改进的基于霍夫曼编码的故障诊断策略

针对电子系统的可测试性设计和故障诊断中测试排序问题,提出了一种改进的优选测试点和故障诊断树生成算法。在相关性矩阵模型的基础上,以平均测试代价最小和平均测试步骤最少为设计目标,采用基于霍夫曼编码的启发式函数优选测试点,提出了一步回溯的与或树启发式搜索算法生成诊断树,并给出了诊断策略优化方法的具体实现步骤。实例表明该方法可行,能以较小的平均测试代价和较少的平均测试步骤隔离系统的故障状态。     

基于改进的冲突A*算法的卫星电源系统故障诊断方法研究

针对卫星电源系统的在轨故障诊断,提出了一种改进的冲突A*算法故障诊断方法;改进的冲突A*算法在冲突A*算法基础上增添了一个扩展节点消减模块,通过该模块可以达到故障隔离的目的,从而加快搜索速度;首先改进的冲突A*算法会生成一个候选诊断,然后在卫星电源系统模型中对应部件生成输出,当模型部件生成的输出与实际观测值不一致时,改进的冲突A*算法会缩减可扩展的冲突节点,然后生成下一个候选诊断并进行循环,直到搜索结束;采用多组件受约束卫星电源系统模型开展验证实验,结果显示,多重故障诊断中改进的冲突A*算法在搜索速度上相比冲突A*算法提升50%,证明了该算法在卫星电源系统故障诊断中应用的有效性。     

基于决策树与扩展相关性矩阵的故障诊断方法

故障诊断的准确性直接影响维修的时间与费用,目前,电子产品故障诊断中多采用相关性矩阵的方法,用0/1逻辑构建诊断知识实现诊断,该方法无法充分利用测试信息,影响了故障隔离能力。因此,针对该问题,将莱特准则引入相关性矩阵的构建中,运用多值编码代替0/1编码,构建了一种新的相关性矩阵,以矩阵中的不同测点信息作为决策树的输入,以信息增益为特征优选原则,优选了测试点,构建了诊断决策树模型,给出了故障诊断策略。该方法提高了故障隔离能力,诊断过程更符合实际需求。利用上述方法,以电源模块为对象,进行了案例应用,通过故障注入实验的方式,验证了该方法的有效性,结果表明,通过文中的方法所得的故障隔离率指标优于基于传统相关性矩阵(D矩阵)的方法。     

模拟电路故障诊断测试节点优选新算法

针对模拟电路故障诊断测试节点优选问题,采用粗糙集中二进制可辨矩阵的概念,将模拟电路故障诊断节点优选转化为求信息系统的最优约简.以求核作为约简的基础,给出了新的测试节点优选算法.最后,给出了新算法的应用实例,利用MATLAB程序验证了算法的有效性.     

基于遗传粒子群混合算法的测试节点优选方法研究

随着电子技术的大规模发展,电路可靠性要求逐步提高,电路板测试诊断的重要性日益凸显;如何寻求最佳的测试节点或测试矢量集是电路的故障诊断中的重要问题,提出一种基于遗传粒子群优化算法对测试节点进行优化选择.该方法通过建立电路测试节点的"故障-测试"矩阵,用遗传算法对数学模型的进行优化,并采用粒子群算法搜索实现了快速求解;与传统方法相比较,该方法搜索速度快,优化效果明显,已在工程实践中得到应用.     

基于强化学习和蚁群算法的WSN节点故障诊断

为了克服现有的WSN节点故障诊断方法所具有的难以实现在线诊断和诊断精度仍然不够高的缺点,设计了一种基于Sarsa算法和改进蚁群算法的WSN节点在线故障诊断方法;首先,建立了监测区域的网络模型和WSN节点故障诊断模型,然后,采用主成分分析法对节点故障样本数据进行降维,从而提高诊断效率,将样本数据作为层次,将故障诊断类作为各层节点建立层次树,采用改进的Sarsa算法求取各层节点的Q值,并将其用于初始化蚁群算法中路径的信息素,最后,提出了一种改进的蚁群算法求取从第一层出发的蚁群到各层节点之间的路径,将各层中信息素最大的节点作为最终的故障诊断类别;在Matlab环境下进行仿真实验,结果证明文中方法能有效实现WSN节点故障诊断,且与其它方法相比,具有故障诊断精确度高且能在线故障的优点,是一种有效的节点故障诊断方法.     

