基于遗传算法和神经网络的导弹故障诊断专家系统

首先简要介绍遗传算法原理,然后在搜集专家经验和专业知识的基础上,提出导弹故障智能诊断方法,设计BP算法以及遗传算法,最后研究基于遗传算法神经网络的导弹故障智能诊断专家系统的结构,并对某导弹发射控制系统进行故障分析,给出具体的诊断实例将此方法应用于导弹武器系统故障诊断中,提高了诊断的智能性.     

基于多Agent的某型导弹故障诊断系统任务规划研究

针对基于多Agent的故障诊断系统任务规划问题,研究并给出了该系统任务描述方式和基于系统结构的任务分解方法以及针对诊断的任务分配方案;将诊断Agent的领域知识库建立在该武器系统3个分系统下的各基本结构级上,该方案综合考虑了故障的位置、参数类型和故障诊断率等信息,分配具有针对性,使系统基本实现了故障诊断任务的智能分配;同时这种分配方式的可扩展性、可修改性和灵活性较强,该方法在基于多agent的某型车载导弹故障诊断系统中得到了很好的应用。     

基于粗糙集-BP神经网络的机车滚动轴承故障诊断

论文提出了一种基于粗糙集理论与BP神经网络相结合的机车滚动轴承故障诊断方法.首先对原始故障诊断样本的连续属性进行离散化处理,然后利用粗糙集理论,对条件属性进行约简,删除冗余信息,最后将约简的最小属性集作为BP神经网络的输入,并设计BP神经网络对滚动轴承进行诊断.仿真结果表明粗糙集-BP模型不仅简化神经网络结构,而且提高了收敛速度和故障诊断正确率.     

基于TOPSIS理论的导弹武器系统性能评估

导弹武器系统由于本身结构的复杂性以及决策者认识水平的局限性,其评估系统的指标往往呈现出模糊性和主观性等特征,如何将模糊的属性区间信息转化为确定的属性值成为导弹武器系统性能评估是首先需要解决的问题.为此提出了利用加权平均法来求出属性区间的加权平均值,用加权平均值取代属性的不完全信息,然后利用TOPSIS理论对各个系统进行判决.并在此基础上,对导弹武器系统性能进行建模与分析,并利用MATLAB对具体算例进行仿真.结果表明,算法综合利用了各种属性的不完全信息,能够给决策者提供可靠的结论.     

基于D-S证据理论的导弹武器系统效能评价

导弹武器系统的效能评价是有人参与的复杂系统评价问题.针对该类问题评价的复杂性和不确定性以及多属性群决策性,提出采用D-S证据理论对系统的导弹武器系统效能进行评价,给出了D-S证据理论用于系统效能评价的方法.证据理论综合了来自各个专家的评价信息,能够使得评价过程更加合理.仿真结果初步表明D-S证据理论在系统效能评价中具有一定的适用性.     

基于粗糙集-神经网络集成的故障诊断

综合粗糙集和神经网络的优点,提出一种基于粗糙集-神经网络集成的智能故障诊断模型.在数据采集和预处理的基础上,利用粗糙集(RS)理论对原始故障诊断样本进行离散化处理,并根据条件属性(集)对决策属性的正域的大小来选择属性,提取出对诊断故障贡献最大的最小故障特征子集,从而确定神经网络的拓扑结构;通过网络训练建立故障特征与故障之间的映射关系,采用神经网络集成的方法实现故障的诊断.通过热电厂发电机组的故障诊断实例,表明了这种故障诊断方法的工程有效性.     

