多故障诊断的即时策略研究

目前的系统多故障诊断一般是在固定的初始多故障模糊组下预先生成平均测试代价最小的测试序列,然后根据该测试序列建立故障诊断树进行故障定位,因此测试执行顺序和故障诊断树相对固定,当初始多故障模糊组变化后,诊断策略并不能随之灵活地改变。针对这个问题,提出一种多故障诊断的即时策略,推导了多故障模糊组概率计算的迭代公式,通过基于单位代价故障隔离度和信息熵的评估函数选择最佳测试,使用集覆盖的算法寻找后验概率最大的故障单元进行更换或修理。测试案例分析表明：这种即时策略能够灵活地利用已知信息进行多故障定位,具有计算简单、存储空间小的特点,适合复杂系统的多故障诊断。     

基于最小碰集的多故障诊断算法研究

目前存在的测试性分析和故障诊断工具基本都是基于单故障假设,不适用于复杂系统。针对这一问题,研究了多故障假设下的序贯测试算法。提出了利用分类HS-树(CHS-树)计算最小碰集(MHS)的算法;以多故障状态集的MHS作为故障状态,生成最优单故障测试策略;以决策树中各叶节点的MHS为判断依据来决定下一步要执行的测试,最终生成多故障诊断策略。最后给出案例分析,结果表明:计算MHS的算法能够提高诊断策略的生成效率;诊断策略能够有效隔离多故障问题。     

多故障诊断策略优化生成技术研究

故障诊断策略设计是测试性设计的重要内容。已有的测试性分析与诊断工具通常做了单故障假设,不适用于复杂系统。针对这一问题,提出了多故障隔离策略优化生成算法。该方法首先采用布尔逻辑运算生成每步测试执行后的完备最小割集,然后采用基于信息量启发式算法生成近似最优的多故障隔离策略。最后应用案例进行了验证,结果表明：本文提出的算法可以有效地生成多故障诊断策略。由于测试与故障的定义是广义的,因此该算法可用于系统级、部件级以及元件级的多故障诊断策略的优化生成。     

模糊神经网络在导弹动力系统多故障诊断中的应用

研究了一种差分进化算法和模糊神经网络相结合的故障诊断算法,构造了用于某导弹动力系统的模糊神经网络结构.故障诊断实例结果表明,基于差分进化算法的模糊神经网络学习速度快,能够正确分离导弹动力系统的单故障和多故障工作模式.     

基于贝叶斯最大后验概率准则的大型复杂系统故障诊断方法研究

针对大型复杂系统的特点,在故障空间建立故障源一测试依赖关系模型。在此基础上,将贝叶斯理论引入大型复杂系统故障诊断,以最大后验故障概率为准则判断系统所处的运行状态。将该问题归纳为集合覆盖问题(SCP),用拉格朗日松弛算法求得近优解。将算法应用到阿波罗飞船发射前故障诊断实例中,取得了满意的实验结果。     

基于FMECA 的电子设备故障诊断需求分析方法

为了减少维修保障资源与费用,对电子设备故障诊断需求分析的方法和流程进行研究。在故障模式、影 响及危害性分析的基础上,结合故障的相关信息,研究故障诊断需求分析方法,综合考虑故障模式、故障检测需求 以及故障隔离需求,确定故障检测、故障隔离设计策略,编制故障诊断需求分析表,通过实例进行应用分析。结果 表明,该研究能够为测试性建模、设计分析和测试性指标预计提供参考。     

自动变速操纵系统稳态工况下非平稳随机信号的故障诊断技术研究

提出了基于信号冗余关系的自动变速操纵系统（ASCS）稳态行驶工况非平稳随机信号多重故障检测和诊断策略。通过分析ASCS非平稳信号特性以及信号之间的冗余关系,提出故障检测和诊断策略设计原则：不可信原则、多故障兼容原则和概率原则,作为故障检测和诊断策略设计的指导思想。同时根据故障诊断结果的准确性和有效性特点将故障诊断结果划分为一级、二级、三级3种类型。通过分析ASCS稳态工况的先验知识,提出非平稳随机信号故障检测和诊断策略,实现发动机转速、变速箱输入轴转速、车速和车辆挡位信号之间单或多重故障诊断的功能。向实车数据中注入不同类型故障来检测故障诊断策略的完整性和正确性,试验结果证实了该方法的有效性和实用性。     

基于二叉树支持向量机的某型装备故障诊断研究

提出了一种基于二叉树支持向量机的某型装备故障诊断方法,应用该方法构造了多故障分类器,并通过某型装备故障实例验证了该方法故障诊断结果的正确性,证明了该故障诊断方法具有良好的鲁棒性和推广性。     

基于广义AO~*算法的测试序列问题研究

测试序列问题的目标是用最小的期望测试费用找到最佳测试序列。提出了一种广义AO*算法解决了电子设备的测试序列问题。对传统的AND/OR图进行扩展得到一种广义的AND/OR图,它不仅能够提高AND/OR图的表达能力而且能够实现推理操作符与问题之间的多对多关系;描述了广义AO*算法的步骤并且分析了该算法的计算复杂度。通过实例说明广义AO*算法不仅可有效减少计算复杂度和平均测试代价,而且生成的故障诊断策略能快速、有效的指导维修人员定位故障以减少维修代价。     

