基于支持向量机的机电BIT虚警抑制

诊断间歇故障是降低BIT虚警的一个主要途径。针对目前间歇故障诊断方法的不足，根据支持向量机(SVM)的小样本学习优点，建立基于支持向量机的三状态(正常、间歇故障、永久故障)故障诊断模型，再以振动信号的AR模型系数为特征，在少量训练样本下，利用该模型SVM诊断间歇故障。实验结果表明，该方法可在多种间歇故障、少量训练样本的情况下，对间歇故障进行有效诊断，从而达到降低BIT虚警的目的。     

基于正交试验法的模拟电路故障诊断新方法

基于神经网络的模拟电路故障诊断方法,存在训练样本庞大的缺点,以进行多故障诊断为目的,提出一种基于正交试验法和神经网络的模拟电路故障诊断方法,充分利用各种信息,以科学的方法对数量庞大的训练样本进行“缩水”处理。该方法能大大减少训练样本,同时保证故障覆盖率,有一定创新性。经算例证明,该方法可行有效。     

基于正交试验法和集成神经网络的模拟电路故障诊断方法

在利用集成神经网络进行模拟电路故障诊断时,经常会遇到训练样本庞大的情形.文中以进行多故障诊断为目的,提出了一种基于正交试验法和集成神经网络的模拟电路故障诊断方法.通过正交试验法,大大减少训练样本,同时保证了故障覆盖率.经算例证明,该方法可行、有效.     

间歇故障诊断技术研究综述

将间歇故障误诊为永久故障会导致不必要的停机和过维修的问题,影响战备完好性并造成维修保障资源浪费,故提出了一种间歇故障诊断方法。分析了间歇故障对系统的影响,剖析了间歇故障诊断面临的技术难点,综述了国内外学者间歇故障诊断方法,并对间歇故障失效机理与演化规律、包含间歇和永久故障的诊断模型与方法以及极端环境应力下的间歇故障诊断方法3个方面需要开展的进一步研究工作进行了阐述。该研究为间歇故障诊断,尤其是极端环境应力诱发的间歇故障诊断问题提供了参考。     

基于BP神经网络的导弹故障诊断专家系统设计

分析了某型导弹测试系统的故障机理,针对这种故障机理,结合故障诊断需求,设计了故障诊断专家系统,建立了BP神经网络模型,并利用训练样本对网络进行了训练,重点针对导弹模飞测试故障诊断模块进行了应用分析．解决了故障分析、判断不够精确、自学习能力不强等问题,为该型导弹测试系统的故障智能诊断提供了一种新的实现方法．     

基于支持向量数据描述的火炮自动机故障状态监测技术研究

针对火炮自动机故障状态监测问题,提出了一种基于支持向量数据描述的故障状态监测模型。利用搭建的自动机振动测试平台获取自动机振动信号,采用变模态分解方法将振动信号分解为多个本征模态分量,计算各个分量的样本熵值作为故障特征,并以正常状态下的自动机故障特征为训练样本进行SVDD模型的训练,训练过程中根据模型特点找到合适的模型参数,完成自动机状态监测模型的构建。在自动机测试平台上设置多种预制零件故障进行模型的验证,结果表明所建立的状态监测模型对异常状态的发生有很强的敏感性,具有较高的检测准确率;同时设计了关重件模拟性能退化试验,试验结果验证了所提出的模型具有良好的早期故障检测能力,可较为准确地反映自动机故障性能退化过程,可为火炮自动机故障状态监测提供一定的借鉴和指导。     

基于神经网络专家系统的炮兵射击指挥系统故障诊断

基于神经网络专家系统的炮兵射击指挥系统故障诊断系统采用多层感知器组建专家知识库,建立激光仪子网、故障子模块,构建合成网络模块及训练样本.将各训练样本输入相应神经网络中训练,得到的权值和阈值存入数据文件.推理模块调用诊断知识库,输入各故障征兆,计算隐含层和输出层的神经元输出.解释模块由给定的法则判定输入神经元的输出是否有故障.     

基于油液和振动信息融合的自行火炮齿轮箱故障诊断方法

油液分析和振动分析技术是用于自行火炮齿轮箱的两大有效状态监测技术,但在实际监测中,这两种技术是分别应用的,故障诊断结论受试验方法和诊断水平影响很大,容易带来漏报和误报。如果将这两种信息进行信息融合,将极大提高诊断的精度和可靠性。通过建立试验台架采集油液分析数据和振动信号,然后通过提取这两种信息的特征参数,采用D-S证据理论对上述两种信息进行融合,得到更为准确的状态信息。通过试验证实,该故障诊断方法能够有效检测自行火炮齿轮箱故障,有较强的工程应用价值。     

一种扩展染色模糊故障Petri网的故障分析方法

针对传统故障诊断方法在模拟故障传播及诊断推理过程中存在不确定性等问题,提出一种基于扩展染色模糊故障Petri网的故障诊断分析方法;首先,在采用传统的Petri网模型描述系统故障状态的基础上,引入令牌、库所染色规则,并进一步结合模糊产生式规则与矩阵运算进行故障正反推理,提高模型的容错性;该模型正向推理采用变迁点火判别矩阵实现故障状态的智能评价,反映故障传播特性;逆向推理采用最小割集理论方法进行优先诊断,提供诊断次序,避免诊断的盲目性;最后以气源系统为典型应用对象,验证上述方法的有效性。     

