基于缸盖振动的燃油喷射系统故障诊断

对V型12缸柴油机缸盖振动燃烧段信号与缸内压力进行了时域对比,分析了失火时的缸盖振动响应,研究了供油规律随转速变化情况。分析表明缸盖振动中包含喷油器针阀落座的振动响应,研究了基于短时能量动态双阈值端点检测提取针阀落座响应时间特征的方法,利用振动信号的峰值加速度来表征针阀落座的强度。在不同工况及不同状态下提取了针阀落座时间及强度的振动特征,结果表明：振动特征能够有效反映针阀的工作情况,可以用于燃油喷射系统故障的诊断。     

基于AIS反面选择算法的炮射导弹故障诊断方法

提出将人工免疫系统（Artificial Immunity System,AIS）中的反面选择原理应用到炮射导弹故障诊断中,依据免疫算法实现故障诊断的基本原理,构建了基于反面选择算法的故障诊断数学模型,解决了在故障先验知识和故障特征信息缺乏等情况下的故障诊断问题,并通过对炮射导弹制导仪系统中的故障进行实例分析,验证了该方法的有效性和优越性。     

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...     

层次分析在故障诊断中的应用

首先在对当前复杂装备故障传播特点进行分析的基础上,参考层次分析理论.对于层次分析在故障诊断中应用的有效性进行了阐述.最后,结合工程实践,对于装备层次诊断模型的建立,提出了将装备功能结构层次模型与故障层次模型进行相关建立的方法,并给出了诊断推理过程的基本搜索策略,对于提高复杂装备的故障诊断效率具有一定的工程应用价值.     

基于模糊时间Petri网的决策融合模型及时间推理

针对常规导弹旅作战指挥决策过程中伴随大量随机、并发情况的特点,提出利用线性逻辑给出的模糊时间Petri网来描述作战指挥决策融合过程。通过建立相应的FTPN模型,并利用时间推理的方法来分析模糊时间Petri网的运行行为,说明其在作战指挥决策融合中的应用。     

基于D-S证据理论和AHP的故障诊断方法研究

提出了一种基于D-S证据理论和AHP的故障诊断方法,给出了基于AHP法的基本概率分配构造方法.最后,结合故障诊断实例,详细阐述了该诊断方法的应用过程,在对多个传感器提供的证据进行合成后,诊断结论的可信度明显提高,不确定性明显降低,证明该诊断方法合理有效.     

某装备吊机液压故障诊断专家系统设计

装备液压系统快速故障诊断是维修保障人员亟待解决的难题.以某装备吊机液压系统故障诊断为研究对象,梳理历年故障案例库,运用故障树解析故障原因、逻辑及耦合关系,明确故障产生的全部最小割集.将故障树与专家系统有机结合,依据故障规则构建基于故障树的专家知识库,选用自上而下正向查找方式的推理机制,融合概念图知识匹配模式,设计模糊含权概念图的投影匹配算法.在VB环境下实现专家系统软件功能,使系统具备知识库持续升级、用户故障定位查询、故障排除指导、历史故障记录、诊断报告生成等功能,有效指导维修保障人员进行装备液压系统的故障诊断与排除,并可推广至其他型号、类型的装备液压系统故障诊断中.     

模糊理论在导弹系统故障诊断中的应用

任何系统的故障都有一定的模糊性,因此模糊理论在故障诊断中有着广泛的应用.模糊故障诊断有利于提高系统的故障诊断的水平,本文以模糊理论知识为基础,建立了系统的模糊故障诊断模型,并应用于某型号导弹武器系统的故障诊断中,结果证明该模型的有效性和合理性.     

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     

态势估计中一种基于最大后验概率估计的时间推理方法

态势估计中统计时间推理在许多应用中非常重要。Ｋｉｒｉｌｏｖ的基于极大似然估计（ＭａｘｉｍｕｍＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｉｏｎ，ＭＬＥ）的推理方法将未知时间变量看作常数，忽略了它的先验信息，估计方差较大。针对这一问题，本文首先建立了已知时间信息和未知时间变量之间的关系模型，这一模型可用来解释Ｋｉｒｉｌｏｖ的方法；然后在这一模型下，将未知时间变量扩展为随机变量，采用基于最大后验概率估计（ＭａｘｉｍｕｍａＰｏｓ－ｔｅｒｉｏｒｉＥｓｔｉｍａｔｉｏｎ，ＭＡＰ）的方法进行统计时间推理。对两种推理算法的性能进行了分析和比较，发现在较宽的范围内，基于ＭＡＰ的方法性能优于基于ＭＬＥ的方法。