武器装备故障预测建模方法选择研究

针对武器装备故障预测方法选择需要考虑的实际问题, 从国际标准化组织对故障预测的定义出发, 明确预测建模需要考虑的因素, 在此基础上对故障预测定义作进一步扩展, 突出故障预测具有的显著特征; 结合装备的实际使用环境, 设计故障诊断和预测流程, 以及对应故障预测方法选择标准; 对具体的每一种故障预测方法划分其主要类别和优缺点, 总结每种预测模型在工程实际中的使用方式, 为具体案例选择合适预测方法提供依据。最后根据目前故障预测应用还存在的差距, 指出未来进一步研究的方向。     

基于深度学习的故障预测技术研究

针对常规故障预测方法难以分析复合故障的情况下各个故障对系统的交互作用、难以分析装备数据复杂特征、难以实时准确预测故障等现状,对现代大数据和人工智能方法应用在故障预测领域进行研究,提出基于深度学习的故障预测技术,将系统故障预测可分为动态预测和静态预测。利用深度学习算法处理装备状态监测和试验验证获得的海量故障数据,通过故障模型训练、故障特征识别、故障演化规律获取来对系统进行在线动态预测;针对软件故障突变特性,利用软件质量特征属性进行静态故障预测;同时,提出使用开源深度学习框架TensorFlow进行系统研制方法。通过基于深度学习的故障预测技术,能够提高装备故障预测能力。     

基于数据驱动的故障预测模型框架研究

为解决基于数据驱动的故障预测缺乏统一的预测框架的问题,提高故障预测精度,提出了一种通用的故障预测模型和框架.总结分析了单项故障预测方法的优缺点和故障预测研究现状,研究了基于数据驱动的故障预测的一般过程,将融合单元的概念应用到故障预测领域,用以描述预测过程中设备状态的数据变化,建立了基于数据驱动的故障预测模型,从而得到了一种统一的故障预测框架,为基于数据驱动的故障预测研究提供借鉴.     

基于三维依赖矩阵的故障预测策略设计

针对不同基于状态监测的故障预测方法难以在一个平台下集成和组合的问题,设计了基于故障、测试、衰退信息三维依赖矩阵的故障预测策略设计框架,在框架内给出了故障预测需求设计和预测用测试选择的基本方法,并在灰色预测和支持向量回归预测的基础上,通过融合粒子群和声算法给出了一种灰色支持向量回归智能组合衰退趋势预测分析方法,结合故障预测实例验证了所给方法的有效性和准确性.     

融合案例与规则推理的故障预测专家系统

根据故障预测的特点和要求，将案例推理引入到故障预测专家系统的设计中，阐述了案例的描述和检索方法。并以全新的角度提出了基于案例与规则的故障预测推理机制，对二者的结合方式作了阐述，给出了专家系统的整体实现结构。     

基于灰色Verhulst-小波神经网络的装备故障预测研究

针对现代武器装备故障预测样本少、故障预测精度低、维修保障困难等问题,提出一种基于灰色Verhulst-小波神经网络组合模型的装备故障预测方法。该方法综合了灰色Verhulst模型所需样本少的优点和小波神经网络良好的时频局域化性质和学习能力,克服了小样本故障数据在BP神经网络训练中的缺陷。实验结果表明,与相关研究方法比较,所提出方法具有较高的预测精度,对于武器装备故障预测与维修保障具有一定的理论价值和现实意义。     

基于虚拟样机的机械装备故障仿真预测技术研究

基于机械系统仿真软件ADAMS建立了武器装备虚拟样机，提出了一种新的故障预测方法，研究了模糊评判和虚拟样机技术在武器装备故障仿真预测领域中的应用，最后进行了实例分析。     

基于融合技术的电子产品PHM系统研究

针对故障预测与健康管理(PHM)的复杂性,对融合技术进行了深入的分析和研究,提出了一种基于神经网络的特征融合方法,融合结果最大限度的给出决策分析所需要的特征信息,提高了故障诊断的可靠性;在预测方法上,提出了一种基于故障预兆监控与推理和失效物理(PoF)模型方法相融合的预测方法,充分利用了每种预测方法的优势,故障预兆监控与推理的方法能够提供故障诊断功能,而失效物理(PoF)模型的方法则有助于确定故障根源,融合预测方法能更加及时准确的预测故障;融合技术丰富了PHM的理论体系,提高了其实用价值。     

基于马氏距离的航空装备故障预测研究

故障状态类型的判别是航空装备故障预测系统的核心环节,它直接影响到故障预测的准确性;针对航空装备的故障状态类型判别问题,提出一种基于马氏距离的故障预测方法;首先介绍了马氏距离,其次建立了状态数据库矩阵及状态判别模型,并给出了基于马氏距离的故障预测流程;最后将该方法用于某型飞机火控系统的故障预测中,使得在线和离线的平均故障预测准确度分别达到98.48%和97.77%,表明马氏距离在航空装备的故障预测中有较好的应用和推广价值。     

