基于ART Ⅱ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ＡＲＴ Ⅱ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ＡＲＴ Ⅱ网络能准确识别ＢＩＴ状态，滤除虚警。     

采用AI理论降低电子设备BIT虚警率

简要介绍电子设备ＢＩＴ发展状况并分析了ＢＩＴ虚警产生的原因，提出采用模糊专家系统（ＦＥＳ）结合综合环境试验发现产生电子设备ＢＩＴ虚警的工艺和设计缺陷；并对竞争神经网络在电子设备ＢＩＴ运行过程中出现虚警识别进行了研究，结果表明可以有效降低电子设备ＢＩＴ虚警率。     

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。     

智能BIT概念与内涵探讨

进２０年来,机内测试（Ｂｕｉｌｔ－ｉｎ Ｔｅｓｔ,ＢＩＴ）技术从理论到应用取得了显著进展,已成为提高复杂系统测试性、维修性的有效途径,并大量应用于大型军用装备、航空航天系统当中。该文首先概要分析了ＢＩＴ 应用中出现的各种问题和智能ＢＩＴ概念的提出过程,在综合国内外相关研究的基础上,提出了智能ＢＩＴ的初步概念,并详细分析了智能ＢＩＴ的主要内涵和研究内容,最后讨论了智能 ＢＩＴ在 ＢＩＴ智能化设计、检测、诊断、决策 ４个方面的应用价值和潜力。     

基于状态维修的电子设备故障预测技术研究

为解决电子设备结构复杂,故障信息不足,故障预测困难,并且现有方法不能直接对电子设备进行状态预测等问题,文中提出了基于状态维修(CBM)的最小二乘支持向量机(LSSVM)和隐马尔科夫模型(HMM)组合故障预测方法;首先采取灵敏度分析法确定电路中要可能发生变化的元件,通过改变元件参数来设置电路的不同退化状态;其次建立组合故障预测模型;最后对该电路进行状态预测;结果表明,文中提出的方法能够直接预测电路的不同状态,进而实现直接预测电子设备的故障状态,预测精度可以达到93.3％.     

基于改进神经网络算法的医疗锂电池PHM系统设计

针对医疗电子设备锂电池不确定性发生故障耽误病人救治的问题,提出了一套医疗电子设备锂电池故障预测与健康管理系统(Prognostics and Health Management-PHM);搭建了一套医疗电子设备锂电池数据测试与退化状态模拟的实验平台;为了反映医疗电子设备锂电池健康状态,将锂电池四个健康因子作为医疗电子设备锂电池退化状态的特征进行提取,并通过非线性自回归(Nonlinear Autogressive with Exogenous Inputs-NARX)神经网络,对四个健康因子的数据进行训练,训练后用于容量估计,得出等间隔放电时间序列能够较好地表征锂电池健康状态;为了提高基本粒子滤波算法(Particle Filter-PF)的精度从而更精确地预测锂电池剩余寿命(Remaing Useful Life-RUL),通过人工免疫粒子滤波算法(Artificial Immune Particle FilterAIPF)与经验模型对锂电池进行剩余寿命预测,并将PF预测的结果与AIPF预测的结果进行对比,发现AIPF预测更加准确,说明AIPF有效抑制了PF重采样过程中粒子退化问题,验证了医疗电子设备锂电池故障预测与健康管理系统的可行性与可实施性。     

YH-ITM中数据缓冲部件的设计与实现

智能工具机ＹＨ－ＩＴＭ是一个基于ＲＩＳＣ、支持多种人工智能语言和传统Ｃ语言的通用智能计算机系统。数据缓冲部件ＤＢＵ是该系统中的一个重要组成部分。本文论述了ＤＢＵ的功能、结构、工作状态、对多处理机环境及对Ｐｒｏｌｏｇ的支持，以及对各类访问的处理。     

基于建康管理技术的机载计算机智能故障诊断方法

为了满足飞机机载电子设备以状态监控为基础的视情维修保障策略,提升设备可维护性,提出了一种基于在线检测、故障预测、辅助决策的健康监控管理故障诊断方法,支持对机载电子设备的健康状态进行预测和评估。通过划分机载电子设备子功能的敏感威胁区域,对这些区域设计专门的威胁预警监控电路,进行功能危害监控,建立推理监控模型对监控电路故障进行预警监控,结合辅助决策的方式对预警到的故障进行定位,实现对电子设备的智能故障诊断。通过FMEA的分析与故障注入测试验证,该预警电路、推理模型和辅助决策能有效的预测故障及定位,具有较高的故障预测覆盖率,可提高机载计算机的维修性、降低维修时间,在电子设备视情维修策略上具备工程应用价值。     

