无人机故障预测与健康管理研究现状及发展

随着无人机武器装备复杂性、综合化、智能化程度不断提高,由此带来的故障多发性、致命性、随机性、交联性导致系统可靠性与安全性问题日趋突出,因此无人机的维修保障问题成为一大军事难点;为了满足智能化战争对无人机快捷、精准、持续保障的要求,故障预测与健康管理技术应运而生,成为了英美俄等军事强国的研究热点;文章介绍了国内外无人机PHM技术的发展现状,以及无人机PHM体系构架,从数据采集和传感器技术、数据预处理和数据挖掘技术、数据通信技术、多传感器数据融合技术、健康评估和故障预测技术、智能推理与决策支持技术等六个方面详细分析了无人机PHM关键技术,最后结合现阶段无人机PHM技术的不足,展望了无人机PHM技术的发展趋势。     

基于状态维修过程中的故障预测问题分析

故障预测作为基于状态维修实现的关键,可以有效支持维修管理者的决策。参照国际标准化组织对故障预测的定义,划分故障预测过程,提出预测方法性能评估至少存在的两种方式,在分类和比较现有预测方法的基础上,明确预测方法的适用范围和限制条件,为工程预测系统的构建提供参考。     

基于虚拟样机的火炮故障仿真预测技术研究

为了实现火炮的预知维修,提高火炮执行任务的成功性,提出了基于虚拟样机的火炮故障仿真预测技术;火炮故障预测技术以当前火炮使用状态为起点,对火炮在未来任务段内可能出现的故障进行预测;建立了火炮虚拟样机,将虚拟样机作为一种定量推理方法引入到故障预测领域;提出了基于动态模糊评判的预测推理机制,基于虚拟样机实现故障过程仿真,实现了定性推理和定量推理的结合,确认实际发生的故障,找出对应的故障原因和故障部件,可以作为实现火炮预知维修的依据.     

基于灰色Verhulst-小波神经网络的装备故障预测研究

针对现代武器装备故障预测样本少、故障预测精度低、维修保障困难等问题,提出一种基于灰色Verhulst-小波神经网络组合模型的装备故障预测方法。该方法综合了灰色Verhulst模型所需样本少的优点和小波神经网络良好的时频局域化性质和学习能力,克服了小样本故障数据在BP神经网络训练中的缺陷。实验结果表明,与相关研究方法比较,所提出方法具有较高的预测精度,对于武器装备故障预测与维修保障具有一定的理论价值和现实意义。     

基于加速性能退化试验的IGBT故障预测前端设计

故障预测与健康管理(PHM)技术能够实现故障监测、诊断、预测、状态评估及综合决策的功能,能够降低飞行器维修、使用和保障费用,提高飞行器战备完好率、任务成功率以及安全性和可用性。针对航空电子单元故障预测具体实现这一问题,选择航空飞行器中常用的IGBT作为试验对象,采用加速性能退化技术,基于PXI的测控平台,研究IGBT故障预测试验加速性能退化试验技术,分析性能退化曲线,为IGBT加速寿命试验的实现奠定基础。     

装备无故障发现与间歇故障诊断技术

无故障发现是装备单元在某维修级别被认为故障而拆卸,却在下一维修级别测试没有发现故障的现象,日益成为装备测试与保障领域的突出问题。间歇故障是无故障发现的主要原因,也是故障检测诊断领域面临的棘手问题。介绍了无故障发现和间歇故障的基本概念,总结分析了无故障发现和间歇故障的产生诱因、分类及对装备的影响,概述了无故障发现、间歇故障检测与诊断技术的国内外研究现状,指出了间歇故障确定性检测的发展趋势,深入分析了间歇故障诊断领域的关键技术与发展方向。     

基于ARIMA和神经网络的单脉冲雷达设备故障预测研究

单脉冲雷达设备目前采用的计划式维护模式过于依靠人力资源,也不能完全避免设备故障造成的巨大损失,已经越来越难以满足航天测控领域的实际应用需求;基于单脉冲雷达设备使用维护现状,文章研究了故障预测技术在单脉冲雷达设备维护的应用可行性,总结出了单脉冲雷达设备故障预测的基本流程与方法,并结合工程实际分别使用ARIMA时间序列分析和神经网络验证了单个参数劣化过程的预测与系统级劣化过程的预测,预测结果满足设备使用维护需求.     

