动态系统的故障诊断方法

评述了动态系统故障诊断方法的发展状况 ,将各种故障诊断方法分为三大类分别进行了重点介绍 ,最后指出了这一领域中有待进一步研究的若干问题和发展趋势 .  

基于故障树最小割集的故障诊断方法研究

利用故障树分析原理，对基于故障树最小割集的诊断方法进行了研究。在给出故障树顶事件和底事件概率描述的基础上，计算了故障树最小割集的重要度，并在量级上进行了分析比较，为系统的故障源搜寻提供了具体有效的测试步骤。并给出了应用实例。  

动态系统的故障诊断技术

提出了一种全新的分类框架, 将故障诊断方法整体分为两大类, 即定性分析的方法和定量分析的方法. 对现有的方法在此框架下进行了划分, 并详细介绍了每种方法的基本思想、研究进展和典型应用, 其中重点讨论了数据驱动的方法. 最后, 简述了故障预测的研究现状, 并探讨了故障诊断研究存在的问题和未来的发展方向.  

基于未确知集合的故障诊断方法

为了定量描述对象具有未确知性质或处于未确知状态的程度,在可测空间上定义了满 足测量准则的未确知测度慨念.以未确知测度为隶属函数抽象出论域上的未确知集合概念,定 义未确知集合的运算.通过论证未确知集和模糊集之间的关系与本质不同,体现研究这种新的 不确定性集合的价值.在未确知集合基础上,建立了未确知逻辑系统,用以处理未确知信息.定 义了指标分类权重的概念,给出了计算方法,并将其应用于未确知逻辑系统推理算法中,使得到的 合成可信度具有良好的可解释性.以故障诊断领域中一个算例作为未确知逻辑系统的应用实例.  

基于SVM 的二叉树多类分类算法及其在故障诊断中的应用

基于结构风险最小化原则的支持向量机(SVM)对小样本决策具有较好的学习推广性。但由于常规SVM算法是从2类分类问题推导出的，在解决故障诊断这种典型的多类分类问题时存在因雄，因而提出一种依赖故障优先级的基于SVM的二叉树多级分类器实现(2PTMC)方法，该方法具有简单、直观，重复训练样本少的优点。通过将其应用于柴油机振动信号的故障诊断，获得了令人满意的效果。  

电子装备自动测试系统发展综述

随着现代科学技术的发展,电子装备对测试保障提出了新要求,传统的测试保障装备已不能满足其迅速发展的客观要求,大力发展小型化、智能化、综合化、信息化,实用、可靠、先进、经济,并具有多用途、多功能、高性能、可移动等特点的电子装备自动测试系统势在必然;电子装备自动测试系统及其关键技术成为当前研究的热点;文中综述了电子装备自动测试系统的发展概况,针对现有电子装备自动测试系统存在的实际问题提出了急需研究解决的主要关键技术,说明了研究解决关键技术的必要性。  

基于支持向量机的非线性系统故障诊断

提出了联想度的概念，并由此设计出一种自组织模糊CMAC（SOFCMAC）及其学习算法，证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快，逼近精度高等特点，用该SOFCMAC作为非线性系统观测器而生成残差，通过支持向量诊断器得到故障检测与诊断结果。对某型歼击机的结构故障进行诊断，仿真结果表明了该方法的有效性。  

基于观测器方法的故障诊断技术若干重要问题的探讨

基于观测器方法的故障诊断技术近年来得到了迅速发展,取得了许多可喜的成果.该文 探讨了这一领域中一些重要的热门研究问题,包括:基于观测器方法的检测与诊断系统的分析与 评价方法,以及基于观测器的检测系统的设计方法.重点介绍作者在这一领域的一些最新研究成 果,如故障空间的划分,检测系统的集成设计方法等.  

粗糙集神经网络系统在故障诊断中的应用

故障诊断中的误报和漏报现象直接影响诊断的准确率，同时在线故障诊断又要求很强的实时性，本文在给出粗糙集神经网络系统原理框图的基础上，结合领域知识把该系统应用于滚动轴承的故障诊断中，仿真实验结果表明该系统提高了故障诊断的准确率和诊断速率，同时减少了检测项目，降低了诊断成本，在实际中有良好的应用前景。  

基于粗糙集神经网络的网络故障诊断新方法

摘要针对传统网络故障知识库冗余度高和稳定性难以两全的缺陷，综合运用神经网络方法和粗糙集理论，提出了RSNN算法，实现不一致情况下的规则获取和学习样本的净化处理．该算法具有简化样本、适应性强、容错性高和不易陷入局部最小点等特点，能有效处理网络故障诊断中噪声或不相容的信息．实验表明，利用该方法实现的系统与同类的其他方法相比，提高了诊断准确率和诊断速度．