基于模型推理的系统级故障预测框架设计

针对装备实施故障预测过程中状态监测可达性的限制,提出系统级故障预测问题。通过参照国际标准化组织对故障预测的定义,界定系统级故障预测范畴,在此基础上应用基于模型推理的方法,构建系统级故障预测框架,实现从高层次系统监测信息中推理低层次难接近部件状态,更符合装备实际使用要求。     

基于动态灰色预测的网格故障检测算法

针对网格系统故障检测的需求，提出了一种基于动态灰色预测的网格故障检测算法。基于不可靠故障检测思想，建立了网格系统及故障检测模型；结合心跳策略和灰色预测方法，设计了一种动态心跳机制，并给出了预测模型和实时预测策略；提出了基于该动态心跳机制的网格故障检测算法，分析了算法的可靠性,并通过仿真实验验证了算法的正确性和有效性。     

基于虚拟样机的故障模糊预测系统设计研究

分析了现有装备诊断系统中存在的问题，建立了故障现象的预测模型，并由此设计了一种基于虚拟样机的故障模糊预测系统，并介绍了系统的总体结构和各模块的功能，最后阐述了预测系统知识库的建立方法及推理机制。     

基于LSSVM的电子装备故障预测研究

针对电子装备的故障信息不足,故障发生率高等特点,通过故障预测有效的监测设备故障状态以及发展趋势,实现对设备的事先维修,避免重大事故的发生,提高电子设备的安全性。对电子装备故障预测进行了分析,提出了一种基于最小二乘支持向量机（LSSVM）的故障预测方法。首先介绍了LSSVM故障预测算法的基本原理和预测流程;然后,对整个电子装备的故障预测研究可以从一个类似的模拟带通滤波器电路故障预测研究出发,将该元件容差设为不同范围来定义电路的不同故障状态,将LSSVM方法与最小二乘法、支持向量机法对电路的不同状态进行预测,可以得到不同状态的预测值,研究结果表明提出的方法能够实现模拟电路的缓变故障预测,且预测效果较好。     

支持视情维修的故障预测技术研究

详细介绍了故障预测技术的定义、研究内容、研究方法、研究难点及其研究趋势.结合分析设备健康退化过程提出了故障预测的研究内容,并且按照故障预测实现所采用的方法将现有的文献分类进行了详细综述.     

基于预测观测器的时滞系统故障诊断

提出一种新的可有效检测和估计时滞系统故障的预测观测器.借助预测控制思想,在选取的优化时域内构建预测观测器,通过调节预测观测器中的可调参数来跟踪系统实际输出.与以往基于H∞滤波器的故障诊断不同,预测观测器将其转化为控制问题来解决,不但能检测出故障的发生,而且还可估计出故障函数,对不同类型的故障也有很好的适应性.对各类故障的仿真结果表明了该方法的可行性和有效性.     

故障仿真预测系统的知识处理

在对某装备故障仿真预测知识分析的基础上，利用模糊数学理论导出了模糊推理运算规则，研究了模糊知识的表示形式和实现方法。此种方法已成功的应用在反后坐装置故障模糊预测系统中。     

基于状态维修过程中的故障预测问题分析

故障预测作为基于状态维修实现的关键,可以有效支持维修管理者的决策。参照国际标准化组织对故障预测的定义,划分故障预测过程,提出预测方法性能评估至少存在的两种方式,在分类和比较现有预测方法的基础上,明确预测方法的适用范围和限制条件,为工程预测系统的构建提供参考。     

静态软件中故障数据预测建模研究仿真北大核心CSCD

由于静态软件数据之间的关联性较弱,无法形成可用于推理的逻辑关联。在对静态软件中故障数据判别中,预测过程的数据关联性无法被充分利用,缺少针对关联性的判断过程,导致计算的误差大,提出采用Boosting集成k-NN的静态软件中故障数据预测建模方法。先在不同的Boosting抽样数据集中形成一个新的训练集,并迭代训练出一个基本k-NN的静态软件故障预测器集合,利用该预测器集合分别对相应的软件模块进行独立预测,将各个基本预测值相融合形成一个最终的静态软件中故障数据预测结果。根据弥合数据缝隙的K-均值聚类方法将该预测结果表述为故障数据聚类空间的值域,建立了静态软件中故障数据预测模型。仿真结果表明,采用Boosting集成k--N的静态软件中故障数据预测建模方法建立的静态软件中故障数据预测模型可以较早地发现软件故障。     

数据挖掘重整风机监控系统的研究

文中研究了数据挖掘技术在风机状态预测系统的应用，叙述了风机预测系统的组成原理，着重研究了位移、振动信号数据知识库建立和采用粗集理论对风机进行监测和故障预报的方法。     

基于神经网络多步时序预测的非线性系统故障诊断

提出一种新的基于神经网络多步时序预测的非线性系统故障诊断方法。该方法先利用回归神经网络对多个传感器检测序列并进行多步预测,再由多步预测序列和传感器检测序列生成历史残差序列和预测残差序列。最后,根据统计定义的几个决策指标进行故障检测与诊断。与其它方法相比,本文方法所需信息较少、可诊断的故障较多。仿真表明该方法是有效的,可有效地增强故障信息、抑制非故障信息。