基于多信号流图模型的装备故障诊断方法

为了提高装备故障诊断效率,介绍了一种基于多信号流图模型的新型故障诊断方法.基于TEAMS Designer软件工具,建立了某自行高炮供电系统多信号流图模型.通过对该系统多信号流图模型进行分析,针对故障现象设计出了合理有效的故障诊断策略,通过实际的故障诊断应用及与传统的测试诊断方法比较,显示出该诊断方法的优越性和有效性.     

基于模糊关系的导弹武器装备故障诊断

文中以故障诊断理论和方法为基础,运用模糊理论,对复杂的导弹武器装备的故障诊断进行研究.提出了基于模糊关系的故障诊断的方法,建立了模糊关系故障诊断模型.该模型通过对已知故障的学习,获得专家的经验、知识和对故障危害度的协调能力,从而减低了诊断过程中的人为因素影响,较好地保证了诊断结果的客观性和正确性.     

军用车辆电气系统典型故障诊断方法的研究

通过对电气系统常见的传感器类故障、电机类感性绕组的故障、输配电线路故障和数字控制部件故障的分析,提出了相应的基于恒流源的故障诊断方法、基于脉冲序列的故障诊断方法、基于状态信息(电压/电流等)的故障诊断方法和基于BIT的故障诊断方法.针对上述方法,采用Matlab软件进行了仿真,结果表明:提出的4种故障诊断方法能够对相应的典型故障进行合理有效的诊断,为应用新技术推进电气系统故障诊断技术研究提供了一种实现方法.     

基于改进深度置信网络的故障诊断方法

针对深度置信网络对小样本数据集故障诊断时准确率低的问题,提出了基于改进深度置信网络的故障诊断方法。该方法通过优化网络特征提取能力,提升网络学习和分类能力以减少网络训练对数据的依赖程度;利用网络公开数据集测试改进的深度置信网络模型的性能;并将改进网络模型应用于小样本故障数据集上。实验验证结果表明,较基于传统网络模型的故障诊断而言,基于改进模型的方法通过添加新的隐藏层,强化了模型特征提取能力,提高了故障诊断准确率。     

基于CBR 的航空导弹故障智能诊断模型

针对航空导弹故障现象多,故障原因复杂,传统故障诊断方法难以准确进行故障定位的不足,构建一种基于案例推理的航空导弹智能故障诊断模型。结合维修实践中积累的故障案例,运用层次分类法与改进的聚类分析法,设计三级案例库组织结构,提出分阶段的K-近邻检索策略,将粗糙集理论应用于解决故障案例的征兆权重分配问题,并开发基于We b浏览形式的航空导弹智能故障诊断模块。该故障诊断模型具有较高的检索准确率,智能化程度高,使用便捷,能有效辅助技术人员进行航空导弹的故障定位和维修排故工作。     

基于图论模型的模拟电路故障可测性分析

利用拓扑结构建立模拟电路故障诊断图论模型,讨论了基于图论模型的模拟电路故障可测性,用香农信息熵对测点上电路故障状态的不确定性进行了定量描述,依据可测节点处提供的故障信息量大小,给出了模拟电路中部分测试节点不可及情况下确定最优故障检测点方法。通过实例验证了该方法的有效性。     

水下机器人推进器故障融合诊断方法研究

为了对水下机器人的推进器进行故障诊断。建立了基于神经网络的水下机器人的运行状态模型及推进器的性能模型，提出了基于整体故障检测与直接故障检测的故障融合诊断的方法。故障模拟实验的结果验证了基于神经网络模型的水下机器人推进器故障的融合诊断方法的可行性和有效性。     

信息化装备软件故障定位模型构建

分析了基于案例、规则和模型的故障知识库构建,阐述了基于案例推理、规则推理和模型推理的混合推理故障诊断流程设计,提出了一套基于混合推理的信息化装备软件故障诊断框架,从而实现软件故障检测和修复。     

基于多源信息融合的火炮装填状态监测与故障诊断系统

针对火炮装填系统故障成因复杂、诊断方法不足等问题,提出一种基于多源信息融合的火炮装填监测与 故障诊断的方法。采用知识决策属性进行属性分类,构建神经网络训练模型,对自动装填系统故障进行定性分析并 建立故障诊断辨识框架,根据故障决策准则得出故障判断,解决了故障特征的不确定性、故障模式多样性的问题。 实例分析结果表明,该方法达到了有效提高故障诊断确诊率的目的。     

靶弹安控系统的舵机故障诊断程序设计

采用基于模型的故障检测和基于一元线性回归分析的故障估计对靶弹安控系统的舵机故障诊断程序进行设计.利用靶弹舵机的故障模型对该程序进行测试并对测试结果进行分析.通过测试可以得出,该程序能够准确检测舵机故障,并能快速地估计故障状态.     

基于故障树的贝叶斯网络模型在装甲车辆中的应用研究

利用故障树成熟的方法，建立基于故障树的贝叶斯网络模型；根据故障诊断的一般思维，综合考虑故障特征信息量、搜索代价、故障概率等因素制定了最优故障搜索策略，并以某装甲车辆典型故障为例验证了该方法的有效性和准确性，实现了故障诊断过程的优化．     

基于诊断信息流的弹头姿控系统地测设备故障诊断

从故障诊断的角度分析弹头姿控系统地测设备的原理,建立了电路的诊断信息流模型.该模型反映了试验间及试验与故障之间的观察关系,提高了故障诊断的效率.基于该模型的故障诊断系统可以把故障定位到可替换的元件或插件板,为复杂电路系统的故障诊断提供了新的思路.     

