基于状态监测与信息融合的雷达装备故障趋势预测

针对现代雷达故障诊断和预测中与装备故障相关的信息很多及故障趋势难以预测的问题,在分析常用故障趋势预测方法的基础上,提出了基于状态监测与信息融合的雷达装备故障趋势预测模型,研究了不同信息运用FMECA、FTA、故障案例等方法进行归一化处理的方法.该方法充分利用信息之间的冗余性和互补性,以期提高故障预测的可靠性和精确度,使...     

基于数据挖掘的装备维修性定量分析与研究

为了充分挖掘装备故障维修数据中的有用信息和知识,更好地为维修性分析、设计提供服务,根据所收集的某舰船装备维修历史数据的特点,提出采用数据挖掘的方法对在役装备故障和维修信息进行维修性定量分析。通过对装备维修历史数据中的装备进行面向功能属性的分类研究,对故障现象进行聚类分析研究,可以得到各类簇装备故障模式的分布情况,通过进一步计算,可以得到在役装备的平均修复时间(MTTR)等维修性指标,从而为装备故障原因分析、保障特性的设计需求生成等工作提供有效的数据支撑。     

基于隐Markov树的序贯故障诊断模型

为了充分利用先验信息和实测信号,提高故障识别率,根据Bayes方法和序贯决策的思想,将实测信号分段,将前一段信号的诊断后验信息作为后一段信号的先验信息,提出了一种基于隐Markov树(hidden Markov tree,HMT)的序贯故障诊断模型.给出了诊断模型的建模步骤、HMT模型的建立方法和Bayes后验概率的计算方法.将模型应用于某型减速器故障诊断的结果表明,对于有先验信息和无先验情况,该序贯模型都可以有效地提高故障识别率.     

基于RBF神经网络的导弹自动驾驶仪故障诊断

系统地分析了某型导弹自动驾驶仪的结构功能,在此基础上提出了采用RBF(径向基函数)神经网络对自动驾驶仪进行故障诊断的方法;提出了用Gauss(高斯)函数对获取的数据进行归一化处理的方法,再用处理后的数据训练RBF神经网络。实验结果表明,训练后的神经网络能快速、准确地诊断自动驾驶仪的故障,为自动驾驶仪的故障诊断提出了一种新的方法。     

基于改进D-S证据理论的滚动轴承故障诊断

针对单一分类器进行故障诊断时诊断精度不高、随机性强的问题,提出一种基于改进D-S证据理论的滚动轴承故障诊断方法,构建了信息融合诊断框架。首先,利用BP神经网络、支持向量机、径向基神经网络构建初步诊断层,将提取的特征信息进行初步诊断;然后,利用改进的D-S证据理论构建融合诊断层,将初步诊断层的诊断结果进行融合,并根据诊断规则得到最终的诊断结果;最后,采用不同的信息融合方法对滚动轴承故障数据进行对比研究。试验结果表明:使用改进D-S证据理论的滚动轴承故障诊断方法能够有效提高证据可信度,降低不确定性,提高故障诊断精度和故障诊断模型的鲁棒性。     

小波分析在电子装备供电设备故障检测中的应用

新型电子装备供电设备封装性能好,可及测点少,故障检测和诊断难度大.在分析供电设备声信号产生机理的基础上,提出了一种利用小波分析理论对声信号进行处理,实现非接触、不解体故障检测与诊断的方法.论证了频带能量分析法和极大值分析法提取故障特征信息的可行性,并给出了故障特征参数算法.实验证明,该方法能有效地检测和诊断故障.     

随动系统模拟电路模块化故障诊断研究

针对人工神经网络在对装备电路进行故障诊断时出现的网络结构庞大，而影响网络诊断速度的问题，提出了模块化诊断思想。首先根据电路的功能特点以及系统电路分割的原则，将装备电路分割成具有独立功能的模块及子模块，然后建立起混联、串联2种模型，分别对其提出逻辑思想、模糊信息融合的诊断方法，从而将电路故障快速、有效地定位在模块级别，如需进一步诊断元器件故障，只需对故障子模块建立规模较小的诊断网络，从而有效避免诊断大规模电路时诊断网络结构庞大的问题。     

大型电子装备层次诊断应用研究

根据电子装备诊断的特点,探讨了利用层次性理论对电子装备进行故障诊断的必要性和可行性,给出了层次性诊断中层间诊断和层内诊断的概念、原理及实现方法。首次将可列集的概念引用到层次诊断中,并给出了层次诊断中故障模式空间的选取原则,为层次诊断的工程实现和未来进行多信息诊断提供了基本框架。     