基于流向图的不完备信息下导弹故障诊断知识获取

针对导弹故障诊断过程中出现信息缺失、数据不完备的问题,提出一种基于流向图的导弹故障诊断知识的获取方法;首先,提取故障特征信息,并利用特征关系对故障诊断知识进行分类处理,得到同一特征关系下的故障诊断实例集合;然后,建立不完备故障诊断流向图,并表述出各个节点之间的置信度和覆盖度,作为衡量完整路径的指标,构建导弹故障诊断知识获取框架;最后,结合实例分析,验证该故障诊断知识获取方法具有较好的直观性,为导弹故障诊断工作提供有效参考。     

基于测控数据挖掘的航天器故障诊断技术研究

近年来数据挖掘技术的快速发展使得利用航天控制中心积累的大量测控数据进行航天器在轨故障诊断成为可能.基于数据挖掘的故障诊断技术能够从历史数据中自动或半自动地获取潜在的诊断知识,从而有效解决故障诊断中知识获取困难的问题.在研究航天器实际测控数据特点的基础上,分析了传统故障诊断技术的优缺点,提出了基于数据挖掘技术进行航天器故障诊断的可行方法,指出了基于数据挖掘的航天器故障诊断技术下一步研究的主要方向.     

基于ODDD水下机器人故障诊断方法

近年来数据挖掘技术的快速发展使得利用水下机器人作业过程中积累的大量数据进行故障诊断成为可能;基于数据挖掘的故障诊断技术能够从数据中获取潜在的诊断知识;针对水下机器人推进器系统数据特征,提出一种基于聚类和距离的离群点检测方法(outlier detection based on dbscan and distance,ODDD);首先,对数据进行粗聚类,然后采用剪枝规则进行离群点检测,来实现故障诊断;仿真实验结果表明算法能够实现水下机器人快速有效的故障检测.     

混沌耗散离散粒子群算法及其在故障诊断中的应用

针对大型化工过程生产系统的高维度数据及其噪声严重影响故障诊断的性能,采用基于故障特征选择和支持向量机（SVM）的故障诊断方法.为了确保在线故障诊断的实时性和准确性,提出一种新型的混沌耗散离散粒子群（CDDPSO）算法,用于故障诊断中特征变量的搜索.仿真结果表明,CDDPSO算法能有效地搜索到全局最优解,而基于故障特征选择的故障诊断方法具有良好的故障诊断性能.     

时滞依赖H∞滤波器的有限频故障检测方法

本文研究了线性离散时滞系统的有限频鲁棒故障检测问题.利用故障估计技术,将故障检测滤波器设计问题转化为时滞依赖的H∞滤波器设计问题.本文直接给出刻画有限频故障检测性能的线性矩阵不等式条件,避免因引入加权函数而产生的不准确性.最后,仿真算例表明时滞依赖的有限频故障检测滤波器可以取得比已有结果更好的故障检测性能.     

基于多重结构神经网络的歼击机结构故障检测

提出了一种基于多重结构神经网络的故障检测方法。针对以歼击机为代表的非线性系统中存在的突发结构故障，构造了一个多重结构神经网络，在输入层对残差信号进行二进离散小波变换，提取其在多尺度下的细节系数作为故障特征向量，并将其输入到神经网络分类器进行相应的模式分类，之后再利用下一级的故障度辨识神经网络对故障的大小进行辨识。仿真结果表明，本文方法为歼击机组合结构故障的检测提供了有效的方法和途径。     

深空探测航天器姿态控制系统故障定位

执行机构与敏感器故障检测与定位是深空探测任务卫星平台可靠运行的前提和保障.本文从数据的角度出发,结合姿控系统工作机理,提出一种基于神经网络和支持向量机结合的故障诊断方法用于检测并定位故障.故障诊断方法分为3步,首先采集姿控系统的状态信息,采用神经网络对闭环姿控系统中未知动态特性建模并进行预测;然后将姿控系统敏感器信号与神经网络预测输出比较生成残差并提取故障特征;最后采用支持向量机辨识残差特征检测故障,并结合运动学特性分析定位故障.仿真结果表明本文所提方法可以有效提取、辨识故障特征,实现执行器与敏感器的故障检测定位.     

基于J1939协议的车辆故障诊断与ECU报文解析

在对汽车的故障诊断过程中,基于SAE J1939协议的CAN通信的ECU提供的发动机性能检测参数和整车网络通信数据,实现整车网络中多个ECU数据的共享;J1939协议同时也支持故障的诊断,通过数据转换模块将接收的数据转换成串行数据(包含CAN的ID地址),诊断工具(手持终端)可以读取当前故障码DM1或清除当前故障码DM11.本文提出了一种车辆故障诊断的研究策略,同时提出了一种基于JAVA语言的报文的解析方法,能够有效实时地实现对汽车发动机的故障检测.     