基于petri网的自动装弹机故障诊断推理

针对自动装弹机零部件众多、工作流程复杂、故障多发、故障原因机理多种多样等问题,采用petri网的方法对自动装弹机故障原因进行了快速推理诊断。在分析基于Petri网故障诊断方法步骤的基础上,利用petri网构建了自动装弹机故障模型;以旋转输弹机为例,建立了关联矩阵和状态方程,并对其故障进行了推理诊断。结果表明,与传统的完全故障树方法相比,基于Petri网的故障诊断推理方法具有图形直观明了、推理快捷、故障诊断数学化等优点,这对于自动装弹机快速诊断和适情适时维修具有重要的实用意义。     

基于支持向量机的机电BIT虚警抑制

诊断间歇故障是降低BIT虚警的一个主要途径。针对目前间歇故障诊断方法的不足，根据支持向量机(SVM)的小样本学习优点，建立基于支持向量机的三状态(正常、间歇故障、永久故障)故障诊断模型，再以振动信号的AR模型系数为特征，在少量训练样本下，利用该模型SVM诊断间歇故障。实验结果表明，该方法可在多种间歇故障、少量训练样本的情况下，对间歇故障进行有效诊断，从而达到降低BIT虚警的目的。     

面向发动机故障诊断精度的深度随机森林优化研究

为解决装备故障检测存在故障数据少,难以应用深度学习方法提高性能的问题,提出一种基于优化深度 随机森林的提高装备故障诊断精度方法。根据数据集合数据的特点,构建重采样的样本集合决策树模型,通过对故 障数据中的连续数值进行C4.5 决策树离散化处理,使用扩张卷积方法扩展滑动窗口的感测范围,对训练模型进行实 验验证。实验结果表明,运用深度随机森林的方法对提高装备故障诊断有一定借鉴作用。     

BP 神经网络在雷达故障诊断中的应用

为适应当前现代雷达系统的故障诊断日益复杂的现状,采用人工神经网络进行雷达故障诊断。建立基于BP神经网络的故障诊断模型,给出训练算法和故障诊断步骤,以某雷达发射机为对象,将该模型应用于系统的故障诊断,并采用Matlab进行仿真验证。仿真结果表明,人工神经网络能满足雷达故障自动检测与诊断系统的高可靠性和可维护性要求。     

基于深度学习的小口径弹药装配设备故障诊断专家系统

针对小口径弹药装配设备故障诊断智能化程度不足、诊断效率低以及误诊率高等问题,开展小口径弹药装配设备故障诊断技术和专家系统研究。为提高复杂装备故障知识推理及判别精度,研究基于知识图谱和故障树的故障类别知识库构建方法,提出基于规则和案例的故障知识推理方法,采用深度学习算法进行故障知识推理和更新,构建故障诊断模型并用于小口径弹药装配设备故障诊断专家系统。结果表明：该系统可实现对小口径弹药装配设备故障的智能预测和分析,符合制造装备智能化发展要求,为制造装备智能化、信息化的研制发展和推广应用提供参考。     

概率神经网络在武器装备故障诊断中的应用

针对当前复杂武器系统在装备部队后出现的故障定位难题,采用概率神经网络进行装备的故障诊断。给出概率神经网络算法及故障诊断步骤,建立基于概率神经网络的故障诊断模型,以某新型武器装备为对象,将该模型应用于装备故障诊断,并使用Matlab进行仿真验证。仿真结果表明概率神经网络能够有效识别出装备的各种典型故障,降低部队使用过程中故障排查难度,提高装备的维修保障能力。     

基于局部线性模型树模型的柴油机进气系统漏气和堵塞故障诊断

柴油机进气系统漏气和堵塞等性能退化型故障将会导致排放恶化和经济性下降。针对进气系统具有较强的非线性,难以建立精确的数学模型问题,提出基于局部线性模型树（LOLIMOT）模型的故障诊断方法,为在线故障诊断提供一种思路。提取进气压力波的一次谐波信号幅值与相位、充量系数为故障特征,采用 LOLIMOT方法对充量系数、进气压力波动幅值与相位信号建立基于发动机转速和进气密度的参考模型;采用奇偶方程生成3个残差信号,计算各个残差信号的阈值;分析残差信号和故障类型的映射关系。结果表明：所建进气压力波动幅值LOLIMOT模型、进气压力波动相位LOLIMOT模型、充量系数模型验证数据与模型仿真数据具有较高线性相关度;采用充量系数、进气压力波幅值与相位为故障特征值建立的LOLIMOT模型生成残差信号的故障诊断方法,可诊断进气系统漏气故障和中冷器堵塞故障。     

概率神经网络在武器装备故障诊断中的应用

针对当前复杂武器系统在装备部队后出现的故障定位难题,采用概率神经网络进行装备的故障诊断.给出概率神经网络算法及故障诊断步骤,建立基于概率神经网络的故障诊断模型,以某新型武器装备为对象,将该模型应用于装备故障诊断,并使用Matlab进行仿真验证.仿真结果表明:概率神经网络能够有效识别出装备的各种典型故障,降低部队使用过程中故障排查难度,提高装备的维修保障能力.