络技术降低机电设备BIT虚警

机电设备 Ｂ Ｉ Ｔ 的突出问题是虚警率高,重要原因之一是 Ｂ Ｉ Ｔ 系统传感器通路故障。本文选取神经网络技术进行传感器通路故障诊断,剖析某大型船舶动力装置机电设备 Ｂ Ｉ Ｔ 系统中传感器通路的故障机理和类型,得到其故障样本数据,经过神经网络学习训练后对实际系统进行故障诊断和识别,实验结果表明该方法简洁、有效,能够有效地诊断故障并识别出故障类型,具有实用价值。     

滚动轴承故障智能诊断系统的研究

本文结合“滚动轴承故障智能诊断系统”的科研课题,介绍了智能诊断系统研制过程中轴承故障特征频率的近似计算、智能诊断报警参数的确定、报警门限值的确定、趋势预测及实验诊断结果分析。     

BP神经网络在电子设备可靠性验证中的应用

讨论了借助MATLAB的BP神经网络解决电子设备在寿命分布未知和小样本试验数据时的可靠性评估方法, 并给出了一个应用实例, 该方法可以提高可靠性评估置信度, 并能节省试验时间和费用, 特别适用于大型复杂电子设备。     

神经网络技术及其在军用系统中的应用

本文介绍了神经网络的基本理论、特点及其通常的基本模型,概述了世界各国的神经网络技术现状,论述了神经网络技术在军用系统中的潜在应用和所取得的最新进展。文中同时探讨了神经网络的关键支撑技术并对我国开展神经网络技木研究提出了建议。     

RBF神经网络在飞艇单发停车故障中的应用

针对飞艇单发停车故障,提出了一种基于径向基神经网络的模型跟随非线性重构控制策略,并使用遗传算法对RBF网络进行了优化.该方法通过响应误差构造神经网络的学习规则,神经网络的输出驱动系统向着消除误差的方向运动.理论分析和仿真验证表明,该控制策略具有良好的重构性能和鲁棒性.     

神经网络在雷达装备故障趋势预测中的应用

为了提高预测精度,在雷达装备状态监测与故障趋势预测系统中引入基于指数衰减的神经网络预测模型。通过普通BP网络预测模型引出基于指数衰减的神经网络预测模型,经验证预测精度较高。并介绍了雷达装备状态监测与故障趋势预测系统构成,此系统对于雷达装备的早期故障预测和预防性维修具有重要意义。     

导弹故障智能诊断的一种实现方法

研究了基于神经网络的故障诊断专家系统的理论和方法及具体实现过程。将此方法应用于导弹武器系统故障智能诊断之中 ,结果表明该方法是一种行之有效的故障智能诊断方法。     

电力电子逆变器开路故障智能诊断的关键要素优化方法

为了解决电力电子逆变器开路故障智能诊断面临的实际故障样本缺乏、变特征适应性问题,相应从数据、算法两大智能化要素角度提出了一套优化方法,以支撑电力电子逆变器开路故障智能诊断的实际应用。数据要素方面,提出基于逆变特性的故障样本扩增方法,明确了诊断模型训练所需的最少实际样本量;算法要素方面,提出一种诊断模型注意力增强方法以及模型频率点自适应训练方法,显著提高了面对逆变器宽频运行的模型训练效果及诊断准确率。实验验证了上述智能化要素优化方法的有效性。     

基于概率神经网络的设备故障诊断及仿真分析

针对某些难于建立准确数学模型的复杂系统,用神经网络的方法进行故障诊断有其独特的优越性.首先分析了概率神经网络(PNN)的基本结构及其训练算法,建立了某型航空发动机故障分类的概率神经网络模型,通过对该设备故障进行定性诊断,对比分析了概率神经网络与常用的误差反向传播神经网络(BPNN)分类模型对各类故障的分类效果.仿真表明,基于PNN模型的分类方法在分类速度、精度和泛化能力方面均优于基于BPNN的模型,是一种有效的故障分类方法.     

控制系统故障的智能诊断技术

综述和讨论了故障诊断的模糊逻辑法、神经网络法和模糊神经网络法,并对其研究情况作了展望。     

火控系统BIT设计与实现

采用层级BIT设计架构,建立了系统级和模块级BIT系统设计模型。设计了PBIT、CBIT、IBIT测试项探测函数、恢复函数等节点属性的统一数据结构。引入故障树理论设计了PBIT、CBIT、IBIT通用自动遍历故障树测试算法,可以实现多种火控系统的\"自下而上\"的节点测试和\"自上而下\"的故障诊断。在某火控系统预研项目的应用表明,本BIT系统的设计方案合理可行,易于维护,可显著提高通用火控系统的测试性和可靠性。     

多重结构神经网络在平台罗经故障诊断中的应用

提出了基于层次分类诊断模型的多重结构神经网络 (MNN)在平台罗经故障诊断中的应用方法 ,并对其温控子系统的人工神经网络 (ANN)进行了Matlab实现     

导弹智能故障诊断专家系统的一种实现方法

针对导弹系统故障诊断的特点,将人工神经网络和专家系统技术结合起来,设计开发了一种导弹智能故障诊断专家系统,阐述了其系统结构及设计原理,该方法克服了传统的基于规则的专家系统的某些缺陷,在实际运用中是可行的。     

电机故障诊断中的信息融合利用问题研究

对电机故障诊断中的可用信息进行了分类,并针对单一诊断技术对信息利用不足的问题提出利用信息融合的理论,指出了基于信息融合的电机故障诊断技术应解决的问题;给出了基于信息融合的电机故障诊断的基本框架;最后概述了诊断中信息融合利用的方法。结果表明,充分利用电机运行中的各种信息,采用基于信息融合技术的故障诊断方法可以提高故障诊断的准确性和可靠性。     

基于粗糙神经网络和网络撕裂的故障诊断方法

利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。     

基于BP神经网络的复杂电子设备实时故障诊断专家系统

以某型通信设备为例,介绍了如何将BP神经网络和传统的专家系统结合在一起,构成实时的故障诊断系统,从而避免传统的专家系统存在的一些问题,更好地解决故障诊断的问题.