某车辆主离合器的故障分析

传统FMECA方法在进行故障分析时,无法对故障发生之前的征兆进行诊断和预测.而扩展FMECA方法对现有的故障影响和故障检测方法等分析内容进行了补充,新增了故障演变特性分析、故障征兆分析、故障诊断与预测方法的评价等分析内容,弥补传统FMECA方法的不足.针对现有装备故障分析要求,分析了扩展FMECA的内涵、研究内容及其诊断预测方法,给出了扩展FMECA方法的实施流程图,利用扩展FMECA方法对车辆底盘主离合器故障模式进行分析,验证了扩展FMECA方法在车辆底盘系统故障分析和诊断使用中的可行性.     

基于模糊多模型结构的飞行控制系统执行器故障诊断

为了解决一类飞行控制系统执行器故障诊断问题,本文将Takagi-Sugeno(T-S)模糊模型与多模型技术相结合,提出了一种模糊多模型方法。该方法的特点是:利用T-S模糊模型对非线性系统进行描述、建模;根据特定的故障,利用多模型技术建立了局部自适应未知输入观测器。通过所提出的诊断方法,当飞行控制系统的执行器发生故障时,故障参数能被在线逼近,使所设计的模糊自适应未知输入观测器模型与系统故障状态匹配,从而达到故障检测的目的。利用某飞机模型进行的仿真,表明了本文方法的有效性。     

基于动态故障树分析的容错系统机由测试诊断策略设计

由于大量采用各种容错技术,复杂航空航天系统具有动态随机性故障,已不再适合采用基于静态故障机理的传统故障诊断策略设计方法对其进行机内测试( BIT)设计。为此,以动态故障树模型为基础,综合考虑可靠性和测试费用等因素,提出了一种面向复杂容错系统的BIT诊断策略设计新方法。引入费用诊断重要度( CDIF)来衡量测试费用对BIT故障诊断的影响,结合独立子树、二元决策图和Markov链对动态故障树进行定性和定量分析,据此构建出基于最小割集(MCS)/最小顺序割集(MCSS)和CDIF的BIT诊断决策树。在某容错电子系统BIT设计中的应用验证了该方法的有效性与工程实用性,与基于AO“搜索和基于贪婪算法的两种诊断策略设计方法比较可知该方法的计算复杂度更小。     

基于改进遗传算法的反后坐装置故障诊断方法

反后坐装置是火炮射击故障率最高的部件之一。驻退机故障主要体现在驻退机内液量不足及节制环、驻退杆活塞套等零件磨损,完整火炮难以直接测量内部零件磨损量,因而驻退机故障诊断困难。通过建立反后坐装置后坐、复进运动数学模型,对射击中出现的驻退机故障及其原因进行了仿真计算,应用改进的遗传算法诊断了其故障原因,并用诊断实例验证了该方法的正确性与有效性。实例证明,该方法在火炮反后坐装置故障诊断方面具有速度快、精度高等优点,为火炮结构优化设计及故障论断提供参考。     

lp范数约束的模拟电路3层多核故障诊断模型

为提升模拟电路故障隔离精度,结合基于故障特征间一维模糊度的特征选择算法,提出一种改进的l_p范数约束多核超限学习机诊断模型。该模型通过将带权分类误差融入超限学习机优化目标函数中,基于自适应Boosting策略构建了一种3层多核学习框架。在新框架下通过自适应调整训练样本的权重分布,使得每层框架能够聚焦于不同故障样本,进而提升诊断模型的辨识力。通过对2个电路实例的诊断,结果表明：所提模型在不同范数约束下具有近似一致的诊断性能;当故障属性单一时,在平衡漏警、虚警的同时,能够显著提升诊断正确率;当多种属性的故障并存时,能够将难以辨识的故障更加准确地隔离到少数模糊组中。     

基于离散粒子群优化算法的多值属性系统故障诊断策略

针对传统离散粒子群优化（PSO）算法仅能搜索多值属性系统（MVAS）最小完备测试集的问题,通过重塑离散PSO算法,提出一种测试序列寻优算法—PSO-测试(TS)算法。在多值D矩阵和五元组的基础上,公式化处理MVAS的诊断策略。重塑离散粒子群的过程,将离散PSO算法与MVAS的故障诊断策略融合。设置PSO-TS算法的自身认知和社会知识阶段的计算规则,并通过引入交换序提升PSO-TS算法中粒子的多样性。采用实例和随机仿真实验验证PSO-TS算法。研究结果表明：与MV-Rollout和MV-IG算法相比,PSO-TS算法的期望测试费用少,能够获得较优的诊断策略,但是运行时间较长。     

基于最大故障诊断信息量准则的测试点优选方法

针对某型导弹姿态稳定分系统的测试点优选问题进行了分析研究。首先在相关性模型的基础上,综合考虑可靠性和测试费用的影响,利用信息论中熵的概念,建立了最大故障诊断信息量准则;然后根据信息量的大小依次选择测试点,确定出优选的故障诊断策略,并画出故障隔离树。实例应用表明:该方法是正确的、可行的,得到的诊断策略只需较低的测试费用。