基于多智能体遗传算法优化的航空电子设备状态组合预测

针对传统单一预测方法预测航空电子设备状态的不足,提出了将隐马尔可夫模型（HMM）和最小二乘支持向量机（LS-SVM）相结合的组合预测方法。采用多智能体遗传算法（MAGA）对HMM参数进行训练优化,克服了Baum-Welch算法易陷入局部最优解的缺陷,并在HMM建模过程中引入状态条件概率,以降低不确定性因素造成的影响。采用MAGA估计LS-SVM模型参数,并在参数估计的过程中采用剪枝法实现LS-SVM的稀疏性,从而达到提高LS-SVM泛化性能的目的。在此基础上构建了航空电子设备状态组合预测模型。实例分析结果验证了组合预测模型在预测精度、计算速度和稳定性方面的优势。     

一种改进粒子群优化HMM 的故障诊断方法

针对传统故障诊断方法不能准确定位故障位置的问题,提出一种改进粒子群优化隐马尔科夫模型(hidden markov model,HMM)的故障诊断方法.应用HMM识别综合传动装置故障模式,用模糊集定义模式研究电压信号特征提取方法,并根据特征值的敏感程度进行优化选择;应用3种HMM对综合传动装置在不同运行状态下的故障信号进行故障诊断,并且对诊断结果进行对比.结果表明:改进粒子群优化的HMM模型能快速有效地识别综合传动装置中磨损、损坏等故障模式,适用性良好,可应用于实际综合传动装置系统的故障诊断.     

基于KPCA-HSMM设备退化状态识别方法的研究

为消除多通道观测信息冗余，压缩高维故障特征，提出了基于核主元分析( KPCA)多通道特征信息融合的隐半马尔可夫模型( HSMM)设备退化状态识别的新方法。首先，对采集的单通道振动信号进行小波相关滤波处理，构造单通道振动信号的小波相关特征尺度熵向量；然后，利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合，得到多通道的融合小波相关特征尺度熵向量；并以此融合特征向量作为HSMM的输入进行训练，建立基于HSMM的设备运行状态分类器，从而卖现设备退化状态的识别。实验结果表明，该方法能有效的识别设备的退化状态，从而为多通道特征信息融合设备退化状态识别开辟新的途径。     

基于小波特征尺度熵-隐半马尔可夫模型的设备退化状态识别方法及应用

机械设备从正常到故障往往经历一系列退化状态，正确识别设备当前所处的退化状态，对预防设备进一步退化和故障的发生具有重要意义。提出了一种基于小波特征尺度熵一隐半马尔可夫模型(HSMM)的设备退化状态识别新方法。通过小波变换提取小波特征尺度熵，然后构造信号的小波特征尺度熵向量，并以此作为HSMM的输入进行训练，建立基于HSMM的机械设备运行状态分类器，从而实现设备退化状态的识别。并且以滚动轴承为例，对正常和几种故障程度不同的滚动体运行状态进行了识别，实验结果表明该方法能有效的识别设备的退化状态。     

基于时间连续灰色Markov模型的维修器材需求预测方法研究

运用时间连续且状态离散的灰色Markov过程模型,对装备维修器材的需求量进行了预测。根据装备维修器材消耗历史数据的变化幅度和数据的分布情况来划分状态区间。由各区间状态的转换情况得到Markov模型状态间的一步转移概率,论证与运用Kolmogorov微分方程求解各状态概率的时间函数并建立状态概率预测式,根据预测状态的概率值确定了灰色预测值的定位系数并求解预测值。算例分析表明,在预测维修器材需求量数据时,灰色Markov改进模型的预测精度较GM(1, 1)模型、一般灰色Markov残差修正模型以及时间离散灰色Markov链预测模型有了稳定提高,证明了该模型的有效性和实用性。     

作战单元装备稳态可用度评估模型及其求解算法研究

针对作战单元可用度研究中存在的问题,建立了基于多维Markov过程(MDMP)作战单元装备稳态可用度模型,并针对MDMP状态较多的问题研究了其降维求解算法。该模型中考虑了作战单元中的多个装备;该算法利用部件的维修资源相关性来降低问题的维度。研究结果表明,MDMP的解析建模具有比较全面的建模能力,可以对作战单元可用度问题进行建模;利用不同部件之间的关系信息设计的降维算法能够减少不必要的计算量。最后通过一个算例说明了模型和算法的实用性。     

高阶残差修正GM(1,1)区间预测模型及其应用

提出了一种Markov高阶残差修正GM(1,1)区间模型,在GM(1,1)模型的基础上对拟合数据残差项的绝对值运用Markov模型进行数据拟合,通过将残差项叠加的方式逼近数据真实值.根据残差项的正负状态构建了预测区间,并通过数值模拟论证了预测区间的适用范围与合理性,运用Markov模型对预测区间进行了修正和改进,给出了Markov高阶残差预测区间的表达式.分析结果表明,模型弱化了灰色发展系数的取值条件,并且计算修正残差的阶数越高,预测区间结果可靠性越高,避免了根据概率大小选择预测结果所产生的预测风险,提高了预测结果的可靠性.     

