油料装备智能维修仿真平台研究

在研究油料装备维修管理特点的基础上,提出油料装备智能维修仿真平台框架。为提高维修效率和质量,将模糊神经网络应用于故障诊断中,建立故障智能诊断模型,给出了故障诊断模糊神经网络结构。将灰色预测理论和神经网络应用于装备维修领域,建立油料装备维修备件储备策略模型。研究微粒群优化算法的油料装备维修策略模型,使得油料装备维修有效性及经济性达到最佳。油料装备智能维修仿真平台的研究,对提高油料装备维修科学化和智能化水平,加强油料装备保障力度具有重要意义。     

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。     

电子装备网络化测试诊断系统设计

网络化测试诊断技术是当今测试诊断领域的发展热点,结合电子装备维修保障的现实需求,以无线网络作为依托,采用先进的虚拟仪器技术组建分布式远程测试诊断系统;该系统可对电子装备运行状态进行远程实时监控,对故障进行综合测试诊断,并具有远程维修支援和远程仪器控制功能,从而实现系统中装备维修保障资源的互联共享,达到联合测试诊断的目的,满足现代电子装备快速维修保障的需要.     

基于.NET的工程装备维修保障辅助系统设计与实现

传统工程装备修理保障能力主要依靠维修人员技能培训和经验积累,装备保障受制于人的问题较为突出.基于.NET的工程装备维修保障辅助系统,可实现装备故障查询快捷定位,提高维修效率,并可利用已安装该系统的手持便携设备,方便快捷地对技工和修理人员进行培训.     

BP神经网络在装备维修保障能力评估中的应用

文章介绍了神经网络的基本原理和方法,在系统分析装备维修保障能力的各种影响因素的基础上,构建了装备维修保障能力评估指标体系。接着详细设计了用于评估装备维修保障能力的神经网络模型,并利用Matlab仿真软件对结果进行了计算和分析。结果表明BP神经网络具有很强的解决复杂非线性问题的特点,适用于对装备保障固有能力的分析和评估。     

智能化雷达故障预测及检测技术综述

雷达故障预测和故障检测技术是雷达装备维护从传统化定期检修向智能化视情维修转变的关键技术。为保障雷达作战效能的发挥,需及时对雷达故障进行预测、检测并实时告警。随着微波测量和人工智能技术的日趋成熟,智能化雷达故障预测及检测技术也不断发展。文中详细阐述了当前故障预测与健康管理以及故障检测技术的国内外研究现状,分析了现有智能化雷达故障预测和检测技术的优缺点,梳理了该技术在雷达维修保障领域的研究进展,提出了雷达故障预测和检测过程中可能存在的问题和限制条件。针对实际问题和限制条件,对未来智能化雷达故障预测和检测技术的研究方向进行了展望,为智能化故障预测及故障检测技术在雷达维修保障领域的深入研究提供参考。     

自行火炮维修决策专家系统的设计与实现

为解决传统故障诊断方法在装备维修保障方面的不足,将故障预测引入到装备维修保障领域,提出了基于动态模糊综合评判的故障预测模型。基于动态隶属度对服役期间故障的发生、发展和系统性能下降的动态变化过程进行描述．给出了动态权重矩阵、动态隶属度的确定方法和常见的隶属函数。并以火炮反后坐装置为例对预测过程予以说明,证明了该方法的有效性和实用性。     

网络通信系统安全保障技术研究

随着网络信息技术的飞速发展,通信装备的维修保障网络化是目前研究的主要课题。基于IPSec的VPN技术构建的通信装备维修保障网络实现了通信装备故障和维修信息共享,快速强大的专家技术支援,为通信装备的正常运行,发挥强大效能提供了强有力的保障。本文从通信装备维修保障的关键支撑技术入手,设计和实现了通信设备维修保障管理系统,对提高通信装备维修保障具有重要意义。     

基于故障传播的模块化BP神经网络电路故障诊断

大规模的数模混合电路所含故障模式众多,电路故障状态复杂,且易发生传播,因而电路故障诊断难度较大。针对大规模电路发生故障时存在故障传播的问题,提出一种基于故障传播的模块化BP神经网络（MBPFP）故障诊断方法。首先,在电路模块划分的基础上分析子电路间的故障传播,并将故障源和故障传播源"模块化";然后,通过子电路的异常检测模型进行一级定位,缩小故障原因集合,确定故障模块;最后,利用目标模块的BP神经网络模型进行二级定位,实现故障诊断并识别故障模式。与传统BP神经网络等方法进行比较的实验结果表明,MBPFP故障诊断方法具有较高的故障覆盖率,在定位准确率方面提高了至少8个百分点,其性能优于传统BP神经网络等方法。     

基于XML解析技术的维修保障信息存储与共享研究

维修保障信息的保存和共享在装备维修保障领域具有深远的意义,维修保障信息的集成依赖于统一的表示格式和功能强大的表示手段,XML以其灵活性和开放性,能够胜任这样的需求。首先对XML的解析技术进行对比研究,然后探讨应用XML语言进行维修保障信息集成和访问存储,该方法确保了维修保障信息的及时性和可扩展性。     

