遗传BP网络在雷达装备BIT虚警抑制中的应用研究

针对现有故障诊断方法不能有效抑制雷达装备BIT虚警的现象,提出一种遗传算法优化后的BP神经网络技术抑制雷达装备BIT虚警的方法;首先介绍经遗传算法优化后BP神经网络的基本结构和学习算法,再结合雷达装备BIT的特点,以某火控系统雷达发射机作为被故障诊断对象,采用9个具有代表性的雷达发射机故障特征和8个典型故障,以Matlab作为开发工具进行仿真实验;实验结果表明该方法能准确对故障进行定位,有效抑制BIT虚警,提高雷达系统故障诊断能力。     

基于BP神经网络的智能BIT故障诊断系统研究

论述了智能BIT的设计、检测、诊断、决策四个方面的主要研究内容,分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的智能BIT故障诊断系统,并用某雷达录取终端的故障实际数据进行了验证。结果表明将神经网络与智能BIT结合是一种有效的诊断方法,解决了传统BIT故障诊断能力不足,导致系统虚警率过高、自适应性能差等问题,使被测系统具有更高的故障诊断能力。     

基于HMM-BP-DS的雷达装备BIT虚警抑制方法

针对雷达装备BIT虚警“假报”、“错报”的两类表现,提出一种基于HMM-BP-DS的虚警抑制方法.首先将雷达系统状态划分为正常、虚警和故障3个状态,利用HMM区分系统是否产生故障,消除“假报”现象;再对故障状态下采集到的雷达数据采用BP神经网络和D-S证据理论处理,对故障进行定位,以消除“错报”现象.实验分析结果表明,该方法能有效降低雷达装备BIT虚警率.     

智能机内测试研究综述

机内测试(BIT)是一种能显著提高系统测试性和诊断能力的重要技术,已大量应用于当代航空系统和武器装备中.但虚警问题是困扰BIT应用的重大难题,并严重影响着武器装备的战备完好性和全寿命周期费用;因此,为从根本上解决BIT的虚警问题,智能BIT技术就成为测试领域21世纪的重点研究项目之一;首先简要介绍了BIT虚警的两个主要产生原因,然后重点概述了智能BIT的发展状况,并分析了当前研究方法中存在的不足,最后在研究BIT不确定性的基础上提出了基于粗糙集的智能BIT故障诊断新技术,并指出了该技术中需要研究的若干关键问题.     

基于信息融合技术的装备BIT故障诊断系统应用研究

BIT就是系统、设备内部提供的检测、隔离故障的自动测试能力;传统BIT主要面向单一功能设计,不具有同时应对多信息的处理功能,面对复杂电子装备的多信息处理问题,传统BIT故障诊断能力不足,导致系统虚警率过高,测试性与故障诊断能力下降,在BIT系统中运用信息融合技术对多信息进行整合,对于提高BIT综合效能,实现快速高效的故障诊断具有重要意义;文章首先对信息融合基本原理进行了介绍,构建了基于信息融合的装备BIT故障诊断系统结构,接着对信息融合诊断系统进行了建模,并对模型中基于神经网络的BIT诊断技术、基于D—S理论的BIT决策技术的关键技术进行了研究,最后给出了故障诊断程序流程;该技术研究通用性强,适用于多种不同型号的复杂电子装备的BIT快速故障诊断。     

机电设备BIT系统中虚警的传感层影响机理分析

BIT系统中存在较高的虚警率是制约其发展的关键问题之一,降低BIT系统中虚警率的研究是BIT研究中的主要内容之一.传感数据变化影响诊断输出,从而产生虚警的机理分析,它是后续的降虚警技术研究的基础.首先对传感层测试变化影响诊断输出,进而产生虚警进行了模型分析,然后分析了不同的测试变化类型对基于模型的诊断方法的影响机理.研究结果证明传感层因素对BIT系统中虚警的影响,能有效地指导降虚警技术的研究.     

基于ARTII信息融合的BIT虚警识别

恶劣环境是电子设备BIT运行过程中出现虚警的重要原因,由于样本获取困难,无导师学习神经网络得到广泛重视,本文提出采用ARTII网络对电子设备BIT输出信息和环境应力信息进行融合,自适应识别BIT状态模式,实验证明ARTII网络能准确识别BIT状态,滤除虚警。     

基于机载计算机的BIT测试优化设计

为满足某机载计算机的测试性要求,对BIT技术进行探讨,结合BIT技术的发展现状和发展趋势,在上电BIT、周期BIT和维护BIT、故障检测率和虚警率等方面做了进一步优化设计。探讨了智能故障诊断优化设计方法,优化了一种适用于机载计算机的BIT测试方法。     

基于贝叶斯信息融合的解析余度辅助机内测试决策

利用不同传感器之间的解析关系,产生某传感器的余度信号辅助机内测试(BIT)决策,在虚警率(或漏报率)较高的BIT决策中融合其他可靠性较高的传感器信息.对余度信号的先验分布、虚警率、漏报率进行建模,经残差分析后,给出残差决策结果和BIT结果的后验分布,选择贝叶斯风险小者作为最终决策;同时,给出了贝叶斯融合需满足的条件.实验分析结果表明,该方法增力了BIT决策的可信性,有助于BIT虚警剔除和漏报检测.     

