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。     

基于学习矢量量化网络的智能BIT故障诊断方法

将一种经过修正的基于学习矢量量化算法的竞争网络应用在多电飞机电气系统智能BIT故障诊断中,该网络在竞争层实现故障模式的自组织聚类,在输出层给出了具体的故障模式,通过与原算法进行比较,修正后的算法达到了很好的故障识别和分类效果.     

BIT技术发展与应用研究

按照美军制定的标准定义,BIT是指“系统、设备内部提供的检测、隔离故障的自动测试能力”,即系统和装备本身为保证自身的正常运行而进行自我检测故障、隔离故障的自动测试能力,而完成这一动作的具体硬件叫做机内测试设备,简称BITE.随着我国各领域科学技术的进步和国防现代化的需求,我国的大型技术装备数量越来越多,而这些不断增加的大型高科技装备对后勤保障和维护机制提出了更高的要求,本文通过对BIT技术的发展与现状的分析.结合我国大型技术装备维护的实际,对BIT技术的发展与应用进行深入的研究与探讨.     

基于BIT故障诊断的常规配电技术研究

为了解决常规配电设备的故障诊断和快速定位的问题，以飞机常规配电系统为背景，选取设备自身状态决策项、电气参数决策项和生命周期决策项，建立故障诊断方程，提出了一种基于机内自检（Built-in Test，BIT）的故障诊断方法。经实践应用表明，该方法对常规配电设备出现的故障能快速定位，可实现故障综合诊断、告警和信息上报等功能，提升了飞机的外场保障能力和故障排查效率。同时，该技术也可应用于国内现有其他机型常规配电系统中，意义重大。     

基于ART Ⅱ信息融合的BIT虚警识别

恶劣环境是电子设备ＢＩＴ运行过程中出现虚警的重要原因，由于样本获取困难，无导师学习神经网络得到广泛重视。本文提出采用ＡＲＴ Ⅱ网络对电子设备ＢＩＴ输出信息和环境应力信息进行融合，自适应识别ＢＩＴ状态模式，实验证明ＡＲＴ Ⅱ网络能准确识别ＢＩＴ状态，滤除虚警。     

模拟和混合信号BIT技术

BIT技术在数字电路测试中取得了巨大的成功.而模拟电路的特点决定了BIT技术在其应用存在一定的难度.笔者对模拟和混合扫描总线、模拟BIT、混合BIT技术的概念和应用现状分别做了介绍.     

基于案例表示及语义匹配的装备故障辅助诊断方法

为满足装备故障快速诊断需求,将案例推理技术与文本语义相似度算法相结合,构建了一种基于句向量的装备故障案例的语义相似度匹配算法。根据装备故障信息的特点,结合面向对象的案例表示方法,在优选装备故障现象文本相似度计算方法和装备故障信息的权重合理分配的基础上,提出了基于句向量的装备故障案例相似度综合计算方法（综合法）。针对1 000个故障案例,在有无增加干扰项的情况下开展实验分析,结果表明,提出的综合法在有无干扰项情况下都能取得最好的故障案例匹配效果,既能根据案例相似度给出推荐案例的正确排序,又有较好的区分度。     

基于BP神经网络的智能BIT故障诊断系统研究

论述了智能BIT的设计、检测、诊断、决策四个方面的主要研究内容,分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的智能BIT故障诊断系统,并用某雷达录取终端的故障实际数据进行了验证。结果表明将神经网络与智能BIT结合是一种有效的诊断方法,解决了传统BIT故障诊断能力不足,导致系统虚警率过高、自适应性能差等问题,使被测系统具有更高的故障诊断能力。     

系统级BIT设计中的测试选择方法

根据系统级BIT设计的要求,明确了系统级BIT设计中测试选择所需解决的问题,提出了测试选择的基本思想;在此基础上,利用系统级故障隔离的间接熵法实现了系统级BIT设计中的测试选择,并引入测试时间和故障发生频率参数对间接熵法进行了修正,获得了可以较快地判断系统是否可用并隔离大概率故障的测试集。理论分析及实验数据表明,该文提出的系统级BIT设计中测试选择方法是有效的。     

基于CAN总线的雷达装备BIT故障诊断专家系统研究

介绍了一种基于CAN总线的分散检测,集中诊断、显示的雷达BIT故障诊断系统,描述了其硬件组成、专家系统结构,知识表示和推理机制。通过在该雷达BIT中采用专家系统诊断方法,使得推理机与知识库分离,便于诊断知识库的扩充、维护,有效提高了系统BIT故障诊断能力。     

基于范例的装备故障诊断的Web推理方法研究

本文基于Web技术,从装备故障诊断的实例出发,提出一种基于范例的Web推理方法和对应的CBR系统结构,以适应目前因特网环境下的知识共享、知识管理工具和知识应用的发展。     

基于案例推理的故障诊断方法

针对传统故障诊断方法的缺陷,将基于案例的推理技术引入到故障诊断系统中,介绍了基于案例推理的故障诊断方法的机理,阐述了案例的表示、检索和案例库的建立,实例诊断表明,该方法相比传统的故障诊断方法来说具有简单、诊断精度高的优点,是有效可行的.     

基于粗糙集与数据库技术的故障诊断方法研究

提出一种基于粗糙集的抽取和过滤规则的方法,研究与讨论了数据库技术在实现知识自动获取和简化推理机设计方面的应用,结果表明推理机算法简单且可以满足复杂的实时故障诊断的需要.     

基于多源信息融合的雷达装备故障诊断决策研究

针对现代雷达故障特征参数较多,一般诊断方法难以解决的问题,文章在分析雷达检测诊断中诊断信息、诊断知识、推理过程不确定性的基础上,结合信息获取、信息融合、故障诊断及趋势预测几个方面建立了基于多元信息融合的雷达故障诊断决策模型,研究了信息融合中不同信息的归一化方法;该方法充分利用信息之间的冗余性和互补性.使故障诊断决策结果更加科学和准确;实例分析证明了所提模型及方法在提高故障检测率、减小Bayes风险、改善故障诊断性能方面具有明显的作用.     

轴承故障融合诊断方法

针对传统人工神经网络在故障诊断中应用的局限性 ,提出一种基于小波变换、遗传算法与神经网络的融合故障诊断方法。该方法先用小波变换对原始采样信号进行特征提取 ,再用遗传算法优化选择最为重要的特征作为神经网络的输入参数。最后 ,由神经网络进行状态识别和特征分类。这样不仅减少网络训练时间 ,降低网络计算量 ,而且有效提高分类的准确性及故障诊断的可靠性。轴承故障诊断实验结果表明 ,该方法是有效的。     

神经网络集成融合模型研究及应用

针对专家系统等单一模型解决发动机故障诊断存在的算法复杂度高、诊断准确率低等问题，提出了BP神经网络集成与DS证据推理相融合的神经集成融合模型，不仅实现了发动机不同部位的专家经验与实际观测数据的特征级融合，还实现了多个模型的优势互补。通过对该方法和传统的专家系统方法比较得出，神经网络集成融合方法提高了7.1%的诊断准确率。     

软件密集型装备软件故障诊断技术研究

针对当前软件密集型装备软件故障诊断方法的缺陷,提出了一种基于粗诊断与细诊断技术相结合的软件故障定位方法。对故障进行初步定位,找出软件故障可疑模块集,利用切片技术对故障模块集进行检测,将故障定位到程序语句集中,采用代码分析辅助诊断工具对可疑代码集进行排查、定位。软件密集型装备故障诊断原型系统的应用表明,该方法能有效地进行软件故障的定位。