组合网络与证据理论相结合的电路故障诊断

针对神经网络中两种常用的网络类型BP和Elman,在模拟电路故障诊断中的应用过程的特点——各自网络都有自身缺陷,提出基于BP-Elman神经网络与证据理论相结合的故障诊断方法.首先BP-Elman网络得出其各自的初步诊断结果,经过必要的转换将其转换成证据理论的概率赋值,作为证据组合的依据;证据理论组合规则将初步诊断结果融合得出决策级诊断结果.通过对某装备位置调节器板的故障诊断过程表明,该模型经过尽可能融合有效故障信息,大大提高了系统的诊断精度和诊断正确率,而且有效降低了系统不确定性.     

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。     

惯性导航系统故障诊断的不确定性问题研究

针对构造惯性导航系统 ( INS)故障诊断所面临的确定性和不确定性问题 ,提出了基于模糊集理论的诊断方法 ,并给出诊断系统自动获取不确定性证据和确定性证据隶属度的方法及函数 .认为对于确定性证据和不确定性证据可以用统一的方法和原则来处理 ,并建立了两类证据的实用数学模型     

基于证据理论与多模型结合的模拟电路故障诊断

针对模拟电路故障诊断中单一诊断模型诊断结果模糊性与不确定性较大的不足,基于信息融合原理,提出一种结合神经网络、支持向量机(SVM)与DS证据理论的综合诊断模型。在分析了传统BP神经网络与支持向量机的缺点后,分别用改进的免疫遗传算法和粒子群算法对其进行结构优化。利用两种模型的初步诊断结果进行DS证据理论的基本概率分配(BPA),得到证据理论的两个证据体。采用DS融合算法进行决策层融合诊断,定位故障元件。仿真验证表明,该方法可以有效提高故障诊断的准确率,避免了单一诊断模型的偶然性与不确定性。     

基于证据理论的无人机光电侦察设备故障诊断

针对无人机光电侦察设备故障类型多样性以及故障信息不确定性等问题,从信息融合的角度出发,运用证据理论对光电侦察设备故障进行诊断.依据故障统计数据和专家评判矩阵获取基本概率分配,利用证据可信度修正最初的概率分配,再利用证据融合公式得到综合故障诊断结果.最后通过实例验证了该方法的可行性.     

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。     

两级信息融合技术在柴油机故障诊断中的应用

针对传统神经网络在故障诊断中因测点信息多而导致的网络庞大、收敛困难等问题,引入集成神经网络,提高了融合诊断效率;同时引入基于D-S证据理论,这种决策融合方法解决了集成神经网络各个子网诊断结果不一致的问题。在应用于柴油机故障诊断时,首先对测取的正常和故障样本进行小波包AR谱分析,同时提取各个特征频带的能量分别作为集成神经网络对应子网的输入进行诊断,当其无法确定诊断结果时,再运用证据理论进行决策融合输出最终诊断结果。试验证明:基于集成神经网络和D-S证据理论的两级综合诊断模型提高了诊断的准确性和可靠性。     

模糊规则推理在某型导弹故障智能诊断中的应用

针对某新型导弹武器装备尚未形成全面技术保障能力的现状,构建出基于模糊规则推理(模糊矩阵算法和规则推理)的导弹故障智能诊断平台,降低了故障诊断中的误判和漏判,充分发挥了该型导弹装备的效能.该故障诊断系统的诊断方法具有一般性,可推广应用到其他装备的故障诊断系统.     

支持向量机技术的雷达板级电路快速故障诊断

介绍了支持向量机的基本原理.针对目前雷达装备诊断过程中存在的可更换板级电路多、传统诊断方法不理想等问题,提出了一种基于支持向量机的雷达板级电路快速诊断方法.建立了故障诊断样本训练和测试平台,对某型雷达预调器板进行了故障诊断实验.结果表明,该方法诊断准确性高,比其他方法更为快速有效,较好地解决了雷达可更换板级电路的故障诊断问题.     

基于观测器的某火控系统故障诊断方法

以某自行高炮火控系统为对象,研究了基于状态观测器的故障诊断方法,并作了仿真试验.通过状态观测器提取相对余差来检测和识别故障.试验结果表明,对于火控系统中可以建立数学模型的分系统或单体,基于观测器的故障诊断方法具有较好的诊断效果.该方法已成功应用于某高炮火控系统的综合检测与诊断设备中.     

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。     

基于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,提出了一种基于神经网络集成的传感器故障诊断方法。该方法将传感器输出看做时间序列,通过加噪声生成抖动数据,建立多组神经网络,以获得神经网络集成预测器输出。通过将预测器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,实现传感器故障在线诊断。应用结果表明该方法可以提高神经网络的运算精度,从而快速准确地检测和分离传感器故障,辨识传感器故障类型以及故障发生的时间。     

基于NNLI技术的齿轮箱故障诊断

将NNLI技术应用到齿轮箱的故障诊断中,提出了基于NNLI的特征提取方法,并将该方法与神经网络结合起来,进一步提出基于NNLI特征提取的神经网络故障诊断方法,给出了两种不同的网络分类器,通过齿轮箱故障诊断实例验证了该方法的有效性。     

基于Linux/QT的火控系统实时故障诊断方法

针对某数字化火控系统实时故障检测与诊断问题,提出了一种基于对象式框架知识表示的火控系统实时故障诊断方法。该方法采用专家系统与实时进程通信,获取故障征兆,进行实时推理定位故障源。给出了诊断系统的一般架构,介绍故障诊断系统知识表示的形式化描述,实时推理、规则匹配算法和UDP进程通信协议。实际应用证明了这种方法的有效性和可扩展性。     

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。     

基于RBF神经网络和定性趋势分析的传感器故障诊断

针对传感器偏置故障及漂移故障,提出了一种基于RBF神经网络和定性趋势分析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RBF神经网络预测器,通过将RBF神经网络的预测输出值与传感器实际输出相比较获取残差序列,根据残差首先判断传感器是否发生故障,然后用定性趋势分析方法获得传感器偏置故障和漂移故障的辨识...     

基于粗糙集与神经网络相结合的模拟电路故障诊断

针对当神经网络输入端维数比较大造成在模拟电路故障诊断中BP神经网络结构庞大,从而影响到诊断速度以及正确率的问题,结合粗糙集理论和神经网络在信息处理方面的优势,建立了一个基于粗糙集理论和BP神经网络相结合的模拟电路故障诊断模型。通过对某装备位置调节器板的故障诊断过程表明,该模型简化了网络数据样本的维数,优化了神经网络结构,提高了系统的诊断正确率与诊断速度。     

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。     

基于模型参数辨识的动力调谐陀螺故障诊断方法

提出了基于动调陀螺转子动力学模型参数辨识的陀螺故障诊断方法 ,详细探讨了其中的关键技术 ,并以某型捷联惯导系统中的动调陀螺为对象 ,在实测信号的基础上进行了故障仿真与实际诊断。结果表明该方法能有效地诊断动调陀螺故障 ,具有一定的实际应用价值 ,并为陀螺故障诊断研究提供了新的途径和思路。