基于实值反向选择算法的机械设备故障检测

选择算法在实值编码的反向选择机理中加入2种进化学习机制。一将检测器集合远离自己空间,二是移动检测器,并最优化地将检测器分布在非己空间。将其应用于机床齿轮箱运行状态检测,具有很高的故障检测率。     

基于改进蚁群算法的故障树最优检测次序研究

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用.在阐述蚁群算法概念和基本原理的基础上,把一种改进的蚁群算法引入到故障诊断中,并与故障树分析法相结合,可以很好地确定故障树的最优检测次序.仿真实例表明,在故障树中引入该改进算法可行、有效.     

基于改进型KALMAN滤波器与距离判别的故障检测算法

提出了利用考虑滤波器初始条件不精确性的KALMAN滤波方法和距离判剐法进行故障检测,利用此方法降低了误报警率,提高了鲁棒性。常规卡尔曼滤波器要求精确的模型和噪声统计,实际问题中不能满足此要求,该方法克服了此矛盾。     

基于INS的地形匹配故障检测算法研究

用地形轮廓匹配算法分别在丘陵、山地和高山地数字地图上进行了仿真。提出了两种利用惯导系统(INS)进行地形匹配的故障检测算法,并进行了仿真试验。试验结果表明,采用故障检测算法后,三种地形均可获得大于99.7%的匹配概率。     

基于状态χ2检测的神经网络故障检测算法研究

故障检测对于保证组合导航系统的高可靠性是十分重要的.文中提出了一种基于状态χ2检测法的神经网络故障检测法,根据状态χ2检验法的实时结果检测故障,然后用一个BP神经网络模型确定故障所在位置,进行故障隔离.通过仿真,验证了这种方法的有效性.     

基于否定选择算法的模拟电路故障诊断

针对传统智能诊断技术受限于先验知识、模拟电路故障多样性等不足,对基于否定选择算法的模拟电路故障诊断进行研究。分析人工免疫系统中的否定选择算法原理及应用,介绍实值否定选择算法的产生机制,提出与自体耐受和Monte Carlo相结合的优化算法,通过Fish’s Iris数据仿真显示,并将优化算法运用于电阻电路的8种软故障诊断。结果表明：优化算法的总体检测率达90%,能降低成熟检测器冗余,节省计算空间。     

复杂环境下奇偶矢量RAIM算法的故障检测性能研究

针对复杂环境下卫星导航系统可见卫星数目变化引起系统故障检测性能不稳定的问题,采用奇偶矢量 RAIM算法,综合考虑概率密度分布、漏检率、告警时间、告警成功率及定位误差等因素,对不同可见卫星数条件下的故障检测性能进行分析,通过仿真实验得出结论：随着可见卫星数的增加,系统对故障的敏感程度下降,告警时间变长,告警成功率下降,定位误差相对减小。     

基于线性阵列包络线偏移叠加的车辆检测方法

基于声信号和震动信号的车辆目标探测,广泛应用于战场侦查、安防和反恐等领域。提出了一种基于声信号和震动传感器线性阵列包络线偏移叠加的车辆目标检测方法。该方法根据信号包络线特征和相似性,通过偏移叠加的方法进行信号检测和速度估计,不仅能提高对运动车辆目标的检测效率,还可给出它们的运动方向和速度。实验数据分析表明：除了多个车辆同时经过会导致目标信号在时域内重叠外,其他情况下车辆目标都能检测识别;与利用单个传感器的信噪比和持续时间等特征进行检测的结果相比,误检率由61％降至0%,而漏检率由7.8%升至12.5%.     

决策树算法在装备故障检测中的应用

为快速定位装备的故障点,引入决策树方法.将故障特征作为测试属性,故障点作为类标记.采用 ID3算法计算相关信息熵对故障记录进行划分,构建所需要的决策树,用预剪枝的方法控制树的生长.以某设备故障记录样本为例,建立决策树发现故障特征和故障点之间的关联.结果表明:利用该方法对故障点进行预测,可有效缩短装备故障检测的平均时间.     