导弹测试训练中故障设置理论与实现方法

在导弹训练模拟器的研制中，故障设置功能是提高训练人员对各种应急状态处理能力的重要手段，不同的操作训练特点故障设置的方法和原理也会不同，在实际应用中依据模拟理论和随机理论，结合模拟器设计中的实际经验，通过计算机软件实现故障设置，阐述了导弹模拟器设计中两种故障设置的实现方法。     

基于BIT技术的搜索雷达天线稳定系统故障诊断系统

在分析系统BIT测试需求,利用TEAMS(Testability Engineering And Maintenance System)进行测点选择、测试诊断策略设计的基础上,构建了基于BIT技术的搜索雷达天线稳定系统故障诊断系统.系统采用综合测试结构,中央计算机完成集中处理与控制;BIT微处理器负责各功能组合关键测试数据的采集与故障诊断程序的存储;各功能组合采取分布式检测.系统首先利用装备本身对天线稳定系统进行自检;若无故障发生则启动连续BIT执行各功能组合的性能监测;故障发生时启动维修BIT,调用故障诊断程序对各组合进行故障诊断,并由LCD显示故障单元.     

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。     

某战术导弹舵机系统BIT分析

针对日益复杂的武器系统故障检测难题,设计了某战术导弹舵机系统BIT。本文首先对舵机系统BIT进行了分析,然后介绍了其设计原理,并提出了减少BIT虚警的措施,最后进行了可测试性预计。该预计结果表明,舵机系统BIT故障检测率符合设计要求。     

BIT技术的发展现状与应用分析

BIT技术的性能主要从故障探测、故障定位（针对单一的外场可更换单元）、虚假警报、以及错误诊断等方面加以说明。对于正确隔离故障来说,BIT所制定的目标会随着BIT等级的不同而有所变化。BIT等级越低,正确隔离故障的总体能力就越低;BIT等级越高,正确隔离故障的总体能力就越高。     

一种改进粒子群优化HMM 的故障诊断方法

针对传统故障诊断方法不能准确定位故障位置的问题,提出一种改进粒子群优化隐马尔科夫模型(hidden markov model,HMM)的故障诊断方法.应用HMM识别综合传动装置故障模式,用模糊集定义模式研究电压信号特征提取方法,并根据特征值的敏感程度进行优化选择;应用3种HMM对综合传动装置在不同运行状态下的故障信号进行故障诊断,并且对诊断结果进行对比.结果表明:改进粒子群优化的HMM模型能快速有效地识别综合传动装置中磨损、损坏等故障模式,适用性良好,可应用于实际综合传动装置系统的故障诊断.     

鱼雷自导系统BIT设计与分析

机内测试（BIT）是一种仅依靠自身内部硬件及软件实现系统测试的技术,鱼雷自导系统机内测试技术是改善鱼雷测试性、维修性和故障诊断能力的重要途径。该文介绍了一种用于鱼雷自导系统采用集中式BIT结构和板内ROM式BIT的软硬件设计的BIT技术,定性分析了其主要功能、结构划分和设计依据,给出了检测流程图,并指出了多条有效降低BIT结构虚警的途径。根据文章给出的测试性预计方法,对该系统的分析预计可知,该白导系统BIT具有较高的故障检测率,符合设计要求。     

某战术导弹飞控系统BIT分析

针对武器系统和设备的故障检测及故障隔离困难的问题,简要介绍了B IT(机内测试)的概念,对某战术导弹飞控系统的B IT设计进行了定性分析,并按测试性的定量要求,给出了主要指标的计算方法并进行了预计,通过对该系统的分析计算,验证该系统B IT符合设计要求,并提出了可改进的方面。     

多电飞机电源系统智能机内测试诊断技术研究

提出了一种基于混合神经网络模型的智能机内测试(BIT)方法,并将其应用在多电飞机电源系统智能BIT故障诊断当中。对BIT各个测点的信号进行功率谱分析,在不损失谱线特征的前提下,利用小波的多尺度分析对谱线数量进行压缩,提取出信号在频域的特征量,并同小波包分解后的频带能量组成诊断用的特征向量。针对原有广义学习矢量量化( GLVQ)神经网络的算法缺陷进行改进,并在此基础上提出了一种混合网络模型结构。将提取的特征向量作为混合网络的学习样本,经训练后对电源系统的故障进行诊断。结果表明,基于这种混合网络的智能BIT方法诊断精度高,对测量噪声也具有良好的鲁棒性,可以有效提高多电飞机电源BIT系统的诊断性能。     

基于隐半Markov模型的故障诊断和故障预测方法研究

隐半Markov模型(HSMM)是隐Markov模型(HMM)的一种扩展形式,通过在HMM结构中加入状态驻留时间分布参数,克服了HMM假设状态驻留时间服从指数分布的不足。HSMM不仅具有较强的模式分类能力,而且能对实际问题中的状态驻留时间进行合理建模,故既可用于故障诊断,又可用于故障预测。分析了利用HSMM进行故障诊断和预测的框架;并针对传统HSMM建模算法计算量和存储空间都比较大的缺点,引入并改进了一种快速递推算法,降低了计算复杂度和存储空间要求;最后将HSMM应用于直升机齿轮箱轴承故障诊断和GaAs激光器剩余使用寿命(RUL)预测,试验绪果证明了这种方法的有效性。