遗传BP网络在雷达装备BIT虚警抑制中的应用研究

针对现有故障诊断方法不能有效抑制雷达装备BIT虚警的现象,提出一种遗传算法优化后的BP神经网络技术抑制雷达装备BIT虚警的方法;首先介绍经遗传算法优化后BP神经网络的基本结构和学习算法,再结合雷达装备BIT的特点,以某火控系统雷达发射机作为被故障诊断对象,采用9个具有代表性的雷达发射机故障特征和8个典型故障,以Matlab作为开发工具进行仿真实验;实验结果表明该方法能准确对故障进行定位,有效抑制BIT虚警,提高雷达系统故障诊断能力。     

基于BP神经网络的BIT虚警抑制技术

从BIT设计、工作可靠性上论述了虚警产生的原因,并以此提出了BIT虚警抑制的方法.分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的故障诊断系统,并对导弹测试数据进行了实验,结果表明将BP神经网络用于故障诊断能够有效地抑制虚警产生,使被测系统具有更高的故障诊断能力.     

飞行控制系统BIT虚警问题分析研究

飞控系统是飞机的关键核心系统,其中B IT分系统中存在较高的虚警率是制约其快速发展、影响其有效使用的关键问题之一,有效降低B IT虚警率的研究是B IT研究中的主要内容之一。总结归纳了飞控系统B IT各种虚警的原因。按照B IT硬/软件设计、人工环境因素等几个方面提出了一个较为系统和完整的B IT虚警解决方案。对提升飞控系统B IT的性能,推进B IT深入、广泛、有效的应用具有十分重要意义。     

基于ARTII信息融合的BIT虚警识别

恶劣环境是电子设备BIT运行过程中出现虚警的重要原因,由于样本获取困难,无导师学习神经网络得到广泛重视,本文提出采用ARTII网络对电子设备BIT输出信息和环境应力信息进行融合,自适应识别BIT状态模式,实验证明ARTII网络能准确识别BIT状态,滤除虚警。     

机内测试技术与虚警抑制策略研究综述

机内测试是指系统或设备内部提供的检测和隔离故障的自动测试能力,是一种能显著提高系统测试性和诊断能力的重要技术。机内测试具有检测效率高,测试成本低,可以对系统、模块、元器件分层进行检测的优异特性,在航空航天、电子设备、武器装备等领域具有广泛的应用前景。通过对机内测试在国内外的研究和发展现状进行分析和总结,介绍了机内测试技术的多种结构原理及其优缺点,对机内测试虚警抑制策略进行了全面综述,总结了机内测试系统的特性,讨论了其未来的发展趋势。     

基于信息融合技术的装备BIT故障诊断系统应用研究

BIT就是系统、设备内部提供的检测、隔离故障的自动测试能力;传统BIT主要面向单一功能设计,不具有同时应对多信息的处理功能,面对复杂电子装备的多信息处理问题,传统BIT故障诊断能力不足,导致系统虚警率过高,测试性与故障诊断能力下降,在BIT系统中运用信息融合技术对多信息进行整合,对于提高BIT综合效能,实现快速高效的故障诊断具有重要意义;文章首先对信息融合基本原理进行了介绍,构建了基于信息融合的装备BIT故障诊断系统结构,接着对信息融合诊断系统进行了建模,并对模型中基于神经网络的BIT诊断技术、基于D—S理论的BIT决策技术的关键技术进行了研究,最后给出了故障诊断程序流程;该技术研究通用性强,适用于多种不同型号的复杂电子装备的BIT快速故障诊断。     

基于ART Ⅱ信息融合的BIT虚警识别

恶劣环境是电子设备ＢＩＴ运行过程中出现虚警的重要原因，由于样本获取困难，无导师学习神经网络得到广泛重视。本文提出采用ＡＲＴ Ⅱ网络对电子设备ＢＩＴ输出信息和环境应力信息进行融合，自适应识别ＢＩＴ状态模式，实验证明ＡＲＴ Ⅱ网络能准确识别ＢＩＴ状态，滤除虚警。     

基于D-S证据理论和BP神经网络的多传感器信息融合

针对多传感器信息融合的基本可信度分配在实际应用中难以解决的问题,提出了一种基于D-S证据理论与BP网络相结合的多传感器信息融合的改进方法。该方法充分发挥BP神经网络自学习、自适应和容错的能力,利用BP神经网络处理证据理论的基本可信度问题,再利用D-S证据理论来处理不精确、模糊的信息。最后通过一个实例证明了该方法的有效性。     