基于多级RBF神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题，提出了一种基于多级RBF神经网络集成的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息，建立多级神经网络集成观测器模型。将输出与传感器实际输出相比较获取残差序列，获得基于残差序列的传感器偏置故障和漂移故障的辨识策略，实现控制系统传感器故障在线诊断。将三容水箱液位控制系统作为仿真对象，仿真结果表明该方法不仅可以提高单一神经网络的运算精度，而且采用RBF神经网络集成方式还要优于其他集成方式，可以快速准确地检测和分离传感器故障，辨识传感器故障类型、故障大小以及故障发生的时间。     

基于多信息的柴油机缸套磨损故障诊断研究

采用了模糊神经网络模型,对柴油机缸套磨损故障以及缸套破坏性磨损故障进行了诊断研究.通过缸套磨损故障的模拟实验,获取柴油机机身振动和铁谱分析等多源多维故障信息,并对融合故障信息进行预处理,解决了模糊神经网络输入矢量的模糊特性化、输出矢量的隶属函数及网络的学习训练问题,对缸套不同磨损故障进行了诊断.研究表明,这种基于多信息的诊断方法减小了故障诊断的不确定性,提高了诊断精度.     

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。     

基于支持向量机的故障诊断方法及其应用

提出了一种采用模糊手段进行特征提取、支持向量机进行模式分类的内燃机燃油系统故障诊断方法.该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,首先采用模糊手段对故障信号和原因进行特征提取,接着利用支持向量机进行分类实现特征级诊断,最后将其应用于内燃机燃油系统的故障诊断中,取得了令人满意的结果.     

基于小波包频带能量检测的神经网络故障诊断技术

利用小波包频带能量检测技术对观测信号进行处理,从中获取反映故障特征的信息,以此作为输入对网络进行训练,可对故障进行比较可靠的分类。同时介绍了利用小波包频带能量检测技术提取观测信号特征向量的方法和步骤,以及基于松散小波神经网络的故障诊断方法。最后结合某型导弹舵系统故障诊断的实例,给出仿真试验,证明了该方法的有效性。     

ANN-FRIFS在多传感器信息融合故障诊断中的应用

对于多传感器故障诊断系统,必须根据环境的变化和传感器的状态等合理地运用各传感器的信息。文中设计了一种基于经验规则和模糊推理功能的ANFIS置信度判别器,此判别器能自适应地对各传感器数据综合判别,得到它们相应的故障置信度,进而对多传感器的信息进行融合,提高了诊断的准确度。     

信息论在柴油机故障诊断专家系统中的应用

本文应用信息论的基本原理,对柴油机故障诊断中故障与特征参数的关系进行了分析,提出了一种优化求解包含最大信息量的特征参数组的快速诊断方法及步骤;同时本文还应用加权熵的定义对诊断用的信息量进行了处理。本文对故障诊断专家系统的研究具有实用意义。     

指挥控制系统故障诊断专家系统的设计与实现

以专家系统理论为基础,针对某指挥控制系统的组成和下属工作站的结构特点,分析了该系统故障发生和故障传播的机理,应用故障树分析法,建立起系统的故障树。研究了故障的知识获取和表示方法,推理策略和推理机的构建。应用面向对象技术,构建了一种基于层次诊断模型与故障树分析法相结合,融经验诊断和原理诊断为一体的故障诊断专家系统。     

设备故障诊断技术的现状与发展

设备故障诊断技术已发展为一门独立的跨学科的综合信息处理技术,是目前研究领域的热点之一。该论文集中介绍了目前设备故障诊断的几种重要技术与方法,如故障树分析法、小波分析、神经网络识别和基于复合知识库的专家系统等。通过分析指出,把传统方法与现代理论相结合、把现代理论与先进技术相结合、把设备故障的诊断与修复相结合、把理论方法与应用效率相结合是今后的发展方向。     

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。     

大型卫星地面站故障诊断的增强分层有向图方法

为了解决传统分层有向图模型在卫星地面站故障诊断面临的问题,提出了基于增强分层有向图模型的故障诊断方法。在建模过程中,考虑到卫星地面站故障征兆多、建模复杂,依据各设备工作状态的故障传播方式合并同类节点,以减小模型规模;同时,在模型中加入节点有效性使能函数,克服传统分层有向图模型中设备主备切换导致系统结构发生改变时需要重新建模的问题。在故障诊断推理过程中,采用反向回溯和正向推理相结合的方法减小故障源搜索空间,并基于各节点被搜索次数给出故障概率,提高诊断效率。以北斗卫星无线电测定业务地面站为例对单故障和多故障报警场景下的故障诊断方法进行了验证。结果表明,基于增强分层有向图模型的故障诊断方法可以提高故障诊断的准确率和全面性。