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。     

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.     

基于熵权的装备保障辅助决策系统效能评判

装备保障辅助决策系统是辅助装备保障指挥员顺利完成装备保障任务的重要手段,其效能优劣极大地影响到作战结果.在辅助决策系统的概念基础上,分析了装备保障指挥的特点,建立了包含决策的合理性、系统的时效性、硬件可靠性等十个指标的评判体系,利用熵权法得出评判指标体系的熵权,给出了系统的综合评判模型.最后通过实例验证了该模型的可行性和实用性.     

战区后勤保障指挥体系有序性判别模型

阐述了构建战区后勤保障指挥体系判别模型的步骤,为战区后勤指挥员提供了一种从信息流的角度分析整体与各部分运行相关性的决策方法。运用耗散结构理论和灰色系统理论,以战区后勤保障指挥体系各个子系统功能发挥作为序参量,通过灰关联度与熵,建立战区后勤保障指挥体系有序性判别模型。对体系各子系统的有序性进行判别,有助于提高体系效能,对战区后勤保障指挥体系平稳运行具有重要的现实意义。     

基于改进TOPSIS模型的防空多目标威胁评估*

根据地空导弹武器系统作战使用原则,确定影响目标威胁程度的五个主要因素,建立目标属性矩阵,并运用群体层次分析法(AHP)和熵权法进行组合赋权,将权重运用到逼近理想解的排序法(TOPSIS法)模型中,给出了基于改进TOPSIS模型的多目标威胁评估模型与算法.实例分析表明该方法是合理和有效的.     

基于数据融合的智能故障诊断仿真研究

武器系统是现代作战系统的重要组成部分.在使用过程中,一旦系统出现故障,就会导致严重的经济损失、人员伤亡和军事上的失利.因此,必须能及时发现、尽快排除武器系统的故障.多传感器数据融合技术与人工智能方法相结合,可使诊断系统具有良好的柔性和可理解性,使之能够处理复杂的故障问题.这是武器系统故障诊断的一个有效、快捷的途径.     

温熵图在热力学中的应用

本文给出了用温熵图证明卡诺定理的更直观更简单的方法;并通过实例证明采用温熵图处理某些热力学问题得出结论的过程也比使用P—V图或常用的热力学方法更为直观、方便。     

近似熵在发动机故障诊断中的应用研究

介绍了近似熵的概念、主要特点及其算法,提出了基于近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,并对发动机声信号进行了分析处理。通过对比正常状态与故障状态的近似熵值,根据其变化有效地提取发动机故障特征,从而实现了对发动机状态的监测与诊断。实验结果表明近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果,是一种行之有效的新方法。     

基于组合熵权的联合作战目标选择模型研究

针对作战中目标选择与排序问题,分析确定了8种在联合作战条件下影响目标选择关键因素。在此基础上应用多属性决策理论,以组合熵权系数确定指标权重,建立了目标选择模型。模型简洁易于实现,并且在决策中有效减少了主观随意性。最后通过仿真实例说明了模型的有效性和可操作性。