便携式雷达综合检测平台及智能故障诊断系统的设计

为满足某型雷达装备野战基层级维修保障需求,设计并研制了便携式雷达综合检测平台。该检测平台采用多微机共总线分布式控制、基于BP神经网络的智能故障检测系统、直接数字合成和模拟仿真等技术,集某型雷达故障检测、性能测试和模拟训练功能于一体。实现了检测平台的集成化、小型化和检测智能化,解决了某型雷达现有维修设备体积庞大、配套设备繁杂、机动性差、价格昂贵、操控复杂等问题,经实验验证,提高了雷达在部队实装配备的综合诊断检测效率。     

复杂系统故障预测方法与应用技术研究

故障预测技术是我国未来发展复杂系统增强型视情维修体系(CBM+)的核心技术;在分析了目前广泛使用的基于统计学的故障预测方法基础上,研究了精度更高的基于模型和基于数据驱动等多种故障预测方法,总结了不同预测方法的适用性,结合实际应用提出了一种多方法融合的复杂系统故障预测新方法,与传统的统计学预测法进行了对比,并完成了仿真验证;新方法有利于提高故障预测的准确性,为未来实现复杂系统视情维修与贮存延寿提供技术保障。     

工业过程异常检测、寿命预测与维修决策的研究进展

作为保障工业过程安全性、可靠性和经济 性的重要技术, 异常检测、寿命预测与维修决策在过去几十年得到了越来越广泛的关注和长足的发展. 本文结合异常检测、寿命预测与维修决策各研究环节之间的相互联系, 综述了异常检测、寿命预测与维修决策的联合研究现状,重点总结了异常检测与寿命预测、异常检测与维修决策、寿命预测与维修决策、维修决策与备件管理的联合研究动态. 最后, 探讨了该领域中存在的问题及未来的研究方向.     

某型军用雷达便携式故障检测系统设计

本系统主要用于某型号雷达的快速检测和故障定位,解决目前该雷达在基层部队使用中维修困难的问题,提高该雷达综合保障力,促进其战斗力的形成;雷达便携式故障检测系统由主控计算机、信号采集板、电源管理模块、人机交互模块和连接线缆组成;该系统采用自动检测技术、快速故障定位技术可有效缩短雷达的故障定位时间;系统设计合理、功能完善、技术先进、使用方便且可靠性高;它的研制成功与装备部队是对现有雷达的重要补充,对提升我雷达的战斗力具有重要意义,具有显著的军事应用价值.     

装甲装备故障预测与健康管理系统技术研究

预测和健康状态管理(PHM)技术是一种先进测试、维修技术;从视情维修保障的背景出发,介绍了装甲装备PHM系统的内涵,进行了装甲装备故障模式影响和危害分析,明确了PHM系统具备的功能,初步构建了基于开放体系的装甲装备PHM系统的技术框架,并对其中的关健技术进行了深入研究,对炮控系统进行故障预测分析,结果和实际应用一致。     

基于信息源特征的航空部附件故障预测研究

针对舰载机多机种一体化自主保障中机载设备的维修保障需求,提出了基于信息源特征分析的航空关键部附件故障预测方法;首先,从信息源数据特征、研究对象判定、用于预测的可用信息及不确定性4个角度对信息源特征的复杂性进行了分析;其次,根据航空部附件故障频率和平均停机维修时间采用四象限图实现航空关键部附件的判定;最后,基于信息源不同可用信息选择不同的故障预测方法,并介绍了智能融合的神经网络算法和能够消除不确定性的非线性滤波方法,提高了航空部附件故障预测方法的通用性和准确性。     

基于PHM的电子装备故障预测系统实现关键技术研究

为实现现代武器装备故障预测与健康管理技术,需要对故障预系统实现技术进行了研究;建立了针对某型装备故障预测需要的软硬件平台,从状态检测系统设计、故障预测系统设计等方面进行了研究,并分析了故障预测模型的适应性;文章的研究为建立基于PHM思想的电子装备故障预测系统奠定了基础,该系统已经在某型装备故障预测中进行了应用,其研究成果还可以应用于装备寿命预测技术,为实施装备延寿工作提供信息支持.     

