基于粗糙集混合系统的雷达印制板故障智能诊断

新型雷达可更换的板级电路复杂、数量多。为了快速诊断板级电路故障,提出了采用分类的粗糙集-神经网络-专家系统的混合系统实现雷达装备的故障诊断。简要介绍混合系统进行雷达板级电路故障诊断的工作原理;建立了故障诊断样本;并以实例对粗糙集-神经网络-专家系统的混合系统进行训练和实际诊断。结果表明,该方法诊断准确性高,比其他方法更为快速有效,较好地解决了雷达可更换板级电路的故障诊断问题。     

现代雷达装备综合智能故障诊断系统设计

为克服传统雷达装备故障诊断技术的局限性,适应雷达装备维修保障的发展需求,结合现代雷达装备的结构和故障特点,设计了一种现代雷达装备综合智能故障诊断系统。该系统采用分层次分模块的故障诊断方式,将神经网络、专家系统和模糊推理等智能诊断技术有机结合。仿真结果表明,该系统能实现对复杂形式故障快速、精确地进行诊断。     

基于FNNES和层次模型策略的雷达故障诊断

针对传统诊断技术在现代雷达故障诊断中的局限性,结合现代雷达装备的结构及故障特点,采用模糊神经网络专家系统(FNNES)和层次诊断模型相结合的诊断策略,对现代雷达装备进行故障诊断.通过实例检验,该诊断策略具有故障诊断能力强、诊断效率高和较好泛化能力的特点,能有效解决当前雷迭故障诊断难题,且适用于其他复杂装备的故障诊断.     

基于NN与CBR的雷达故障诊断专家系统设计

快速有效地诊断和排除雷达故障是当前装备维修保障工作的重点。对雷达这样复杂的设备进行故障源的充分暴露和故障定位,仅依靠传统单一的方法有较大的局限性,故设计并实现基于神经网络(NN)与基于案例推理(CBR)的雷达故障诊断专家系统。该系统主要由输入模块,推理模块及管理维护模块等组成。诊断实例表明,运用NN与CBR相结合的技术建立的故障诊断专家系统,诊断结果与实际吻合,且具有诊断速度快、针对性强等优点。     

基于专家系统和神经网络的雷达伺服系统故障诊断方法

针对专家系统在雷达伺服系统故障诊断中存在的不足,结合现代伺服设备的结构和故障特点,采用分层次分模块的故障诊断方式,构建了一种基于专家系统和神经网络融合的故障诊断模型,并给出了该模型的组成和功能表述,分析了诊断参数的选取方法、知识库的建立及神经网络模块结构     

某型炮兵雷达便携式故障诊断系统的设计与实现

某型炮兵雷达自装备部队以来,在使用过程中发现故障现象明显增多,已严重影响了雷达的日常训练和战斗力的形成。针对目前炮兵雷达基层部队技术力量薄弱,故障维修困难等问题,基于专家系统和神经网络技术开发了雷达便携式故障诊断系统,实现了雷达故障的快速诊断及排除,提高了雷达的综合保障能力。探讨了系统的硬件结构、故障诊断架构、故障诊断模型和故障诊断流程。应用结果表明系统的可行性和实用性,极大地提高了维修效率和故障诊断能力。     

某型电子信息系统模块级故障诊断技术研究

针对电子信息系统结构复杂、难于建立精确数学模型等特点，以某型电子信息系统为例，采用故障字典和BP神经网络相结合的方法，利用Multisim软件进行电路仿真。再由实测样本数据对BP神经网络进行训练，完成对网络各参数的设置。仿真结果表明，该方法可以较好地将故障定位到元器件，同时可为其他电子信息系统模块级故障诊断技术研究提供借鉴。     

BP神经网络在设备故障诊断方面的应用

电子设备逐渐成为越来越复杂的大系统,因此如何对其进行高效快速的故障诊断,使其保持良好的工作状态,具有重要的意义。针对传统故障诊断技术的局限性,探讨了基于BP神经网络的故障诊断方法;并基于该诊断方法利用VC＋＋和Matlab混合编程开发了故障诊断软件。同时以雷达系统上的某些部件为例,对该软件在故障诊断方面的正确性及可靠性进行验证：将代表故障的信息输入训练好的神经网络后,由输出结果便可以判断发生故障的类型,从而实现对故障模块的精确定位。实验结果表明,该诊断软件提高了电子设备故障诊断的效率,具有一定的应用价值。     

一种分布—集中式雷达机内故障诊断网络

考虑到新型体制雷达结构紧凑、电路网络复杂多样、故障现象往往呈现一故障多响应的特点,在实际应用中,全分布或全集中式雷达机内自检手段已不能有效覆盖和准确定位机内故障,特别是不能有效覆盖各类连线故障。为解决现阶段雷达机内自检设备故障定位效率及准确度低的问题,基于换件检修的指导思想,提出了一种基于功能与结构测试、分布—集中式的三级雷达机内故障诊断网络思想。实践表明,该诊断网络的使用使故障定位到插件或可更换维修单元快而准,并有效覆盖分系统之间、雷达分系统内各插件或可更换维修单元之间的连线故障或电缆连接故障。     

机载稳定平台伺服系统故障分析及诊断方法研究

针对在恶劣环境下运行的随动稳定平台伺服系统,采用故障树分析法确定其故障类别和逻辑关系,基于粗糙集理论建立原始决策表,使用可辨识矩阵与遗传算法相结合的方法对其进行约简,以约简后的决策表作为学习样本,训练Elman神经网络后生成故障诊断模型,使用测试样本进行校验,故障诊断正确率达98%,表明了该诊断方法的可行性,对故障模型较为复杂的稳定平台伺服系统的诊断应用具有实践意义。