基于BP神经网络的电子设备故障诊断技术

故障诊断涉及模式分类与识别问题,神经网络对外界输入样本有很强的识别分类能力,能很好地实现非线性曲面的逼近.因此神经网络在设备故障诊断中能很好地得到应用,BP神经网络是目前最为广泛和成功的神经网络之一.介绍了BP神经网络在电子设备故障诊断技术中的应用,讨论了BP神经网络的算法和改进算法及其诊断过程,并对某型电台的故障诊断进行了MATLAB仿真.     

基于BP网的交流电机调速系统智能机内检测技术研究

本文介绍了一种采用了智能机内检测技术的交流电机调速系统，基于BP网的机内检测技术提高了故障诊断的精确性．缩短了诊断时间，可对电机提供可靠而有效的保护。     

功能交联条件下飞机混合增强故障诊断方法

由于飞机系统结构复杂,功能交联程度高,传统以机内测试（BIT）方法为基础的机载综合诊断方法受到机载测试点设置限制,故障检测、隔离能力无法完全满足部队使用维护需求。近年来,数据驱动方法发展迅速,并被广泛运用到故障诊断中,其中概率神经网络（PNN）凭借其结构简单、计算速度快、运算精度高和分类结果好等优势,非常适合故障诊断与分类问题。但同时,数据驱动方法由于样本不足,工程应用存在困难,不能完全替代传统方法。为提升系统故障检测率、隔离率,降低虚警率,通过应用PNN处理飞机健康状态数据进行故障诊断,并结合BIT中的诊断信息,利用二者间的互补性提出了一种混合增强飞机系统故障诊断方法。详细介绍了该融合方法的基本原理、融合层次、融合规则等。最后,通过某型号飞机分系统诊断实例表明,该方法检测、隔离能力有显著提升,能够满足功能交联条件下飞机故障诊断需求。     

基于有向图的BIT级联虚警分析

机内测试(BIT)是一种提高系统测试性和诊断能力的重要技术,然而系统部件之间及部件内部存在的关联耦合关系往往导致BIT虚警;采用基于有向图的方法对BIT进行虚警分析,在系统级联图中对一种耦合关系提出同胚的概念,并给出了优化方法,给出BIT虚警分析步骤,分析报故部件的故障可信度和虚警可信度;仿真算例表明该方法可有效地应用于BIT虚警的分析。     

BIT技术在运载火箭测试系统中的研究与应用

对BIT技术在运载火箭测试发射控制系统测试领域中的应用进行了研究。从BIT技术的设计原则、设计原理和工作模式等方面进行分析,设计了BIT测试流程并将其应用在运载火箭测试系统中,利用大数据降低了BIT系统虚警率,对于运载火箭测试领域提高测试可靠性,提高故障检测、故障隔离及排除效率对于火箭测发过程具有重要意义。     

电子设备BIT状态的神经网络预测

首先对基于ＬＭ 算法的神经网络预测性能进行研究。相对快速ＢＰ网络而言,其预测精度高、收敛速度快。然后提出将该方法应用于电子设备ＢＩＴ输出及相关量的状态预测,对存在于航空电子设备中的压力、温度等环境应力的典型变化曲线进行了预测,并在环境应力影响下的ＢＩＴ状态综合预测中得到验证。结果表明,利用时空两方面信息进行状态预测和综合分析是一条提高ＢＩＴ诊断能力、降低虚警的重要思路。     

BP神经网络辅助的缓变故障双阈值检测法

针对传统$\chi ^2$检测法对惯性/卫星组合导航缓变故障检测效率不高的问题,提出一种基于BP神经网络辅助的缓变故障双阈值检测法.基于BP神经网络建立位置与速度子预测器,实现对卫星导航量测数据的预测,在此基础上根据预测精度提出双阈值的低检测门限,辅助残差chi^2检测法进行故障检测与系统重构.仿真结果表明,对于缓变故障,所提出方法能有效提高故障期间滤波精度、降低漏警率以及组合导航的可靠性.