基于改进LS-SVM的雷达故障诊断技术

针对传统雷达系统故障诊断流程复杂、诊断时间长且准确率仍有上升空间的问题,将改进最小二乘支持向量机算法引入到雷达系统故障诊断中,建立雷达故障诊断模型。该方法很好地解决了分类和函数估计问题,加快了诊断速度,改善了最小二乘支持向量机的鲁棒性和稀疏性,并提高了诊断准确率。通过对某型雷达故障诊断实例仿真,对比改进最小二乘支持向量机和传统神经网络在雷达故障诊断上应用的效果,仿真结果验证了该方法较传统神经网络,具有更好的雷达故障诊断效率和准确率。     

基于案例推理的装甲装备故障排除方法

针对装备维修对实践经验的依赖以及经验的隐性化特点,重点对故障案例的表示及案例库组织进行研究,奠定案例检索的基础,优化基于案例推理的装甲装备故障排除方法。     

基于阶次分析方法的齿轮箱齿轮故障诊断研究

研究了旋转机械非稳态振动信号分析中的计算阶次分析方法．分析了该方法在重采样过程中的采样率设置规则．利用插值算法实现了对等时间间隔采样的齿轮箱振动信号的角域重采样,将其应用于齿轮箱加速过程故障诊断,成功识别了齿面磨损故障．结果显示,阶次分析法能有效避免传统频谱方法出现的频率模糊现象,在处理非平稳转速变化信号时具有独特的优越性．     

基于主成分分析的储运过程管道堵塞故障检测

针对现代储运过程典型的管道堵塞故障,分析了其对过程监控参数的影响;采用基于主成分分析的故障检测方法,构建了故障检测流程和检测模型;以储运过程典型仿真系统为研究对象,建立了主成分模型;通过模拟不同程度的管道堵塞故障,进行了管道堵塞故障检测的仿真应用研究,获得了管道堵塞故障统计量控制图.实验结果表明了基于主成分分析的故障检测方法的有效性和正确性.     

基于Prony算法合闸于故障保护方案

将Prony分析方法应用于断路器合闸于故障保护。利用Matlab软件对断路器合闸于输电线路故障和非故障情况下的暂态过程进行建模和仿真,对合闸后半个周波或1个周波输电线路保护安装处实测的电流数据进行采样,应用Pronv算法对其进行分析,提取出此暂态电流中包含的各次自振荡分量的各个特征量,识别出线路中是否存在故障。仿真证明：该分析方法可在合闸后半个周波或1个周波准确求出合闸操作暂态过程中各次频率的分量,从而正确识别线路的故障。     

一种轴承故障等级诊断改进方法

针对频谱分析不能确定轴承故障程度的缺点,提出 PCA（principle component analysis）与优化的 SVM （support vector machine）相结合的方法,研究轴承不同故障类型、同种故障类型不同故障等级的实验振动数据,同时对轴承振动信号的13个特征属性参数进行了主成分分析,确定了最优特征属性参数,并利用优化的SVM 对轴承故障进行诊断。实验结果表明：该方法确定了最优属性参数,减少了冗余信息,提高了诊断准确率,减少了时间消耗,不仅有效地诊断出了轴承的故障类别,而且实现了轴承的故障等级诊断,使诊断更加精细化,为工程实际中轴承的健康管理提供了有益参考。     

针对固定窗口算法的椭圆曲线密码故障分析

针对固定窗口算法实现点乘运算的椭圆曲线密码,基于符号变换故障攻击原理,通过分析不同故障模型下的密钥恢复过程,给出一种能够解决“零块失效”问题的改进故障分析方法,并进行仿真实验。实验结果表明：采用固定窗口算法的椭圆曲线密码易遭受故障攻击,10min内即可恢复NIST-192完整密钥。该故障分析方法也适用于其他采用点乘运算的密码算法。     

神经网络在雷达装备故障趋势预测中的应用

为了提高预测精度,在雷达装备状态监测与故障趋势预测系统中引入基于指数衰减的神经网络预测模型。通过普通BP网络预测模型引出基于指数衰减的神经网络预测模型,经验证预测精度较高。并介绍了雷达装备状态监测与故障趋势预测系统构成,此系统对于雷达装备的早期故障预测和预防性维修具有重要意义。     

模拟器测试与维修训练应用仿真研究

为提高武器系统的故障诊断与维修水平,在模拟器中应该依据电路特点通过故障分析建立故障诊断与维修数据库,然后在此基础上进行故障设置。介绍了故障分析的原理以及数据库的组成,并且举例说明了2类故障的设置方法,为武器系统测试与维修的训练提供了新的方向。经实际使用,该模拟器具有良好的应用前景和显著的军事效益。     

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。