共查询到19条相似文献,搜索用时 171 毫秒
1.
2.
3.
4.
基于故障树的贝叶斯网络模型在装甲车辆中的应用研究 总被引:2,自引:0,他引:2
利用故障树成熟的方法,建立基于故障树的贝叶斯网络模型;根据故障诊断的一般思维,综合考虑故障特征信息量、搜索代价、故障概率等因素制定了最优故障搜索策略,并以某装甲车辆典型故障为例验证了该方法的有效性和准确性,实现了故障诊断过程的优化. 相似文献
5.
基于多状态贝叶斯网络的导弹质量状态评估 总被引:2,自引:0,他引:2
针对“是非制”导弹质量状态分类方法过于粗放、信息资源利用不充分的问题,提出了基于DS证据理论-层次分析法的条件概率赋值方法,并构建了贝叶斯网络的质量状态评估模型。在分析性能特征参数的基础上,将导弹状态划分为良好、较好、堪用、拟故障和故障5个等级。对单位不一、阈值各异的测试参数进行归一化处理,以改进的岭形分布函数确定各质量状态等级的隶属度,构建基于贝叶斯网络的导弹质量状态评估模型。鉴于各节点间为非确定性逻辑关系、数据信息相对缺乏,提出基于DS证据理论-层次分析法的多状态贝叶斯网络条件概率值确定方法。以某型导弹为例,经过验证,DS证据理论-层次分析法确定条件概率值的方法将不确定度降低到了5%左右,并通过横向对比与纵向对比确定了该模型的合理性与可信性。 相似文献
6.
针对当前复杂武器系统在装备部队后出现的故障定位难题,采用概率神经网络进行装备的故障诊断。给出概率神经网络算法及故障诊断步骤,建立基于概率神经网络的故障诊断模型,以某新型武器装备为对象,将该模型应用于装备故障诊断,并使用Matlab进行仿真验证。仿真结果表明概率神经网络能够有效识别出装备的各种典型故障,降低部队使用过程中故障排查难度,提高装备的维修保障能力。 相似文献
7.
针对航空导弹故障现象多,故障原因复杂,传统故障诊断方法难以准确进行故障定位的不足,构建一种基于案例推理的航空导弹智能故障诊断模型。结合维修实践中积累的故障案例,运用层次分类法与改进的聚类分析法,设计三级案例库组织结构,提出分阶段的K-近邻检索策略,将粗糙集理论应用于解决故障案例的征兆权重分配问题,并开发基于We b浏览形式的航空导弹智能故障诊断模块。该故障诊断模型具有较高的检索准确率,智能化程度高,使用便捷,能有效辅助技术人员进行航空导弹的故障定位和维修排故工作。 相似文献
8.
9.
10.
11.
12.
在小子样情况下 ,利用系统和分系统试验数据对导弹的飞行可靠性指标进行评定 ,从数学上说是系统可靠性综合问题 .运用MML SR方法对新型号地地战术导弹的飞行可靠性指标进行评定 ,避免了MML方法在遇到无失败单元时不适用的缺陷 ,在利用地面试验信息方面有其明显优势 ;运用Bayes方法对改进型导弹的飞行可靠性指标进行评定 ,将不同试验阶段的多源试验信息作为验前信息 ,扩大了信息量 .最后 ,对两种方法在工程应用上遇到的问题进行了讨论 ,并给出了解决方法 . 相似文献
13.
14.
在分析战术弹道导弹(TBM)目标及巡航导弹目标的易损性和杀伤准则基础上,建立了防空导弹迎击战术弹道导弹目标及巡航导弹目标时,在迎头平行交会条件下的引战配合模型,给出了引战配合延时时间方程,同时还分析了防空反导导弹引战配合设计中的关键技术,最后提出了加强TBM及巡航导弹目标特性、特别是易损性研究的建议. 相似文献
15.
16.
应用倾斜转弯(Bank to Turn,BTT)及推力矢量控(Thrust Vector Control.TVC)技术设计并建立了空空导弹六自由度模型。在此基础上考虑气动参数变化和建模不确定性引起的误差对导弹控制系统的影响,为消除误差影响,引入RBF神经网络分别对快慢回路进行补偿,利用李亚普诺夫(Lyapunov)稳定性定理推导了神经网络权值、中心及带宽的自适应规律,并证明了闭环系统的稳定性。通过对某型空空导弹大机动仿真研究,结果表明RBF神经网络自适应控制方法补偿作用显著,不仅改善了控制系统的动态性能,而且使系统具有良好的抗干扰和容错能力。 相似文献
17.
基于小波和模糊神经网络的导弹涡喷发动机故障诊断方法研究 总被引:1,自引:0,他引:1
针对海防中远程导弹普遍采用高效率的小型涡喷(涡扇)发动机,为了减小体积和重量,发动机设计寿命较短,导弹维护(中、长期维护)、准备阶段不允许对发动机进行热试车,提出了一种基于小波和模糊神经网络的涡喷发动机故障诊断方法.将该方法成功地应用于某型涡喷发动机的故障诊断,结果表明该方法诊断效果明显. 相似文献
18.
19.
基于层次Bayesian网络及后验风险准则的故障样本量确定方法 总被引:1,自引:0,他引:1
针对现有测试性验证方法对装备系统结构考虑不足,且在双方风险约束条件下所确定的故障样本量过大问题,提出一种基于层次Bayesian网络和后验风险准则的故障样本量确定方法。根据装备系统结构建立测试性验证方法的层次Bayesian网络模型,并以故障检测率作为Bayesian网络 的传递参数;提出Bayesian网络不确定性推理算法,充分融合各层次测试性先验信息,同时基于偏度-峰度检验的拟合分布选取方法推导出系统故障检测率联合先验分布;进一步结合系统成败型数据确定其后验分布,基于后验样本数据集和Bayes后验风险准则设计故障样本量确定算法,通过实例进行分析。结果表明,与经典验证方法、传统Bayesian方法相比,所提方法在相同双方指标约束下能有效降低样本量。 相似文献