基于多信号流图模型的导弹系统级故障诊断技术研究

为了实现对导弹装备系统级故障的诊断,提出了基于多信号流图模型的导弹故障诊断方法;该方法利用多信号流图模型建立系统的层次结构模型,在对导弹系统级测试性指标进行分析的同时,生成故障模式-测试相关性矩阵;在导弹测试出现故障时,利用故障模式与测试的相关性对相关性矩阵进行化简后,可将故障定位到具体LRU;最后,利用某型导弹电气系统对该方法进行了验证,试验结果证明,该方法对于导弹系统级的测试性建模与分析是有效的,利用该模型能够对导弹系统级故障进行准确定位。     

基于多信号模型的机载设备综合诊断方法研究

对机载设备综合诊断的信息来源和基于模型的诊断方法进行了分析,重点研究了基于多信号模型的故障诊断方法;给出了机载设备多信号模型的建模方法,研究了基于该模型的可达性和相关性分析方法,及故障-测试相关性矩阵的获取方法;在此基础上,详细设计了综合故障诊断方案和流程;并以机载气象雷达为实例,建立了该设备的多信号模型及测试-相关性矩阵,实现了气象雷达的综合故障诊断;验证了基于多信号模型的机载设备综合诊断方法的可行性。     

基于BAM网络的坦克火控系统在线故障诊断方法研究

鉴于传统的坦克火控系统故障诊断技术诊断速度慢,对多故障复合情况难以快速定位等缺点,提出了一种基于BAM网络的在线故障诊断方法;结合BAM网络模型和算法,利用层次分析法建立系统故障模型,使用最小割集对模型进行分解,生成训练BAM网络的正交学习样本空间,给出了一种最优化的权值矩阵生成方法,并应用该方法对某型坦克进行故障诊断;实例证明此方法能够有效减少测试点数量,简化网络结构,实现了单故障和复合型故障的快速定位,提高了故障诊断效率.     

基于多信号模型的故障诊断策略设计

对基于多型号模型的故障诊断策略设计进行了深入研究,介绍了多信号模型的定义和表示,提出了在单故障假设及不考虑组成单元可靠性、测试时间和测试费用影响下的故障检测用测试和故障隔离用测试优选算法以及故障诊断策略制定方法,并结合示例说明了诊断策略的设计过程;文中所提出的诊断策略设计方法能够以尽可能少的测试完成故障检测和隔离,按此方法设计的诊断策略具有自适应特性,适用于各类系统和设备的测试性分析与设计和故障诊断。     

基于相对Fisher判别分析理论的故障诊断方法

随着现代工业过程的不断发展,自动化设备越来越复杂。系统的安全性与可靠性是设备现代化的重要方面。数据驱动的故障诊断技术是复杂工业生产过程安全性与可靠性的重要保障之一。传统的Fisher判别分析方法:常常忽视了量纲在各过程变量特征提取过程中的影响。本文在回顾传统Fisher判别分析理论的基础上,指出了量纲及量纲标准化过程对判别分析过程产生的影响,并建立了一种相对Fisher判别分析方法:。先通过预处理的方法:消除量纲差异带来的虚假影响,然后根据系统要求对观测数据做相对化变换,从而更有效地获取各观测数据的代表信息及不同运行模式的判断阈值。最后,利用计算机仿真实验验证了本文方法:的有效性。     

质子交换膜燃料电池系统数字孪生故障诊断模型研究

基于数字孪生的平行故障诊断方法通过检测和评估真实系统与数字孪生系统之间的残差进行故障诊断,相关数字孪生体基于质子交换膜燃料电池动力学模型和数据集合建立.如果残差向量超过故障检测阈值,则利用故障残差的相对敏感度执行故障隔离.本文将平行故障诊断方法引入质子交换膜燃料电池系统,构建了基于数字孪生估计器的平行故障诊断模型.仿真...     

基于混合运动模型的相对状态估计

相对状态的精确估计通常依赖参考平台准确的角加速度, 在航天场景由外力矩计算, 而在日常环境中由于未知阻力普遍存在, 准确的外力矩难以获取, 角加速度一般由角速度差分近似, 导致相对状态估计精度下降. 对此,本文构建一种仅依赖惯性测量的相对运动模型, 称为混合运动模型, 其将恒定加速度模型与向量运动学结合, 在独立于力矩和惯性状态的情况下, 精确预测相对状态. 此外, 本文设计扩展卡尔曼滤波器(EKF), 将该运动模型与视觉相对观测结合, 实现高精度相对状态估计, 并以仿真和实际数据评估其性能. 仿真实验从轨迹动态特性和相对观测丢失的角度对比该EKF和目前先进的方法, 结果证明本文提出的方案具有较高的精度和稳定性. 实际实验利用本方法实现虚拟现实应用中的六自由度手柄视觉跟踪, 验证其具备先进的毫米级定位精度, 演示链接见https://www.bilibili.com/video/BV1mv4y1d7iD/.     

