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。     

旋转整流器断路故障诊断分析

阐述了无刷励磁发电机的旋转整流器在正常工况下的换相原理和换相过程,理论解析了旋转整流器在正常和断路工况下的输入电流波形,定量分析了励磁机励磁电流谐波含量,证明了以励磁电流作为旋转整流器故障诊断依据的可行性。仿真和实验验证表明:定量分析谐波含量提高了旋转整流器的故障检测精确性,为无刷励磁发电机系统的故障诊断研究提供了判断依据。     

基于频谱的缺陷定位技术:逆向切片优于执行切片

一般情况下,缺陷定位技术的应用前提是必须存在测试预言,以判断测试用例的运行结果是失败或者成功,否则将无法使用。然而,在许多实际情况下,测试预言不存在或者很难定义,这就是著名的"预言家难题"。为了应对"预言家难题",利用蜕变测试,扩充了采用逆向切片基于频谱的缺陷定位技术的方法学,实现了其在无测试预言下的有效应用。基于上述研究,进一步对比了SFL技术中执行切片与逆向切片的缺陷定位能力。实验表明,在有测试预言和无测试预言两种情况下,逆向切片比执行切片具有更强的缺陷定位能力,并且公式GP19和ER1’相比于其他公式,更有可能达到最优结果。     

神经规则与案例融合的专家系统知识表示和推理

为了对专家系统中的知识进行表示,并使得推理变得更加准确高效,介绍了一种结合符号规则、神经网络和案例的方法。该方法是把一种混合规则,即神经规则和案例结合在一起。它与传统的基于符号规则推理不同的是,即使有一些未知的输入,也可以执行基于神经规则的推理。实验证明,与传统的专家系统比较,混合推理可以提高故障诊断的效率和精确度。     

BIT系统的三态马尔可夫模型分析

BIT技术是改善系统测试性和诊断能力的重要途径,但是较高的虚警率一直是阻碍BIT广泛应用的一个重要原因。研究过程中将系统状态划分为正常、间歇、故障三种状态,建立了马尔可夫模型,分析、对比了三态模型与两态模型的关系。理论分析结果表明:基于三态模型的BIT,在提高故障检测率的同时,还可以较大程度地降低虚警率。     

油库储油区燃烧爆炸事故树分析

针对油库储油区安全管理点多面广的特点,分析储油区燃烧爆炸事故的相关影响因素和条件,建立完善的事故树模型。通过定性分析理清燃烧爆炸事故与基本事件之间的逻辑关系,定量分析获得各项基本事件的结构重要度排序,找出储油区存在燃烧爆炸隐患的重点部位,制订科学合理的安全信息监控点设置策略,为油库安全管理手段向信息化迈进提供决策依据。     

基于改进多模滤波算法的控制系统故障诊断

应用分层多模自适应滤波算法对控制系统的故障进行诊断时,只能识别出故障的类型,如识别出是传感器还是执行器发生故障,并不能判定出故障的大小.提出一种改进分层多模自适应滤波算法,应用此算法可使分层多模自适应滤波算法不仅可以检测出控制系统的故障类型,而且能够确定发生故障的执行器局部故障程度.将此算法应用于某无人机控制系统的故障诊断,仿真结果验证了该方法的有效性.     

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。     

层次式网络管理系统故障管理子系统研究与实现

计算机网络日益复杂和异构化，迫切需要提高可靠、跨平台的网络管理系统保证网络稳定、高效运行。分析了传统网络管理系统的不足，提出了一层次分布式网络管理系统故障管理算法，并讨论了算法的性能。最后采用ＣＯＲＢＡ，Ｗｅｂ和Ｊａｖａ技术实现了该算法。     

电路故障诊断方法的研究现状与发展

电路故障诊断方法的研究对武器装备电子学位的维修和设计具有重要意义。在简介电路故障诊断基本方法及其存在问题的基础上,介绍了数字电路、模拟电路和数模混合电路故障诊断方法的研究现状、研究热点、研究难点和发展趋势,指出了电路故障诊断方法在实际工程应用中存在的困难和需要解决的问题。