基于离散粒子群优化算法的多值属性系统故障诊断策略

针对传统离散粒子群优化（PSO）算法仅能搜索多值属性系统（MVAS）最小完备测试集的问题,通过重塑离散PSO算法,提出一种测试序列寻优算法—PSO-测试(TS)算法。在多值D矩阵和五元组的基础上,公式化处理MVAS的诊断策略。重塑离散粒子群的过程,将离散PSO算法与MVAS的故障诊断策略融合。设置PSO-TS算法的自身认知和社会知识阶段的计算规则,并通过引入交换序提升PSO-TS算法中粒子的多样性。采用实例和随机仿真实验验证PSO-TS算法。研究结果表明：与MV-Rollout和MV-IG算法相比,PSO-TS算法的期望测试费用少,能够获得较优的诊断策略,但是运行时间较长。     

复杂系统测试不可靠条件下的故障诊断策略研究

针对实际复杂武器系统测试与诊断存在虚警和漏检等问题,提出一种测试不可靠条件下的故障诊断策略。首先综合考虑测试费用和误诊损失,提出系统平均检测代价函数。在信息熵算法的基础上提出Rollout算法,兼顾了诊断策略的搜索速度和解的最优性。最后应用实际案例验证了该方法。结果表明:该诊断策略具有较高的系统诊断精度,并满足较高的测试速度和可接受的测试费用等实际工程应用要求。     

基于改进花朵授粉算法与K-means算法的人体姿态库构建方法研究

为了解决现有人体姿态库构建方法存在的装备维修性仿真验证任务针对性不足的问题,提出了一种基于改进花朵授粉算法与K-means算法的人体姿态库构建方法。针对花朵授粉算法寻优精度不够理想的问题,将乌鸦搜索算法引入花朵授粉算法。提出了一种改进花朵授粉算法。测试结果表明：相比粒子群算法和花朵授粉算法,改进花朵授粉算法具有搜索范围广和寻优精度高的优点。为避免K-means算法易陷入局部最优解,将改进花朵授粉算法引入K-means算法,在提出个体编码方式与定义个体操作函数的基础上,设计了改进花朵授粉算法的计算步骤,使改进花朵授粉算法与K-means算法相融合,进而对装备维修人员的维修作业姿态进行聚类。提取各类中心数据,将其作为人体姿态库中虚拟人体的部位动作角度输入参数,构建了具有装备维修性仿真验证任务针对性的人体姿态库。仿真实验结果表明：相比基于粒子群算法与K-means算法融合的人体姿态库构建方法等5种方法,改进花朵授粉算法与K-means算法的融合方法具有寻优精度高和聚类效果好等优点,适用于装备维修性仿真验证工程实践。     

混沌模糊神经网络在导弹故障诊断中的应用

在某型导弹测试设备故障诊断神经网络知识库的组建过程中,针对BP算法易陷入局部极小、收敛速度慢的缺点,将混沌机制引入常规模糊神经网络算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,解决了网络训练易陷入局部极小点的问题.通过算法比较和实例结果分析,表明该算法可以有效、可靠地运用于导弹地面测试设备的故障诊断中,并可方便地应用于其它方面.     

多故障诊断的即时策略研究

目前的系统多故障诊断一般是在固定的初始多故障模糊组下预先生成平均测试代价最小的测试序列,然后根据该测试序列建立故障诊断树进行故障定位,因此测试执行顺序和故障诊断树相对固定,当初始多故障模糊组变化后,诊断策略并不能随之灵活地改变。针对这个问题,提出一种多故障诊断的即时策略,推导了多故障模糊组概率计算的迭代公式,通过基于单位代价故障隔离度和信息熵的评估函数选择最佳测试,使用集覆盖的算法寻找后验概率最大的故障单元进行更换或修理。测试案例分析表明：这种即时策略能够灵活地利用已知信息进行多故障定位,具有计算简单、存储空间小的特点,适合复杂系统的多故障诊断。     