基于优化神经网络算法的大数据专家系统的继电保护二次回路故障定位系统(RSFLS)的研究与实现

为解决继电保护二次回路故障排查耗时耗力、考虑因素不全面、受限于人员经验等问题,本文提出基于优化神经网络的大数据专家系统的方法,并搭建继电保护二次回路故障定位系统（RSFLS）。在对继电保护二次回路抽象分类的基础上,建立基于实体-关系模型（E-R模型）的缺陷数据库模型,利用优化神经网络进行随机化和自学习,并融合继电保护人员的经验库,形成基于优化神经网络的专家系统架构,从而匹配定位故障点。该方法有效解决了传统二次回路故障排查方法所存在的准确性不高、随机性较大、时效性较低等问题。基于该方法开发的RSFLS系统已投入实际应用,能有效缩短继电保护二次回路故障排查时间、提高排查准确性。测试结果证明所述方法和系统在提升继电保护系统可靠性方面有显著效果。     

基于模糊神经网络的复杂网络故障诊断设计

针对雷达等复杂大型电子装备网络系统的故障定位难、影响关系不清晰的问题,采用了基于模糊神经网络的故障定位方法,提高了网络故障定位的快速性与准确性：首先介绍了模糊隶属度及模糊神经元等理论,接着基于模糊理论将网络监测信息进行模糊化处理,并利用神经网络模型对模糊后的信息进行训练与学习,参数训练达到设置的期望误差0.01;最后利用训练好的模型对随机抽取的2组网络故障实例进行了验证,软件执行单次诊断耗时3.5s;结果表明采用基于模糊神经网络的诊断方法,能够较好解决网络故障耦合复杂、故障现象与故障原因关系不清晰等难题,对网络故障快速排除与恢复具有重要意义。     

基于小波分析和神经网络的井下电缆故障测距方法

针对现有的井下电缆故障测距方法存在可靠性差、精度低的问题,介绍了一种基于小波分析理论和神经网络的井下电缆故障测距方法,并比较了BP神经网络和RBF神经网络用于该方法的测距性能。该故障测距方法采用3次B样条半正交小波对暂态零序电流信号进行小波变换,得到特定频带内的暂态零序电流模极大值,并将该模极大值作为神经网络的输入信号,根据模极大值与故障点位置的映射关系实现故障定位。仿真结果表明,该故障测距方法能够较好地进行井下电缆故障测距,且RBF神经网络的测距误差及训练速度均优于BP神经网络。     

基于专家系统的汽车衡故障传感器判别

传感器是自动化设备的核心部件,传感器故障检测显得尤为重要。针对目前汽车衡维护、检修的困难,为有效准确判断故障传感器,提出了以径向基函数神经网络（RBFNN）预估值的初始化数据库专家系统判别方法。经现场测试准确率达到96%以上,从而有效简单地判定传感器好坏和识别故障传感器的位置。     

基于信号特征提取和卷积神经网络的轴承故障诊断研究

轴承是机械设备主要零部件之一,也是机械设备主要故障零部件之一。轴承故障问题为机械设备的重点,机械设备的使用受到故障轴承的直接影响。针对传统的卷积神经网络算法轴承故障诊断效率低下问题,本文提出了一种基于信号特征提取和卷积神经网络的优化方法。首先对原始数据信号进行时域和频域的信号特征提取,获得有效的故障特征值。之后,使用卷积神经网络对提取的特征值进行故障诊断,完成故障分类。本文使用美国凯斯西储大学的滚动轴承振动加速度信号作为数据集,对提出的方法进行验证,得到的故障诊断平均准确率为74.37%,准确率的方差为0.0001;传统的卷积神经网络算法故障诊断平均准确率为65.6%;准确率的方差为0.0019。实验结果表明,相比传统的卷积神经网络,提出的方法对轴承故障诊断的准确率有显著的提高,并且该方法的稳定性更佳,计算时间更少,综合性能更佳。     

Fault diagnosis of rolling bearing based on back propagation neural network optimized by cuckoo search algorithm

In order to improve the accuracy of rolling bearing fault diagnosis in mechanical equipment, a new fault diagnosis method based on back propagation neural network optimized by cuckoo search algorithm is proposed. This method use the global search ability of the cuckoo search algorithm to constantly search for the best weights and thresholds, and then give it to the back propagation neural network. In this paper, wavelet packet decomposition is used for feature extraction of vibration signals. The energy values of different frequency bands are obtained through wavelet packet decomposition, and they are input as feature vectors into optimized back propagation neural network to identify different fault types of rolling bearings. Through the three sets of simulation comparison experiments of Matlab, the experimental results show that, Under the same conditions, compared with the other five models, the proposed back propagation neural network optimized by cuckoo search algorithm has the least number of training iterations and the highest diagnostic accuracy rate. And in the complex classification experiment with the same fault location but different bearing diameters, the fault recognition correct rate of the back propagation neural network optimized by cuckoo search algorithm is 96.25%.

     

基于改进GSP的电力通信告警关联挖掘研究

随着电力通信网络规模不断扩大,网架结构日益复杂,其网络告警产生的原因与机理也多种多样。面对繁多复杂的通信告警,需要减少对人工专家知识的依赖,提高故障定位的准确性和效率。论文分析了主流通信告警关联分析方法存在的不足,针对电力通信网络设备网元数量多、告警数据数量大等特点,将序列模式挖掘与网络拓扑约束相结合,有效提高了电力通信告警关联分析的效率和精度。通过算例分析,该方法对电力通信告警关联分析具有较好的适用性,对提升通信运维管理水平具有一定的实际意义。     

基于BP神经网络的故障诊断技术研究

分析了传统的故障诊断方法的特点和缺点,在此基础上选择BP神经网络应用于故障诊断,详细探讨了BP神经网络的建模方法,根据设备的层次结构和特点,将集成神经网络应用于故障诊断,有效地克服了单一神经网络故障诊断的一些缺点,大大提高了故障诊断的效率和准确率.     

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.