电子设备环境应力筛选试验研究

对电子设备在制造过程中常采用的环境应力筛选试验进行研究,对环境应力筛选中常规筛选和定量筛选进行了比较;阐述了电子设备电装之后需施加定量振动应力,以剔除焊接、装配中的虚焊、松动等缺陷的应用,以及需根据设备特点施加定量电应力,以剔除元器件早期失效的应用;根据国军标中筛选应力的描述,对温度和振动应力进行分析;研究表明,温度循环筛选在故障率方面是恒定高温筛选的16.9倍;随机振动在故障率方面是正弦振动的4.8倍;对产品施加电应力能够起到剔除元器件早期失效的作用,覆盖率建议达到90%以上。     

基于隶属度函数的电子设备故障预测研究

针对当前电子设备模块化方向发展现状,及时了解电子设备的运行状态,预防故障并缩短维修时间,采用模糊隶属度函数的方法,将设备的模糊状态进行量化,引入可信度因子及有关融合算法对以上数据进行处理,最后根据自动测试设备(ATE)测得的数据及专家经验,对该方法进行了验证;经实验证明,该方法是可行有效的,对电子设备的故障预测具有较高的准确度。     

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。     

Distributed BIT diagnostic network Microsystems for miniature mobile robot

A perfect detecting method is a key factor for robotic systems, and the Built-in-Test (BIT) is the most important technological approach to improve the testability and diagnostic capability of robotic systems. The Miniature Wheel-Track-Legged Mobile Robot is studied, a distributed diagnostic network is presented based on Microsystems, BP network is applied and integrated with D-S evidence theory organically to deal with uncertain information. The robot can work in harsh environment, and has multimode moving methods, finally, an illustrative example of robot faults diagnosis proves that the BIT detecting system can obtain more status message through good structure, hiberarchy and module designing. Furthermore the system can get the information exactly and locate the faults properly, then isolate them. The self-diagnostic capability of robot can meet the need of the increasing reliability.     

基于学习矢量量化网络的智能BIT故障诊断方法

将一种经过修正的基于学习矢量量化算法的竞争网络应用在多电飞机电气系统智能BIT故障诊断中,该网络在竞争层实现故障模式的自组织聚类,在输出层给出了具体的故障模式,通过与原算法进行比较,修正后的算法达到了很好的故障识别和分类效果.     

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。     

基于BP神经网络的BIT虚警抑制技术

从BIT设计、工作可靠性上论述了虚警产生的原因,并以此提出了BIT虚警抑制的方法.分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的故障诊断系统,并对导弹测试数据进行了实验,结果表明将BP神经网络用于故障诊断能够有效地抑制虚警产生,使被测系统具有更高的故障诊断能力.     

机械产品BIT系统的结构设计研究

研究了机械产品BIT结构设计的方法.借鉴电子产品BIT与机械设备状态监测与故障诊断系统结构设计技术,以典型传动系统为对象,在故障分析、模块划分、确定方案的基础上,分别对信息获取、信号处理、诊断决策3方面的结构设计中应考虑的问题和设计内容进行了分析,给出了机械产品BIT系统的一般结构.     

一种BP神经网络机场噪声预测模型

机场噪声预测对机场噪声控制、航班计划制定和机场规划设计具有十分重要的作用。现有的机场噪声预测模型都是以飞机的噪声距离曲线（NPD曲线）为核心,用相应的数学模型将其修正至与具体机场的特定环境条件相关的噪声传播模型,存在预测成本高和误差大的缺点。针对这种情况,提出一种使用BP神经网络利用机场噪声历史监测数据进行NPD曲线修正计算方法,从而建立适用于特定机场环境条件的机场噪声预测模型。实验表明,在特定机场的特定环境条件下,允许误差为0.5 dB时,该模型预测准确率高达91.5%以上,具有预测成本小、准确度高的特点。     

基于改进的神经网络对航空发动机故障率预测研究

以某俄式发动机为研究对象,根据该发动机故障分布,使用优化后的BP神经网络对该故障率模拟。针对BP神经网络可能陷入局部极小值点的问题,在激励函数中加入模糊参数。与原网络相比,在不同学习速率的条件下,优化后的BP神经网络预测结果与实际故障率更为拟合,预测结果更为准确。该模型对于该型号发动机的故障预测具有一定参考意义。     

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.