对多信号模型中故障模式建模方法的改进研究

多信号模型是一种简单而有效的系统建模表示方法,已被美国QSI公司引入其TEAMS(测试性工程和维修系统)软件中用于系统测试性分析和预计、可靠性分析以及故障诊断等.论文分析了TEAMS软件中多信号模型故障模式建模和故障-测试相关性分析中存在的问题,提出了将故障模式由组元节点的构成层次变更为与组元作用信号相关联的组元节点属性的解决方案.通过分析表明,新的故障模式建模方法能够明显提高测试性建模与分析的准确性且易于计算,并有利于扩展和增强故障分析功能.     

基于一种小波核优化学习的KSPP子空间故障特征提取*

针对电子系统故障诊断中有效特征提取困难,核属性约简方法中核函数与核参数选择繁琐等问题,提出了一种基于自优化小波核稀疏保持投影的子空间特征提取方法。通过对核极化准则的改进,使得新准则不仅可以处理多类别信息,而且可以保留同一类别数据间的局部结构特征。以墨西哥帽小波核函数为对象,基于改进的核评估准则构建优化目标函数,并采用粒子群优化算法进行核参数选择。将优化的小波核作为核稀疏保持投影的核函数,最终实现了在核子空间中对有效特征的提取。实验结果表明,相比于其它流形的子空间特征提取方法,提出的方法有效提升了分类精度,具有良好的泛化性能。     

基于多源信息加权融合的研制阶段测试性评估方法

装备在研制阶段通常缺乏有效的试验和使用数据,其测试性水平往往难以评估,针对上述问题,提出基于多源信息加权融合的研制阶段测试性评估方法;方法综合考虑了装备研制阶段可利用的仿真信息、专家经验信息以及类似装备的历史信息,构建了以3类信息为基础的装备测试性指标值密度分布函数,同时依据可信度原则确定了3类信息的融合权重;在此基础上,利用证据折扣组合方法评估装备当前的测试性水平;最后,通过案例应用证明了该方法的有效性。     

基于改进多层核超限学习机的模拟电路故障诊断

为兼顾模拟电路多故障诊断的实用性和诊断精度,基于仿真诊断模型的测试性应用框架,结合深度学习与核方法的优势,提出一种多层单纯形优化核超限学习机（ML-SOKELM）方法。将有效初选后的数据集输入多层核超限学习机逐层提取故障特征并进行诊断;训练过程中,将各层核参数向量视为待优化变量,运用单纯形法对其进行联合优化。实验结果表明：与常见的深度学习方法相比,ML-SOKELM方法对主观经验依赖性更低,在训练时间大大缩短的同时,还能获得与之相当的准确率;与流行的核方法相比,ML-SOKELM方法在不同模糊度阈值下均能获得较高的诊断准确率。     

一种融合粗糙集与灰模的装备故障预测方法

结合粗糙集理论和灰色系统理论对不精确信息处理的优势,文中提出一种融合粗糙集理论与GM(1,1)灰色预测模型的故障预测方法,先运用粗糙集的属性约简算法对故障诊断决策表进行约简,推出最优诊断规则,再利用GM(1,1)灰色预测模型对约简决策表中的各条件属性测试值计算得到其预测值,从而代回约简的诊断决策表进行故障预测,最后在某型机载电台装备中以某一故障为例进行应用验证,结果表明故障预测效率和精度都较高,从而为提高装备的可靠性和维修性提供依据.     

ATML标准的结构和应用研究

ATML（Automatic Test Markup Language）是基于XML（Extensible Markup Language）用于自动测试设备和测试信息交换的IEEE标准。文章首先介绍了ATML标准的发展过程;然后分析了ATML标准族的组成和各子标准之间的关系;最后重点讨论了基于ATML标准族的软件应用,包括信号和测试的定义、测试信息的描述和面向信号的软件结构。     

软件无线电在反潜技术中的研究

针对通信领域近些年广泛研究和应用的软件无线电技术,为了实现反潜水声信号处理机的数字化,结合浮标接收信号和通信的特点,提出软件无线电应用在声纳接收机中的假设,并给出软件无线电技术在反潜接收机中应用的相关技术。该技术特点是实现信号处理的数字化,降低误差,提高处理效率。