基于机器学习的蜂窝网络故障管理框架及方法综述

网络故障管理旨在检测、识别和纠正网络中发生的错误状况,为用户获得可靠稳定的网络服务提供保障,近年来,如何利用机器学习方法进行蜂窝网络故障管理引起了广泛关注。首先介绍了蜂窝网络故障管理的研究背景,明确网络故障管理的流程和功能;接着介绍现有蜂窝网络故障管理框架;随后对现有机器学习在蜂窝网络故障管理中的方法研究进行评述,从故障管理周期入手,分别对实现故障检测、故障诊断以及故障预测的机器学习方法展开介绍、总结和对比分析,为相关领域的研究提供参考。     

基于PHM的复杂机电系统健康管理技术研究

随着社会生产力的快速发展,复杂机电系统作为工业自动化领域重要组成之一,智能化、自动化程度越来越高,也对维修保障能力提出了更高要求。目前我国大多数复杂机电系统仍然以定期维修和故障维修为主,维修技术已经显著落后于设备发展水平。本文基于故障预测与健康管理技术,在剖析复杂机电系统常见故障模式的基础上,研究了复杂机电系统健康管理系统的层次架构、功能组成、技术途径,为视情维修保障模式在复杂机电系统中的应用方式方法进行了有益探索。     

基于建康管理技术的机载计算机智能故障诊断方法

为了满足飞机机载电子设备以状态监控为基础的视情维修保障策略,提升设备可维护性,提出了一种基于在线检测、故障预测、辅助决策的健康监控管理故障诊断方法,支持对机载电子设备的健康状态进行预测和评估。通过划分机载电子设备子功能的敏感威胁区域,对这些区域设计专门的威胁预警监控电路,进行功能危害监控,建立推理监控模型对监控电路故障进行预警监控,结合辅助决策的方式对预警到的故障进行定位,实现对电子设备的智能故障诊断。通过FMEA的分析与故障注入测试验证,该预警电路、推理模型和辅助决策能有效的预测故障及定位,具有较高的故障预测覆盖率,可提高机载计算机的维修性、降低维修时间,在电子设备视情维修策略上具备工程应用价值。     

基于ARMA的雷达发射机故障预测及其实现

针对现代雷达发射机的复杂度高、维修难度大且多为事后维修的现状,提出了构建一种基于ARMA模型的雷达发射机故障预测系统,该系统主要由数据采集和数据处理两部分组成;在分析某型雷达发射机预测系统设计方案及ARMA预测原理的基础上,以Matlab作为算法实现的工具,以Labwindows/CVI作为面向对象的图形用户界面(Graphic User Interface,GUI)设计工具,详细研究了基于二者混合编程的交互实现方法;实践结果表明,该预测系统具有界面简单清晰、交互性友好等特点,能够进行有效预测.     

基于深度学习的故障预测技术研究

针对常规故障预测方法难以分析复合故障的情况下各个故障对系统的交互作用、难以分析装备数据复杂特征、难以实时准确预测故障等现状,对现代大数据和人工智能方法应用在故障预测领域进行研究,提出基于深度学习的故障预测技术,将系统故障预测可分为动态预测和静态预测。利用深度学习算法处理装备状态监测和试验验证获得的海量故障数据,通过故障模型训练、故障特征识别、故障演化规律获取来对系统进行在线动态预测;针对软件故障突变特性,利用软件质量特征属性进行静态故障预测;同时,提出使用开源深度学习框架TensorFlow进行系统研制方法。通过基于深度学习的故障预测技术,能够提高装备故障预测能力。     

基于综合PHM方法的导弹维修保障综述

故障预测与管理技术(Prognostics and Health Management,PHM)是现代武器装备实现新型自主式后勤保障的关键技术,能够实现故障检测、诊断、预测、状态评估以及综合决策的功能,能够降低维修、使用和保障费用,提高战备完好率、任务成功率以及安全性和可用性;对PHM方法技术发展、作用以及国内外发展现状进行了详细的介绍和总结,并针对导弹维修保障中PHM方法的应用进行了调研,提出导弹维修保障综合PHM的基本概念、体系构建方法以及存在的技术难点,最后进行了展望和总结。