复杂航空电子装备故障诊断规则提取

针对复杂航空电子装备故障样本不足的问题,为简化测试过程、提高故障诊断效率,提出了一种基于粗糙集的故障诊断规则提取方法;该方法构建了故障诊断决策信息系统,通过构造故障诊断决策信息系统的决策辨识矩阵和决策辨识函数,计算测试参数集的所有约简,从而提取故障诊断规则;以某型雷达系统为例,采用上述方法进行规则提取,将故障诊断所需测试参数从9个约简为3个;研究结果表明,该方法能在故障样本较少的条件下有效约简测试参数集,提取故障诊断规则,有利于简化测试过程,提高诊断效率.     

基于粗糙集神经网络和信息融合的故障诊断

神经网络是智能故障诊断系统的一种重要的方法。粗糙集理论则是处理不完备信息的一种技术。文中以复杂的人工智能诊断问题为研究对象,系统地论述了基于神经网络、粗糙集、信息融合的智能诊断的理论、方法与实践。其主要方法如下:在故障诊断的神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的组合神经网络约简并删除其中不必要的属性,克服了网络规模过于庞大和分类速度慢的缺点,并给出了基于粗糙集理论的组合神经网络的模型结构,最后再利用数据融合技术,得出更加精确的结果。一个故障诊断实例证明了该方法的有效性。     

基于自动测试系统的装备远程测试与故障诊断

简要介绍了国内外自动测试系统和复杂装备远程测试与故障诊断的发展情况,分析了远程测试与故障诊断的必要性和重要性,明确了远程诊断承担的任务和达到的目标,最后阐述了基于自动测试系统的复杂装备远程测试与故障诊断所涉及的技术.     

基于粗糙集神经网络和信息融合的故障诊断

神经网络是智能故障诊断系统的一种重要的方法.粗糙集理论则是处理不完备信息的一种技术.文中以复杂的人工智能诊断问题为研究对象,系统地论述了基于神经网络、粗糙集、信息融合的智能诊断的理论、方法与实践.其主要方法如下:在故障诊断的神经网络模型的基础上,以粗糙集理论中的信息系统属性值表为主要工具,将复杂的组合神经网络约简并删除其中不必要的属性,克服了网络规模过于庞大和分类速度慢的缺点,并给出了基于粗糙集理论的组合神经网络的模型结构,最后再利用数据融合技术,得出更加精确的结果.一个故障诊断实例证明了该方法的有效性.     

基于信息融合技术的装备BIT故障诊断系统应用研究

BIT就是系统、设备内部提供的检测、隔离故障的自动测试能力;传统BIT主要面向单一功能设计,不具有同时应对多信息的处理功能,面对复杂电子装备的多信息处理问题,传统BIT故障诊断能力不足,导致系统虚警率过高,测试性与故障诊断能力下降,在BIT系统中运用信息融合技术对多信息进行整合,对于提高BIT综合效能,实现快速高效的故障诊断具有重要意义;文章首先对信息融合基本原理进行了介绍,构建了基于信息融合的装备BIT故障诊断系统结构,接着对信息融合诊断系统进行了建模,并对模型中基于神经网络的BIT诊断技术、基于D—S理论的BIT决策技术的关键技术进行了研究,最后给出了故障诊断程序流程;该技术研究通用性强,适用于多种不同型号的复杂电子装备的BIT快速故障诊断。     

基于蚁群算法的雷达系统测试序列优化研究

随着微电子技术的发展,电子装备结构、功能日趋复杂,电子装备的保障面临的困难也越来越大。文章以多信号模型为基础,以提高电子装备故障诊断能力为目的,开展了测试性分析和基于蚁群算法的测试序列优化研究。最后通过实例证实了算法的可行性和有效性,为雷达系统的测试诊断和功能验证提供了一种新的方法。     

一种融合粗糙集与灰模的装备故障预测方法

结合粗糙集理论和灰色系统理论对不精确信息处理的优势,文中提出一种融合粗糙集理论与GM(1,1)灰色预测模型的故障预测方法,先运用粗糙集的属性约简算法对故障诊断决策表进行约简,推出最优诊断规则,再利用GM(1,1)灰色预测模型对约简决策表中的各条件属性测试值计算得到其预测值,从而代回约简的诊断决策表进行故障预测,最后在某型机载电台装备中以某一故障为例进行应用验证,结果表明故障预测效率和精度都较高,从而为提高装备的可靠性和维修性提供依据.     

板级自动测试系统在航空电子装备中的应用

航空装备大修厂承修的机载电子装备中,常遇到较早期设计的电路板产品,这类产品相对而言可测性较低,测试方案不明确且产品维修资料较少,若遇到因电路板故障引起装备失效的情况,维修周期较长且故障排除效果不稳定,对维修单位而言在电路板级故障诊断带来很大困难。国内早期板级自动测试系统的研究偏向于专板专用,专业性较强通用性较弱,与实际维修保障应用方面相结合的案例较少,本文针对这一短板,对通用性较强的板级产品自动测试系统及其在航空电子装备中的应用进行了研究,选取故障较高的视频信号处理板为样本,用实例阐述了如何以板级测试系统为平台,确定了板级故障诊断设计方案,设计了测试开发流程,增强了维修行业对板级故障诊断技术的完备性与多样性。     

粗糙集及PSO优化BP网络的故障诊断研究

针对PP神经网络故障诊断存在网络结构复杂、训练时间长、精度不高的问题,将粗糙集、微粒群算法、遗传算法引入到柴油机故障诊断中,提出了基于粗糙集理论与改进PP神经网络相结合的柴油机故障诊断算法。算法采用自组织映射方法对连续属性离散化,利用粗糙集理论对特征参数进行属性约简,使用微粒群算法优化PP网络结构,从而缩短训练时间,有效提高故障诊断的准确度。最后用柴油机的实际诊断结果验证了该算法的可行性、快速性和准确性。     

复杂电子系统的TEAMS测试性研究

系统测试性是准确地判定产品工作状态并隔离其内部故障的一种设计特性,多信号模型是利用分层有向图表示系统属性的因果关系,对系统故障传播特性建立的模型.采用多信号模型描述复杂电子装备的因果依赖关系,在故障空间使用TEAMS建模并进行测试性评估,可高效灵活地构建复杂电子装备的故障诊断模型,提高电子系统测试的故障隔离率和覆盖率.多信号模型建模方法简单,诊断速度快,能够改进系统的测试性,可应用于复杂系统的测试性设计、故障模式影响与危害度分析、TPS开发、故障诊断和测试性评估等,适应现代复杂电子系统的故障诊断需求.