基于BIT技术的电气系统故障诊断方法

以数字化部件为基础,选取某控制系统为电气系统的代表子系统,开展电气系统BIT技术研究。根据子系统的典型故障,给出了相应的故障检测方法,并设计了故障诊断电路。以样机为基础,采用上电BIT、周期BIT和维护BIT三种方式,对系统的典型故障进行了验证。     

基于D-S证据理论的齿轮箱故障诊断

在分析模糊识别和证据理论应用于故障诊断特点的基础上.提出了一种应用D-S证据理论融合神经网络和模糊识别的方法,应用于某坦克发动机齿轮箱故障诊断,通过多次实验及仿真,证实这种方法能明显提高故障的正确诊断率,具有良好的实际应用价值.     

基于有向图的BIT级联虚警分析

机内测试(BIT)是一种提高系统测试性和诊断能力的重要技术,然而系统部件之间及部件内部存在的关联耦合关系往往导致BIT虚警;采用基于有向图的方法对BIT进行虚警分析,在系统级联图中对一种耦合关系提出同胚的概念,并给出了优化方法,给出BIT虚警分析步骤,分析报故部件的故障可信度和虚警可信度;仿真算例表明该方法可有效地应用于BIT虚警的分析。     

多电飞机电气系统BIT虚警分析及解决方案

对多电飞机电气系统机内测试(Built—in Test，BIT)虚警产生的原因进行了分析和总结，从多电飞机的电源系统、配电系统、电力作动系统和综合控制系统四个方面阐述电气系统的虚警问题，并针对这几部分的虚警原因，从BIT的设计方案、系统仿真建模、硬件及软件等几个方面，提出了一个电气系统BIT虚警问题的系统解决方案，为多电飞机电气系统测试性及可靠性的深入研究打下了基础。     

在基于上下文机场识别中减少虚警率的方法

主要针对基于上下文的机场识别算法存在较高虚警率的情况进行了改进，提出了一种新的减少虚警率的方法。此方法首先进行基于对比度特征的跑道识别，通过定义恰当的跑道对比度特征，采用两种判别准则对此对比度特征进行分类。在此基础上，进一步完善联络道的识别方法，使之能排除剩下虚警的情况。经实验表明，绝大部分的虚警都能在前面的跑道识别中排除，剩下的则能在联络道识别中排除。     

测试性虚警率指标分配技术研究

虚警率是测试性设计的重要指标之一,需要分配到系统各组成部分的测试性设计中。在目前的工程实际中,该指标还没有适用的工程分配方法。根据长期从事测试性项层设计的工程经验,通过潜心研究,摸索出一套适合于工程实际的虚警率分配方法:按照虚警率的定义基准,借鉴故障检测率的分配方法确定虚警率的分配原则;结合可靠性设计指标分配结果和平均虚警间隔时间的分析方法确定虚警率分配的参数并建立虚警率分配的模型,然后按照此模型进行虚警率的分配,并按照分配准则进行了回归验证。     

基于模糊神经网络的一种漏钢预报方法*

现有拉漏预报方法经常会发生误报，本文尝试了一种基于神经网络的漏钢预报方法，它采用神经网络进行模糊模式识别和预测拉漏事故，实验表明该方法能比原有方法更快速准确地检测出铸坯粘结和裂缝等缺陷，可有效预防连铸中的漏钢事故。     

基于BP神经网络的入侵检测算法

为解决传统入侵检测算法存在的高漏报率及高误报率问题,结合BP神经网络算法的优点,提出一种采用遗传算法来优化BP神经网络算法的入侵检测算法。该算法通过遗传算法找到BP神经网络的最适合权值,采用优化的BP神经网络对网络入侵数据进行学习和检测,解决直接使用BP学习造成的训练样本数量过大而难以收敛的问题,同时缩短样本训练时间,提高BP神经网络分类正确率。仿真实验结果表明,与传统网络入侵检测算法相比,该算法的训练样本时间更短,具有较好的识别率和检测率。     

基于贝叶斯信息融合的解析余度辅助机内测试决策

利用不同传感器之间的解析关系,产生某传感器的余度信号辅助机内测试(BIT)决策,在虚警率(或漏报率)较高的BIT决策中融合其他可靠性较高的传感器信息.对余度信号的先验分布、虚警率、漏报率进行建模,经残差分析后,给出残差决策结果和BIT结果的后验分布,选择贝叶斯风险小者作为最终决策;同时,给出了贝叶斯融合需满足的条件.实验分析结果表明,该方法增力了BIT决策的可信性,有助于BIT虚警剔除和漏报检测.