动态系统故障诊断技术研究进展与展望

阐述了动态系统故障诊断技术的发展状况，对各种诊断方法进行详细的分类介绍及比较；最后对故障诊断技术的发展趋势和有待解决的问题进行了分析与探讨。     

惯性系统故障诊断技术研究

本文简要介绍了故障诊断技术及其发展动态,指出了传统的完全基于检测数据的惯性系统故障诊断方法的局限性,提出了一种基于人工智能方法的惯性系统实时故障诊断方法,文中通过对惯性系统结构的分析,结合其自身的特点,建立了惯性系统实时故障诊断专家系统（ISRFDS）。     

一种实现灰箱系统故障定位的诊断技术

故障定位是故障诊断的关键之一,而神经网络 的训练和学习速度问题,一般不适用于通过在线学习而实现的动态诊断．本文提出一种以对 象可知部分数学模型为基础,结合输出补偿构造神经网络,建造基于神经网络状态观测器的 深知识诊断方法,实现故障隔离和部件诊断功能．网络补偿部分的联接权采用在线学习方法 ,具有快速的收敛速度和良好的跟踪特性．     

CCBⅡ制动机系统故障诊断技术

为切实解决CCBⅡ制动机并发性故障与非参数部件诊断性难题,确保行车的安全性与稳定性。本文基于制动机系统构建了全局性解析冗余关系,以此诊断非参数部件的故障,并采用差分进化算法估算多项待选故障参数,通过对比平均适应函数值,定位各项故障具体位置与形态,从而实现制动机系统故障诊断。通过机车系统制动诊断实践分析,发现此方法具有较高的有效性、可靠性、可行性,值得大力推广与广泛应用。     

现代火控系统故障自动诊断技术

故障自动诊断就是利用测试装置和诊断测试软件，对火控系统的故障进行准确快速地自动定位。论述了诊断测试系统的作用和总体设计思想，分析了诊断测试系统的硬件组成原理和软件设计技术，然后就某火控系统的诊断测试技术进行了较详细的分析，并给出了其故障自动诊断系统达到的性能指标。     

潜艇舵机系统故障智能诊断技术研究

在潜艇舵机系统故障诊断问题的研究中,根据潜艇舵机系统的实际状况,分析其各组成部分发生故障的特点和原因建立故障树,采用层次分析法计算各故障原因的权重,形成相应的智能故障树.利用Access数据库建立故障诊断专家系统知识库,从智能故障树中提取一定的规则.系统采用宽度优先的正向推理和搜索策略的控制策略进行推理.针对传统故障诊断专家系统缺乏自学习能力的不足,采用BP神经网络算法进行修正.最后利用软件设计舵机系统故障诊断系统的开发平台和设计语言,可帮助维修人员更加方便快捷地对潜艇舵机系统的故障进行诊断和维修,降低了成本.     

一种有效的诊断大系统故障源位置的方法

本文提出一种有效的诊断大系统故障源位置的新方法.本方法综合了故障树分析与信号图分析法的优点,它根据直接能观察到的装置的信息,应用本文提出的有向关联网络图及故障传递概率表,能迅速地找到故障源的位置.仿真表明,本方法比 Kokawa 在1983年提出的逆向搜索法更加简单有效,特别适用于复杂系统故障源的诊断.     

复杂机载电子系统故障综合诊断技术研究

故障综合诊断技术一直是复杂机载电子系统研发过程中的关键部分,当前的故障诊断技术同时需要机内测试（BIT）和场外自动化测试设备（ATE）的测试结果才能得出诊断结果,诊断效率低,时间长并且不能在线诊断。针对新一代战斗机将更加依赖航空电子系统的趋势,迫切需要一种诊断时间短,且能够实现在线诊断的故障诊断技术。因此,一种基于模型的故障诊断方法被提出。该方法通过融合多信号模型和整数编码故障字典模型,模块间采用多信号模型,单个模块中采用整数编码故障字典模型,克服了多信号模型对测试信息的浪费和整数编码故障字典模型建模困难的缺点,并提出一种多目标测试优选方法,通过优化检测方案,充分发挥BIT的检测性能。该方法通过充分使用BIT的测试信息,摆脱了对场外ATE的依赖,实现了在线快速定位故障并识别故障模式。     

数控机床系统故障诊断与维修

阐述数控机床系统的内涵与特点,指出数控机床系统故障诊断与维修的原则,探讨数控机床系统故障诊断与维修的方法,揭示数控机床系统故障诊断与维修的的操作要点.     