基于蚁群算法的深海着陆车路径规划

针对深海着陆车海底作业“路径最优”问题,提出一种适用于着陆车的三维海底全局路径规划算法。采用栅格等分法建立着陆车作业区域的三维海底环境抽象模型。通过对着陆车航行过程动力学分析和驱动电机速度与工作效率测试,建立其航行运动能耗模型。采用局部和全局信息素更新的基于蚁群寻优的能耗-距离路径规划算法,并将能耗、距离引入到启发函数与评价函数中。仿真实验结果表明,该算法通过合理选取评价函数权重参数,能有效均衡路径规划的里程与能耗,具有较好的收敛速度和全局搜索能力,能够满足深海着陆车海底科考作业需求。     

基于递归图和张量分解的故障可诊断性评价方法

可诊断性反映了系统故障诊断的难易程度，对系统进行可诊断性评价是开展故障诊断工作的前提条件。针对可诊断性评价问题，将测点信号考虑在内，提出了一种基于递归图和张量分解的故障可诊断性评价方法。利用相空间重构技术对装备在不同状态下的测点信号进行图形化表示，形成递归图；对递归图进行分析以提取其中的特征，并将该特征视为原信号特征；通过张量分解的方法，计算不同状态下信号特征之间的相似程度，作为故障诊断难易程度的基本度量。通过仿真实验对所提出的方法与仅考虑系统模型的D矩阵的可诊断性评价方法进行对比，结果表明该方法在评价可诊断性方面具有准确性和客观性。     

基于粒子群算法优化最小二乘支持向量机的电路故障诊断方法

针对数／模混合电路故障的特点,采用将粒子群算法与最小二乘支持向量机相结合的故障诊断方法,在保证诊断过程准确率的基础上,实现多类故障的快速诊断。在诊断过程中,支持向量机的参数寻优过程存在随意性、盲目性和效率低等问题,采用改进的粒子群算法优化支持向量机的参数,建立基于支持向量机的故障分类模型。实验结果表明,与其他方法相比,该方法提高了故障诊断的精度,具有明显的实用价值。     

多故障诊断策略优化生成技术研究

故障诊断策略设计是测试性设计的重要内容。已有的测试性分析与诊断工具通常做了单故障假设，不适用于复杂系统。针对这一问题，提出了多故障隔离策略优化生成算法。该方法首先采用布尔逻辑运算生成每步测试执行后的完备最小割集，然后采用基于信息量启发式算法生成近似最优的多故障隔离策略。最后应用案例进行了验证，结果表明：本文提出的算法可以有效地生成多故障诊断策略。由于测试与故障的定义是广义的，因此该算法可用于系统级、部件级以及元件级的多故障诊断策略的优化生成。     

跟随变异粒子扰动变化的惯性权重PSO算法

针对困扰粒子群算法"早熟"和收敛慢的2大难题,提出了一种跟随变异粒子扰动变化的惯性权重策略,将粒子群体一致性变化趋势与粒子变异操作相关联,以此来增加粒子的多样性;根据粒子变异程度的大小对惯性权重作出相应调整,使粒子在提高全局寻优能力的同时,又很好地改善了收敛精度和收敛速度,避免因惯性权重单边非线性变化而导致粒子群全局寻优能力稳定性不佳的问题。仿真对比表明,改进的算法较好地避开了局部最优解的干扰问题,具有收敛速度快、寻优精度高等优势。     

基于层次Bayesian网络及后验风险准则的故障样本量确定方法

针对现有测试性验证方法对装备系统结构考虑不足,且在双方风险约束条件下所确定的故障样本量过大问题,提出一种基于层次Bayesian网络和后验风险准则的故障样本量确定方法。根据装备系统结构建立测试性验证方法的层次Bayesian网络模型,并以故障检测率作为Bayesian网络 的传递参数;提出Bayesian网络不确定性推理算法,充分融合各层次测试性先验信息,同时基于偏度-峰度检验的拟合分布选取方法推导出系统故障检测率联合先验分布;进一步结合系统成败型数据确定其后验分布,基于后验样本数据集和Bayes后验风险准则设计故障样本量确定算法,通过实例进行分析。结果表明,与经典验证方法、传统Bayesian方法相比,所提方法在相同双方指标约束下能有效降低样本量。     

