基于SOM算法和免疫神经网络的飞机燃油系统故障诊断

针对传统的飞机燃油系统故障诊断方法如硬件冗余方法和系统模型检测方法存在的飞机重量限制和难以建立精确数学模型的问题,设计了一种基于SOM算法和BP神经网络的故障诊断模型;首先,建立了系统故障诊断模型并对诊断原理进行了描述,然后,对故障征兆数据进行预处理,即先采用SOM算法进行连续属性离散化处理,再通过粗糙集互信息方法进行属性降维,以减少数据量和提高诊断效率;最后,建立了基于BP神经网络的故障诊断模型,为了进一步提高故障诊断精度,在采用免疫优化算法对BP神经网络故障诊断模型中的各参数即权值和阈值等进行优化的基础上,进一步采用BP反向传播算法进行参数调整,从而得到最终的故障诊断模型。通过飞机燃油系统故障诊断实例仿真实验证明了文中方法能较为精确地实现故障诊断,且与其它方法相比,具有较高的诊断精度和诊断效率,具有较大的优越性。     

基于RS的提升机故障诊断规则获取方法

在提升机故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题.本文中提出了一种基于粗糙集理论的提升机故障诊断规则获取模型.该模型使用基于粗糙集理论的启发式算法对诊断规则进行简约,从而生成诊断规则集,建立了用于故障诊断的规则库.通过对提升机故障诊断的仿真实例表明,该方法有效地简化了特征参数和诊断规则,减低了诊断成本,提高了故障诊断的准确率.     

基于集成神经网络的电机故障诊断

研究异步电机安全控制问题,为解决故障诊断和速度问题,提高电机运行效率,减小早期故障损失,提出了一种基于集成神经网络的电机故障诊断方法。方法采用定子电流和转子振动信号作为电机故障诊断的输入信号,应用改进的BP神经网络进行故障识别,分别用两个诊断子网络进行局部故障诊断,再运用神经网络融合算法进行全局决策的融合,从而提高诊断的准确率。仿真研究结果表明,故障诊断模型具有诊断准确率高、诊断速度快等优点,是一种比较实用的故障诊断方法,对电机进行故障监测、预报具有重要的实际意义。     

改进的OHF Elman神经网络应用研究

为提高Elman神经网络的诊断效率,对OHF Elman神经网络进行研究。在OHF Elman网络基础上引入收益因素,提出改进的OHFElman神经网络,并将其应用于齿轮箱的故障诊断。建立了改进OHFElman神经网络和OHF Elman神经网络两种模型,并对这两种模型进行了仿真。一系列训练与测试结果表明,基于改进OHF Elman网络的齿轮箱故障诊断系统能够提高故障诊断的准确率和效率,可以应用在实际工程故障诊断中,为故障诊断技术提供了一种更有效的方法。     

基于模型的专家系统研究与实践

本文首先提出了一个层次诊断模型，它采用深层和知识和浅层知识进行故障诊断。然后介绍一种基于模型的媒机故障诊断专家系统，该系统能够进行在线自动诊断。     

基于BP算法和Petri网的柔性制造系统故障诊断

针对传统Petri网难以精确描述故障发生的不确定性以及缺乏学习能力的缺点,将BP神经网络和加权模糊Petri网相结合,定义了一种新的能对故障进行诊断的模型——BPFPN网(A net based on BP and FPN),并提出了对BPFPN网故障诊断模型进行构造的算法,以及一种将BP神经网络算法应用于BPFPN网故障诊断模型实现对各种参数进行训练的方法;最后通过对实验参数为=5000,算法学习速率η=0.05,学习误差Δe=0.0002的柔性制造系统加工中心故障诊断实例进行实验,在对各种参数进行学习后,能够有效地实现对故障的诊断,证明了BPFPN网是一种有效的故障诊断方法。     

基于小波分解和RBF网络的三极管电路故障诊断

在分析现有三极管放大电路故障诊断算法不足的基础上,提出了一种基于模型的小波-RBF网络故障诊断算法。在PSPICE环境下建立三极管常见的故障模型,利用多层小波分解优异的时频特性提取故障特征参数,利用RBF强大的非线性分类能力和快速的收敛特性进行了典型共基极放大电路中三极管的软、硬故障诊断仿真。计算及仿真结果显示,这种故障诊断算法具有诊断速度快、诊断正确率高的特点。     

基于深度学习的变压器故障诊断方法研究

油中溶解气体分析方法（DGA）是变压器内部故障诊断的重要方法,广泛应用在变压器在线监测和定期试验检测中,传统的特征气体法和三比值法等诊断方法在实际应用中普遍存在着一定的局限性,导致故障诊断精度偏低。针对这一问题,本文提出了一种基于深度学习技术中的多层感知机的变压器故障综合诊断方法,利用开源的Scikit-learn 机器学习框架及TensorFlow深度学习框架构建了变压器故障诊断模型,并应用实际工程中的故障样本数据,对故障诊断模型进行了训练和测试。试验结果表明,基于多层感知机技术的变压器故障诊断模型能够对变压器故障进行正确诊断,与传统的三比值法及支持向量机技术相比,多层感知机的诊断准确率更高,具有更优的故障诊断性能,能够为变压器的检修提供更为准确的参考信息。     

基于模糊理论和遗传算法的导弹故障诊断方法研究

研究了一种将有向图、模糊理论和遗传算法相结合的智能故障诊断方法。用有向图来构造系统模型,用模糊集来解决模型中的不确定性问题,用遗传算法来对可能的故障传播路径进行搜索。当被诊断的系统含有不可测量节点时,该方法仍然可以很好地进行诊断。将该方法应用于某大型导弹武器装备的故障诊断系统中,实践证明,该方法行之有效并可以大大提高故障诊断效率。     