基于特征加权的应力影响下顽健语音识别方法

通过对应力影响下语音数据的分析,发现不同的特征维对变异的敏感程度不同。一般低维特征对变异比较敏感,相应的高维特征敏感程度差些。在此基础上,提出一种新的基于特征加权的变异语音识别方法。该方法通过对不同维特征加不同的权值来消除变异因素对语音特征的影响,从而提高系统的识别性能。文中提出对线性权值用最大相对熵估计方法获得权值。对航空模拟飞行器中采集的特定话者小词表孤立词的实验,最大相对熵估计方法的识别率可达到89.9% ,与多重风格训练方法相比,识别率提高了13.1%。     

基于判断矩阵一致性程度的专家权重确定方法

判断矩阵的一致性程度可以反映专家思维的一致性水平,是基于判断矩阵确定专家权重的一个重要因素。针对传统欧氏距离方法对元素间相对差异关注不够,以及判断矩阵相似度（或差异程度）的度量易受1-9标度影响的问题,研究基于判断矩阵一致性程度的专家权重确定方法,分别提出基于欧氏距离与灰色关联度的专家权重确定方法和基于相对距离的专家权重确定方法。前者通过引入灰色关联度,计算得到的是各专家判断矩阵一致性程度比较意义上的相对值;后者通过采用相对距离方法来减弱1-9标度的影响。算例分析中,基于一致性检验指标CR验证了本文2种方法得到的专家权重排序较传统欧氏距离方法得到的排序结果合理,并分析了各种方法在专家权重具体取值上的不同特点,为今后实际应用中的方法选择提供参考。     

平行皮肤:基于视觉的皮肤病分析框架

随着计算机与人工智能的快速发展,基于图像感知的皮肤病分析方法取得一些成果.然而,以深度学习为主的计算机辅助分析方法依赖于领域专家标注的医学大数据,诊断结果缺乏医学可解释性.为此,文中提出基于视觉的皮肤病分析统一框架——平行皮肤.启发于ACP方法与平行医学图像分析框架,通过构建人工皮肤图像系统实现数据选择与生成,通过预测学习的计算实验完成诊断分析模型构建与评估,并利用描述学习与指示学习融合专家知识,引导人工图像系统数据生成与选择,从而实现闭环诊断分析模型优化.     

基于分层约简模型的接地网故障诊断软件设计

在文献[11]提出的接地网分层约简模型和文献[9]提出的多激励迭代最小二乘故障诊断方法的基础上,利用MATLAB完成了一套接地网腐蚀故障诊断的软件设计。详细论述了分层约简模型的自动生成方法、接地网可测性分析的软件实现、不确定支路组及其原形自动分解的软件实现和不确定支路电阻范围估计的软件实现,并以一个60支路的实验接地网为例进行了说明,结果表明提出的方法是可行的。     

基于消费者风险态度的主观信任模型

针对现有信任评估方法缺乏对消费者风险态度的考虑,提出了一种基于消费者风险态度的主观信任模型.首先,利用集值统计理论计算属性集成区间;其次,引入风险态度因子,将区间评价矩阵转化为带风险态度信息的评价矩阵;最后利用相对接近度的思想得到实体的信任水平.通过仿真实验表明,当消费者处于不同风险态度时,可以通过调整其风险态度因子来评估服务提供者的信任水平;通过防欺诈实验,进一步验证了该模型能够有效地遏制一般恶意节点的攻击行为.且发现在诋毁行为攻击时,风险态度较乐观者,误差较小;在夸大行为攻击时,风险态度较谨慎者,误差较小.     

一种船用气象要素相对湿度传感器

针对陆地用气象要素相对湿度传感器难以适应海洋高湿、高盐雾、高腐蚀环境的问题,研制了一船用气象要素相对湿度传感器。采用高精度湿敏元件,设计出频率发生电路,将空气相对湿度的变化量转换为频率信号;通过设计的频率电压转换电路将频率信号转换为电压信号;设计的线性化调理电路将变化的电压信号进行线性化处理,使电压的变化能够线性化地对应于空气相对湿度的变化。通过特殊结构和可靠性设计,满足了气象要素相对湿度传感器的海洋环境适应性。测试结果表明:研制的船用气象要素相对湿度传感器测量精度高、线性化好,能够适应于海洋环境。     

Using relative von Neumann and Shannon entropies for feature fusion

This paper develops a new quantum inspired feature fusion method based on relative von Neumann entropy. The motivation is to more effectively reduce data redundancy and further improve the completeness and conciseness of the existing feature data. Regarding this, we quantise the source dataset into the collection of basic quantum states and constructed a weighted linking network to calculate the relative von Neumann entropies between feature samples. Thus, the detection and fusion of the duplicate feature samples in a subset is turned to the computation of the average relative von Neumann entropy and the measurement probabilities of the quantised feature samples. In parallel, the classical feature fusion method based on relative Shannon entropy is also proposed following similar idea. The experimental results show that the proposed feature fusion methods perform better in their completeness, conciseness, and stability.