基于CHMT/NN的小波域纹理图象分割新算法

文中提出了一种基于隐Markov模型和多层感知器的小波域图象纹理分割新算法.首先该算法通过图形组合方法有效地提取了图像在小波变换域各子带之间的相关性,然后应用多层感知器进行分类,将HMM的规范性和MLP神经网络的分类能力有效地结合起来.最后给出了文中算法对Brodatz纹理的分类结果.实验证明了文中算法的有效性.     

基于最优测试点的小波包-隐马尔科夫模型故障诊断

采用小波包变换和隐马尔科夫模型结合的方法,提出了机载通信电台的故障诊断模型.通过评价函数的建立,得到最优测试点集合;利用小波包变换提取测试点的能量特征值作为模型的输入,利用历史数据对隐马尔科夫模型进行训练,得到各个状态下的HMM参数,通过模式识别,实现电台的故障诊断;试验研究结果验证了所提出的方法的可行性和有效性.     

基于HMM模型的战场侦察多目标识别技术研究

隐Markov模型是一种用于语音识别比较成功的统计模型，战场侦察的多目标识别是战场侦察技术传感器走向实用的关键技术之一，对传统的隐Markov模型的结构和分类器进行了改进，使其初步可以实现由背景噪声环境下的多种类目标的识别。     

基于隐马尔可夫模型的机电系统机内测试虚警抑制

为解决系统间歇故障的诊断问题，利用连续隐马尔可夫模型，在对系统状态分析与建模的基础上，针对有间歇故障训练样本和无间歇故障训练样本两种情况，分别用不同的三个状态诊断方法进行诊断。结果表明两种方法都能有效地诊断间歇故障，达到降低BIT虚警的目的。     

火箭漏电故障诊断技术研究

基于集对分析理论和故障树的相关知识,研究了火箭(LV)测试及发射过程中的一类新的漏电故障诊断技术。在火箭漏电故障原因的各种可能组合方式构造火箭漏电故障树的基础上,引入中间状态概率的概念。基于集对分析联系数理论确立了漏电故障因素的重要度模型,对系统底事件和顶事件的失效概率进行分析,从而确立了火箭漏电故障诊断的新方法。该方法成功应用于火箭控制系统漏电故障诊断的工程实例表明:该方法能及时诊断火箭系统的漏电故障原因,采取合理的措施有效地排除故障,具有良好的更新能力和应用前景。     

基于模糊Petri网的某型舰炮系统故障诊断

故障的产生和传播是一个动态的过程,具有突发性、并发性和随机性等特点,精确的推理方法难以有效地对复杂特性的故障进行诊断.利用模糊Petri网对舰炮武器系统进行故障分析,首先分析舰炮故障类型以及故障的规则表示形式,然后给出了基于模糊Petri网的故障传播模式模型及其推理算法,最后以某舰炮武器系的弹药盘点异常故障为例进行了建模并用推理算法计算故障发生概率.结果表明,该模型具有直观和表达能力强的优点,可应用于工程实践.     

基于模糊诊断理论的车辆空调系统故障诊断方法

为有效诊断特种车辆空调系统故障,及时准确地定位故障原因,以模糊诊断理论的车辆空调系统为对象研究其故障诊断方法.分析空调系统故障模式,建立故障模糊数学模型,确定故障征兆和故障原因的模糊关系,基于经验维修和专家诊断确定了综合模糊隶属度,根据最大隶属度原则,确定故障征兆所对应的故障原因的最大隶属度,从而判断出导致空调系统发生故障的原因.研究结果表明:该方法能够准确可靠定位故障,有效缩短维修时间.     

基于3维相关性矩阵的故障诊断方法

为解决航天器控制系统难以快速准确地诊断定位故障的问题,提出一种3维相关性矩阵的故障诊断方法.根据复杂系统功能原理,建立不同状态的最优化故障传播有向图模型,依据3维相关性矩阵的映射关系及检测结果快速映射到故障模式,实现系统故障的快速诊断定位及测试点的最优化设计.结果表明:该方法可以减少测试点的设置数量,降低故障诊断系统的复杂度,提高诊断的快速性.