基于概率神经网络的柴油机故障诊断与预测研究

针对柴油机故障诊断、预测难的问题,分析了柴油机常见故障及影响因素,介绍了柴油机故障数据的提取、分析和处理方法,建立了一种基于概率神经网络的故障诊断与预测模型。仿真结果表明,该模型能够有效地对柴油机等复杂机械系统故障进行诊断和预测,可以快速准确地给出诊断结果,其故障诊断和预测准确率达到94.84%。     

基于免疫原理的多Agent故障诊断系统

随着系统设备和功能的日益复杂化，各种故障现象成因越来越复杂，现有固定的诊断推理模型却难以满足复杂系统诊断面临的全部要求。针对故障诊断系统难以适应动态变化环境的缺点，该文以励磁设备的在线故障诊断为背景，研究故障识别的症兆与诊断决策置信度之间的机制，借鉴生命体的相似性原理与免疫应答的调节理论构造诊断模型重构控制的细胞免疫型结构模型，研究免疫型诊断模型的选择激励与重构动力，提高诊断系统确诊率，设计基于免疫原理的多Agent故障诊断系统．为复杂的电气设备诊断开发提供便捷的工具。     

基于模糊控制和大数据算法模型的电力运维故障诊断设备方法

针对现有技术中对电力运维故障检测灵敏度低、诊断误差大等问题,设计了一种新型故障诊断方案。该方案将PID模糊控制计算器与大数据算法模型相结合,并采用实时布线的方法减少诊断面积,基于改进型大数据算法模型提取电力运维设备故障数据特征,对电力运维设备运行工况构建诊断网络,通过分析电力运维设备工况的功能系统完成数据诊断。为了减少诊断误差,该研究设计了一种故障诊断设备,采用集成芯片化设计和算法程序,减小体积的同时保证检测结果的准确性。实验结果表明,该研究方法故障诊断误差小,准确率最高达到98.6%。     

新型雷达装备故障诊断规则的AFRS提取方法

针对经典粗糙集方法在雷达装备故障诊断规则提取中,由于离散化带来的误差,提出将原始数据模糊化,然后使用蚁群算法进行属性约简,从而达到避免离散化和提高诊断规则准确度的目的;通过实验证明该方法能够克服经典粗糙集的不足,在雷达装备故障诊断中取得了良好的效果,为新型雷达装备的故障诊断开劈了一条新的途径。     

基于神经网络的复杂电子装备故障诊断系统的仿真研究

该文针对复杂电子装备故障诊断难的特点，以一种典型设备的主要几种故障主例，设计了一种新型神经网络模型，并对系统进行了仿真，讨论了以此模型为基础进行诊断的可能性和正确性，实践表明了该模型的有效性和合理性，与传统方法相比，提高了故障诊断的准确度，而且充分运用了工作经验、专家知识，具有很大的工程应用价值。     

基于BP神经网络的军用电源智能故障诊断

电源设备的可靠运行关系到地空导弹武器系统的性能,对电源系统进行准确的故障诊断是十分重要的.为对地空导弹武器系统中电源设备故障进行准确诊断,介绍了BP神经网络和某型地空导弹静变电源的相关知识,建立了三相DC/AC逆变器的故障模型,并对几种常见的故障进行了简要的分析.最后,将BP神经网络模型应用于某型地空导弹静变电源的故障诊断,利用神经网络较好的模式分类能力,解决了以往地空导弹部队进行静变电源故障诊断的不足.仿真结果表明,该方法能够准确诊断电源设备的故障,验证了该方法的准确性和实用性.     

基于系统参考模型的混合故障诊断技术研究

为满足复杂系统的故障诊断需求,提出了一种基于系统参考模型的混合故障诊断方法。针对不同系统中各节点的多种故障模式和交联关系,采用定性和定量的方法建立混合故障诊断参考模型。首先构建系统对象的故障元模型,然后建立对应的领域模型,最后基于故障诊断推理机实现对系统当前故障的诊断。通过构建某飞行数据设备的故障诊断模型,并进行仿真验证,结果表明该方法可以实时准确地判定系统故障,为提高复杂系统故障诊断的效率、提升系统运行安全提供了有效保障。     

电能计量互感器二次回路故障远程诊断方法

为保障电量计量设备平稳运行,提高二次回路故障诊断准确率,提出了电能计量互感器二次回路故障远程诊断方法,提高不同原因导致的二次回路故障诊断效果。在电能计量二次侧的电压、电流二次回路上布置各检测点,通过远程诊断设备的PT监测单元、CT监测单元、多路模拟采集器采集各检测点的电参量数据,传输至远程诊断设备的故障诊断单元,故障诊断单元综合处理接收的各数据信息,利用基于改进粒子群优化的BP神经网络故障诊断模型诊断互感器二次回路故障,并输出故障诊断结果。实验结果表明：该方法经80次迭代后,适应度曲线达到最佳收敛效果,获得最小MSE值,可有效识别电流信号的波形变化,实现不同原因导致的互感器二次回路故障的远程诊断,且故障诊断准确度高。     

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。     

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。     

油料装备智能维修仿真平台研究

在研究油料装备维修管理特点的基础上,提出油料装备智能维修仿真平台框架。为提高维修效率和质量,将模糊神经网络应用于故障诊断中,建立故障智能诊断模型,给出了故障诊断模糊神经网络结构。将灰色预测理论和神经网络应用于装备维修领域,建立油料装备维修备件储备策略模型。研究微粒群优化算法的油料装备维修策略模型,使得油料装备维修有效性及经济性达到最佳。油料装备智能维修仿真平台的研究,对提高油料装备维修科学化和智能化水平,加强油料装备保障力度具有重要意义。