一种扩展染色模糊故障Petri网的故障分析方法

针对传统故障诊断方法在模拟故障传播及诊断推理过程中存在不确定性等问题,提出一种基于扩展染色模糊故障Petri网的故障诊断分析方法;首先,在采用传统的Petri网模型描述系统故障状态的基础上,引入令牌、库所染色规则,并进一步结合模糊产生式规则与矩阵运算进行故障正反推理,提高模型的容错性;该模型正向推理采用变迁点火判别矩阵实现故障状态的智能评价,反映故障传播特性;逆向推理采用最小割集理论方法进行优先诊断,提供诊断次序,避免诊断的盲目性;最后以气源系统为典型应用对象,验证上述方法的有效性。     

基于改进离散粒子群优化算法的容差电路故障特征提取

采用故障信息量对容差电路输出信号中的故障征兆进行描述,采用等间隔选取特征点、单特征点诊断信息量最大和多特征点联合诊断信息量最大3种不同的特征子集选取规则,提出了基于改进映射函数、自适应权重、基于自然选择以及基于自然选择和自适应权重的4种离散粒子群优化（BPSO）算法对特征子集进行搜索的方法,并将获取的不同最佳特征子集分别用于训练不同的神经网络,并用训练好的神经网络完成容差电路的故障定位。仿真实验结果证明了容差电路故障特征子集的改进BPSO搜索算法的有效性,故障定位效率可达95.2%. 采用故障信息量对容差电路输出信号中的故障征兆进行描述,采用等间隔选取特征点、单特征点诊断信息量最大和多特征点联合诊断信息量最大3种不同的特征子集选取规则,提出了基于改进映射函数、自适应权重、基于自然选择以及基于自然选择和自适应权重的4种离散粒子群优化（BPSO）算法对特征子集进行搜索的方法,并将获取的不同最佳特征子集分别用于训练不同的神经网络,并用训练好的神经网络完成容差电路的故障定位。仿真实验结果证明了容差电路故障特征子集的改进BPSO搜索算法的有效性,故障定位效率可达95.2%.     

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。     

空空导弹测试点优化问题研究

针对导弹系统可测试性设计和故障诊断中的测试点选取问题,以相关性模型为基础,综合测试费用等因素提出了不同测试级别测试点优选方法和故障诊断策略。根据系统信号流关系建立拓扑有向图,得到相关性矩阵;根据测试点对故障检测、隔离或定位贡献大小及其费用的分析确定各测试点的价值度量。选择测试点,确定出优化的故障诊断策略。结果表明,用文中所提出的方法进行测试点优化选取,可以很好的满足不同测试级别的测试要求。     

一种新的用于网络层故障检测算法--RRBFNN

提出一种基于粗糙集和径向基函数思想的网络层故障检测算法一：RRBFNN.该方法具有简化样本、适应性强、容错性高等特点,能有效处理网络层故障诊断中噪声和不相容的信息。由于检测问题的实质是ー种映射,该方法用ー种前馈型网络来逼近这种映射关系,实现对故障的有效分类。同时,RRBFNN结构可以随着网络层中各种服务和应用的变化而构造。仿真表明,利用该方法实现的系統与同类的其他方法相比,提高了检测准确率和诊断速度。     

基于故障-测试相关性矩阵的测试性分析

为有效检测出系统测试中存在的不可测故障、冗余测试和隐含故障等,提出一种基于故障-测试相关性矩阵的测试性分析方法。首先给出不可测故障、模糊组、不可隔离故障、冗余测试、隐含故障和伪故障的定义;在此基础上,提出基于故障-测试相关性矩阵的测试性分析流程和求解方法。算例分析结果表明：该方法能有效完成系统测试性分析,且操作简单,具有较大的工程应用价值。     

专家系统支持下的故障诊断测试点优化配置方法

针对系统可测试性设计和故障诊断中的测试点选取问题,设计了专家系统支持下的测试点选取的优化配置策略.为此,建立了信号拓扑有向图并进行快速相关性建模,通过专家系统将可疑故障点定位到有向图网络的局部,简化相关性矩阵,提出最优故障诊断策略.专家系统支持下的测试点设计策略充分利用了故障特征,在尽可能少的步骤、时间内快速完成了系统故障检测与隔离.