基于STD标准的信号模型研究

针对测试信号种类繁多,属性复杂的问题,充分发挥了STD（Signal and Test Definition）标准的扩展机制,分别研究了基于STD标准的静态信号模型和动态信号模型。并应用上述模型,建立了带有电流限属性的三相交流电信号模型,解决了三相交流电信号的使用问题,同时为自定义信号的建模提供思路。     

基于ATML标准族的面向信号软件平台研究

文章介绍了ATML标准族给测试带来的便利,研究了基于ATML标准族的面向信号软件平台的分层和每层会用到的ATML实例文档及文档中的主要信息,并分析该软件平台如何提高TPS的可移植性和仪器的互换能力。     

公共元素模型数据类型的XML Schema描述

AI-ESTATE标准中采用EXPRESS语言对其诊断知识进行描述,但EXPRESS不是程序设计语言,导致采用EXPRESS语言描述的诊断知识难以用程序设计实现,为诊断知识的共享和重用造成了一定困难;XML语言以其良好的灵活性、可读性和可扩展性,为信息交换带来了很大的方便,将EXPRESS语言映射为XML Schema,对诊断知识的共享意义重大.首先,分析了EXPRESS语言和XML Schema的数据类型;然后,分别研究了EXPRESS中简单数据类型、聚合数据类型和构造数据类型到XML数据类型的映射机制;最后,在分析AI-ESTATE标准公共元素模型数据类型的基础上,研究了将公共元素模型的诊断知识用XML Schema标准化描述的过程,实现了诊断知识的可移植和重用.     

基于粒子群优化的可拓神经网络故障诊断方法研究

基于可拓学的故障诊断方法是智能故障诊断领域中较为新颖的研究方向;首先介绍了可拓故障诊断领域的研究现状;然后重点分析了可拓神经网络模型,包括它的结构和故障诊断原理,由于该模型存在参数设置主观、易早熟等问题,进而提出了基于粒子群优化的可拓神经网络模型,该模型以关联度作为测度工具物理意义明确,通过粒子群算法进行参数优化避免算法早熟;最后采用汽轮发电机组振动信号频谱数据进行算法验证,结果表明该算法能够正确诊断出全部故障,且诊断精度高。     

基于IVI技术的仪器驱动程序开发

为实现自动测试系统（ATS）中仪器的可互换,采用现阶段主流的IVI模型,利用LabWindows／CVI软件,通过IVI引擎实现了测试程序、类驱动和物理驱动的统一开发,并将基于这种思想编写的Ag81150A驱动程序应用于多个大型ATS中。结果表明,该驱动程序较好地实现了ATS中同类仪器的可互换性,并具有操作简单,易于扩展等特点。     

基于STD标准的测量模型研究

为实现面向信号的测试,研究了基于STD( signal test definition)标准的测量模型,包括固有测量(intrinsic measurement)模型和属性测量(generic measurement)模型,不仅在理论上对2种模型进行分析比较,还以复杂方波信号为例进行仿真实验,通过实验数据说明2种测量模...     

基于ATML标准族的面向信号软件平台设计与开发

ATML标准族为自动测试系统提供了一种新的面向信号技术标准;分析了 STD、ATML、SIMICA和AI—ESTATE自动测试领域四大国际标准,系统阐述了自主开发的面向信号软件平台CATS的设计与开发;首先介绍了 CATS软件系统的功能组成和工作原理;然后重点分析了 TPS开发平台、系统管理平台和TPS运行平台的工作原理和功能模块;最后详细介绍了面向信号仪器驱动程序的设计;工程应用表明CATS软件平台符合ATML标准族,能够有效满足航空电子设备的内场测试和诊断需求,采用开放式体系结构,易于系统扩展,具有较好的应用前景.     

面向信号自动测试系统的INI文件自动转换技术

针对面向信号自动测试系统中由Excel表格给出的信号接线表,数据读取速度慢、不易于程控的问题.根据IEEE1641的测试和信号定义,提出了将Excel表格转换为INI文件的思路,并通过对INI文件的快速读取,实现对信号接线表的控制.介绍了系统资源配置的步骤,给出了INI文件自动转换的程序流程图以及核心转换模块的详细设计...     

故障诊断专家系统的可拓知识表示和匹配研究

知识表示和匹配是设计专家系统的核心问题;首先通过引入基元理论,实现了产生式、语义网络、框架和案例的基元表示,建立了故障诊断专家系统的可拓知识表示模型,该模型包括激励基元、测量基元和结论基元3个部分;然后提出了先匹配激励基元再匹配测量基元的可拓知识匹配步骤,并构建了属性精确值和区间值混合的匹配度计算公式;最后以某型大气数据计算机的测试数据为例,与建立的可拓知识进行匹配,诊断结果与实际情况相符。     

基于改进ENN2 聚类算法的多故障诊断方法

针对可拓神经网络无法解决多故障诊断的问题,建立问题模型,将多故障诊断问题转化为多特征样本的聚类问题。从模型结构和学习算法两个方面对ENN2进行改进,提出基于改进ENN2聚类算法的多故障诊断方法,并对其参数和时间复杂度进行分析。采用工程实例对所提出的方法进行验证,结果表明,所提出的方法能够解决离线的多故障诊断问题,且得到的诊断模型可用于在线状态监控,具有较好的应用前景。