基于危害度相对比值的故障样本分配方案

针对机电产品测试性验证评估试验中,基于故障率的按比例分层抽样分配传统方法忽略了关键因素产品故障模式危害度,导致试验结果不精确这一问题,结合故障模式严酷度评分等级,改进了产品危害度分析模型,首次提出基于危害度相对比值的故障样本分配方案。通过在导弹飞控组件的二次电源系统中进行测试性验证评估试验,结果表明:该方案与基于故障率的按比例分成抽样分配方法相比,故障样本分配结果更加合理,测试性验证评估结果更加接近系统测试性设计的真实水平,其更具有工程实用性。     

基于云模型和故障Petri网的自动装弹机故障分析方法

针对装甲装备自动装弹机故障率高、原因复杂的情况,结合Petri网理论提出一种基于云模型和故障Petri网的旋转输弹机故障分析方法。改变以往通过专家评价和人工经验来设置参数的传统做法,提出基于云模型的模糊token值初始化方法;基于相关文献对正反推理算法进行研究,实现对自动装弹机的状态评价和故障原因诊断;以旋转输弹机为例,结合其具体构造建立对应IFFPN故障模型,通过部分故障数据和相关模型的推理,验证故障分析方法的有效性。     

基于多影响因子和重要度的故障样本优选

针对测试性试验故障样本选择时影响因子考虑不全面、抽样方法工程应用性不强、影响因子权值主观性较强等问题,提出基于故障模式多影响因子和重要度的故障样本优选方法。在分析基于多影响因子抽样必要性的基础上确定了故障模式影响因子,并提出了基于PageRank的传播强度计算方法;提出了基于信息熵的相似度和基于相对比较关系的支持度计算方法,采用博弈决策方法确定了影响因子权值,实现了基于相对重要度的故障样本优选。将该方法应用于某装备控制系统的测试性验证试验,结果表明：故障样本优选方法能降低单次试验评估结果的随机性;样本选取时综合考虑多种影响因子和既客观又满足试验双方要求的影响因子权值,更符合测试性试验需求,选取的故障样本更合理。     

A Failure Sample Selection Method Based on Failure Pervasion Intensity

The complex and uncertain relationship among failures was always ignored in failure sample selection based on traditional testability demonstration experimental method. A failure pervasion model is founded based on fuzzy probability Petri net （FPPN） which can depict the propagation and pervasion relation among failures, then failure pervasion intensity is defined, the process of failure pervasion was depicted based on k-step fault pervasion algorithm and the pervasion inten- sity was expressed by a value. The method of sample selection based on failure pervasion intensity and failure rate is intro- duced into the process of sample selection. The practical application shows that the sample set selected based on failure pervasion intensity and failure rate can represent the failure set adequately.     

模糊Petri网在坦克自动装弹机故障检测中的应用

针对坦克自动装弹机故障检测因果关系的复杂性和模糊性,提出了一种基于模糊Petri网的故障检测方法;在推理规则的基础上给出模糊Petri网推理算法,分析了自动装弹机故障特点,建立了模糊Petri网故障检测模型;最后通过实例分析验证了这种方法的可行性与有效性,方便利用计算机软件进行算法设计。     

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。     

基于模糊概率Petri网的弹载二次电源故障诊断模型

针对某型弹载二次电源的故障诊断问题,采用模糊Petri 网进行建模验证。在传统模糊Petri 网的基础上, 通过引入变迁概率信息,阐述模糊产生式规则及基于矩阵的推理运算,并对其进行建模验证。结果表明：模糊概率 Pteri 网适用性强,基于矩阵的推理运算清晰、高效,易于诊断模型库的扩充、维护。     

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Petri网的某型导弹单发任务完成概率仿真

某型导弹作战任务流程主要包括后方仓库、技术和发射等阵地，使用基于Petri网原理的ExSpect仿真软件对其模拟。首先构建基本任务仿真模型，仿真开始后，根据装备可工作的概率P，确定开始执行任务还是因不可用而进行维修。经多次仿真可得装备作战单元任务完成概率，并通过应用实例验证模型的可行性。     

基于模糊Petri网的故障诊断方法

故障诊断专家系统的推理策略取决于诊断知识的表达方式.基于模糊Petri网的知识表达是库所、命题、变迁、输入、输出及其可信度、影射等的集合.基于模糊产生式规则的模糊Petri网模型,能较好地表示和处理模糊知识,并能根据变迁的可信度大小,采用深度优先的搜索方法,以反向并行推理来缩小搜索空间,寻找到一条最有可能产生已知故障的路径.为此,以机车柴油机故障信息诊断系统为例,针对其故障信息的不确定性和模糊性,给出了基于Petri网的模糊诊断知识表达方法,讨论了建立在模糊Petri网模型基础上的反向模糊推理算法.     

基于测试性设计特性的样本量确定方法

针对测试性验证试验方法的局限性,提出了一种新的故障样本量的确定方法。根据系统的测试性特性,建立单元、功能、性能和测试之间的相关矩阵;选择相关矩阵的列权值最大的列删减单元功能相关矩阵和功能性能相关矩阵,依次遍历完所有列,获取样本和样本数量;利用实例进行了验证,结果表明：计算过程简单,结果更符合实际系统测试性验证试验对于样本量的要求。     

基于样本最大概率失败数的火工品可靠度估计

基于最大概率失败数,给出了成败型产品可靠度的一种新估计方法,该方法比极大似然估计的结果要保守。由此出发,构造了火工品可靠度的置信下限估计方法。与国军标中的计数法比较,该估计方法对高置信度高可靠性要求的火工品评估,可适当降低样本量,能满足工程需要。     

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。     

基于自适应模拟退火遗传算法的特征选择方法

特征选择是机器学习及模式识别领域的重要问题之一。针对高维数据对象,特征选择不仅可以在保证数据完整性的情况下减少特征维数,还能够提高分类精度。文中提出了一种基于自适应模拟退火遗传算法的特征选择方法,该方法将模拟退火算法嵌入到自适应遗传算法的循环体中,利用模拟退火算法具有较强的局部搜索能力,并且能够使搜索过程避免陷入局部最优解的特点,解决了基本遗传算法收敛速度慢,时间复杂度高的缺点。实验结果表睨,在保证分类正确率的前提下,该方法有效提高了特征选择效率。     

基于层次分析法与模糊综合评判的测试设备选择方法研究

测试设备选择是装备系统测试性设计与分析中的重要环节。通过对测试设备选择过程中影响因素的复杂性和模糊性进行深入分析,建立评价指标集,利用层次分析法(AHP)确定各指标的组合权重;利用模糊综合评判(FCA)方法建立模糊评判模型,计算备选测试设备的综合评判值并做出决策。案例表明,该方法通过将层次分析法和模糊综合评判方法相结合,可以对定性指标和定量指标进行有效的综合权衡分析,为测试设备选择提供合理依据。     

基于E占优NSGA-2的测试优化选择方法

为解决测试不可靠条件下的测试选择问题,对测试不可靠条件下的测试优化选择问题进行研究.将该问题还原为多目标问题来分析,以虚警率、测试数量、测试成本为目标,以故障检测率、隔离率为约束条件建立了问题的数学模型.以贝叶斯网络测试性模型为基础,利用提出的E占优NSGA-2算法求解该问题.利用该方法对某装备开展测试优化选择设计,并与NSGA-2算法、HBPSOGA算法进行对比,验证了该方法的有效性与实用性.