基于入侵检测的BMHS模式匹配算法改进

模式匹配算法是入侵检测系统中使用较多的一种算法。通过对经典的KMP、BM、BMHS字符串匹配算法进行分析比较,提出了一种改进的BMHS算法,该算法增加了最末位字符和在匹配串中出现字符的前一位置字符是否出现的考虑,多数情况下能实现最大移动距离m＋1。实验仿真结果表明,该算法能够在一定程度上减少了匹配次数,有效提高了匹配的效率。     

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。     

基于LLSO-MKELM 算法的观瞄故障诊断

针对装甲车辆的观瞄系统,提出一种基于多核极限学习机(multi kernel extreme learning machine,MKELM) 的故障诊断模型。利用分级粒子群优化算法(level-based learning swarm optimizer,LLSO)优化模型参数,利用采集 历史数据进行仿真实验。结果表明：MKELM 有更好的诊断准确度,并且LLSO 可解决MKELM 相对较多的参数带 来的训练速度较慢的问题;与经典的粒子群算法(particle swarm optimization,PSO)相比,LLSO 有着更快的优化速 度,证明了LLSO-MKELM 可用于观瞄系统故障诊断,并且有着良好的训练速度和准确度。     

导弹发射车车控设备故障诊断仪

针对车控设备缺少故障诊断设备,影响部队战训任务的问题,设计并实现复杂车控设备的智能自动诊断系统。设计基于原理和故障树分析的车控设备故障诊断硬件平台,综合运用故障树诊断、模块化并行软件控制等技术,开发诊断软件。实际应用结果表明：该系统实用、检测全面,能实现复杂车控设备的智能自动诊断,节约维修时间和经费,满足车控设备故障诊断定位及维修支持的需求,对提高发射车的完好率和出勤率具有重要的军事经济效益。     

一种改进的自适应增强-支持向量回归机的故障预测方法

针对支持向量回归(SVR)方法对突变故障预测精度较低的问题,提出了一种改进的自适应增强算法(AdaBoost)提升SVR故障预测性能。该方法通过AdaBoost算法获取训练样本中突变点的权重并构造加权支持向量回归机增强突变点的训练,以提高对突变故障预测精度。利用自适应权重裁减方法剔除权重较小的样本点,来提高算法的训练速度。将本文方法用于发动机磨损元素的时间序列预测中,一步预测相对误差达到了0.025. 实验结果表明该方法在保证预测精度的前提下有效地提高了故障预测速度。     

基于模糊诊断理论的车辆空调系统故障诊断方法

为有效诊断特种车辆空调系统故障,及时准确地定位故障原因,以模糊诊断理论的车辆空调系统为对象研究其故障诊断方法.分析空调系统故障模式,建立故障模糊数学模型,确定故障征兆和故障原因的模糊关系,基于经验维修和专家诊断确定了综合模糊隶属度,根据最大隶属度原则,确定故障征兆所对应的故障原因的最大隶属度,从而判断出导致空调系统发生故障的原因.研究结果表明:该方法能够准确可靠定位故障,有效缩短维修时间.     

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.     

混沌模糊神经网络在导弹故障诊断中的应用

在某型导弹测试设备故障诊断神经网络知识库的组建过程中,针对BP算法易陷入局部极小、收敛速度慢的缺点,将混沌机制引入常规模糊神经网络算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,解决了网络训练易陷入局部极小点的问题.通过算法比较和实例结果分析,表明该算法可以有效、可靠地运用于导弹地面测试设备的故障诊断中,并可方便地应用于其它方面.     

基于故障树编码的火炮故障诊断方法研究

基于故障树的故障诊断方法核心在于故障原因的自动推理和快速定位。构建了故障自动推理编码规则,可将故障树转换成一系列可操作的且具有一定逻辑关系的编码,实现故障自动推理和诊断。通过某型火炮故障推理实例验证,表明该方法层次结构清晰,推理简单有效,能够实现装备LRU级分层故障诊断和故障原因的快速定位。