A robust fault diagnosis and accommodation scheme for robot manipulators

This paper investigates an algorithm for robust fault diagnosis (FD) in uncertain robotic systems by using a neural sliding mode (NSM) based observer strategy. A step by step design procedure will be discussed to determine the accuracy of fault estimation. First, an uncertainty observer is designed to estimate the uncertainties based on a first neural network (NN1). Then, based on the estimated uncertainties, a fault diagnosis scheme will be designed by using a NSM observer which consists of both a second neural network (NN2) and a second order sliding mode (SOSM), connected serially. This type of observer scheme can reduce the chattering of sliding mode (SM) and guarantee finite time convergence of the neural network (NN). The obtained fault estimations are used for fault isolation as well as fault accommodation to self-correct the failure systems. The computer simulation results for a PUMA560 robot are shown to verify the effectiveness of the proposed strategy.     

Fault diagnosis and fault tolerant control for non-Gaussian time-delayed singular stochastic distribution systems

Stochastic distribution control (SDC) is a new branch of stochastic system control that the system output is the probability density function (PDF) of the output. In practice, some algebraic relations exist between the input and the weights of SDC systems, leading to a singular state space model between the weights and the control input which increases the complexity of the system. The ignorance of time delay in practical systems will make the effectiveness of the fault diagnosis (FD) and fault tolerant control (FTC) be reduced. In this paper, the linear B-spline basis functions are used to approximate the output PDF. A FD approach based on the adaptive observer is established to diagnose the size of fault in the singular time-delayed SDC system. With the fault diagnosis information, a fault tolerant controller based on PI tracking control scheme is constructed to make the post-fault PDF still track the given distribution. The post-fault closed-loop stability analysis with the practical fault tolerant controller is carried out based on the Lyapunov stability theorem. Finally, a numerical simulation is provided to demonstrate the effectiveness of the proposed approach.     

基于X2统计检验的线性离散时滞系统故障检测

基于X2统计检验,研究了一类含状态时滞线性离散时变系统的故障检测问题. 与基于残差的传统故障检测方法不同, 本文直接应用测量输出构造残差评价函数, 并通过投影与新息分析, 得到了残差评价函数的Riccati递推解. 分析表明, 该方法有效降低了残差评价函数的计算量, 并且在无故障发生情况下服从X2分布. 进一步, 通过X2统计检验可以判断系统是否有故障发生. 最后,通过一算例验证了提出方法的有效性.     

Fault detection for discrete-time LPV systems using interval observers

This paper is concerned with the fault detection (FD) problem for discrete-time linear parameter-varying systems subject to bounded disturbances. A parameter-dependent FD interval observer is designed based on parameter-dependent Lyapunov and slack matrices. The design method is presented by translating the parameter-dependent linear matrix inequalities (LMIs) into finite ones. In contrast to the existing results based on parameter-independent and diagonal Lyapunov matrices, the derived disturbance attenuation, fault sensitivity and nonnegative conditions lead to less conservative LMI characterisations. Furthermore, without the need to design the residual evaluation functions and thresholds, the residual intervals generated by the interval observers are used directly for FD decision. Finally, simulation results are presented for showing the effectiveness and superiority of the proposed method.     

基于贝叶斯网络模型的电子装备故障诊断研究

针对电子装备故障的层次性、相关性、不确定性特点,结合贝叶斯网络在处理不确定性问题上的优点,提出了电子装备故障诊断的贝叶斯网络方法;研究了基于故障树分析和故障模式、影响、危害度信息的贝叶斯网络模型建立方法,分析了贝叶斯网络的故障预测和推理原理,确立了各底事件对故障诊断的重要度,形成了故障诊断的合理顺序,通过实例验证了上述方法的可行性和有效性;研究成果对复杂电子装备的故障诊断有借鉴意义。