基于RNN-LSTM的磨矿系统故障诊断技术

目前磨矿系统故障诊断多为人为判断，效率低、准确率低、成本高且容易造成人员伤亡.传统方法对高维度和时间相关性较大的样本数据集分类能力较差，针对以上问题，提出一种基于RNN-LSTM（Recurrent Neural Network-Long Short-Term Memory）的深度学习方法，实现磨矿系统故障的智能化诊断.该方法通过将数据集"分批处理"分别输入到LSTM单元网络中，提取数据集在时间维度上的相关性，并比较分析前后时刻的输入特征向量实现对故障分类.通过分别对RNN-LSTM深度学习网络与基于自编码分类方法进行实验对比验证，得出结论：在时间相关性较强的高维度数据集中基于RNN-LSTM深度方法辨识效果明显优于基于自编码方法的分类器，最终网络对于故障诊断的错误率低至3%.     

国内动态系统故障诊断技术的一些最新进展

<正>1引言当今社会,复杂军用和民用系统的规模在不断扩大,人们对这类系统的可靠性、可维护性与安全性提出了越来越高的要求,致力于大大减少灾难性事故的发生、减少环境污染和人身财产损失,以提高经济效益或军事效益。动态系统的故障诊断技术为解决上述问题提供了一种重要的技术手段。     

基于极化因子神经网络的火电厂制粉系统故障诊断技术

制粉系统是火电厂的主要设备,其安全稳定运行对发电企业的经济生产具有十分重要的意义;针对制粉系统的运行特性和故障分析,提出了基于极化因子神经网络的火电厂制粉系统故障诊断方法,该方法将故障征兆相应的过程变量作为输入,将制粉系统故障类型作为输出,通过训练神经网络建立其系统故障诊断模型,其中训练过程中采用极化因子来自动调整神经网络的收敛速度,从而在满足误差目标的前提下,防止其陷入局部极小;选取实际火电厂制粉系统3个典型故障及其相对应的9个故障征兆参数进行了实验;结果表明,该方法具有良好的收敛性,完全可以满足火电厂制粉系统现场故障诊断的要求.     

基于贝叶斯网络推理的起落架系统故障诊断技术研究

民机起落架系统结构复杂,是典型的故障多发系统,实际诊断过程主要依赖于排故手册流程和工程经验积累,存在诸多不确定性因素。贝叶斯网络是用有向无环图的形式表达变量间因果关联关系,可以充分利用专家知识和试验信息进行基于概率的统计推断,适于处理复杂系统的不确定性问题。通过深入分析某型民机起落架技术资料,建立了基于贝叶斯网络的起落架系统诊断架构,结合专家知识和维护经验提出了基于贝叶斯网络的起落架系统故障诊断方法,并给出了网络推理流程,提升了起落架系统故障诊断效率和精度。     

系统故障诊断的一种神经网络方法

该文首先提出一个通用故障示例模型,然后运用一种自适应神经网络学习算法来寻找差错属性与故障类型之间的对应关系,由此对故障进行诊断。因为网络的结构事先并不确定,而是在训练的同时进行同步构造,所以确保了训练后建立网络具有较好的适应性。     

一种基于模糊逻辑的非线性系统故障检测与定位的方法

针对一般非线性系统,提出了一种带故障标志的系统故障模糊模型,基于此模型给出了一种非线性系统故障检测与定位的新方法,它采用模糊聚类算法提取故障系统的模糊规则,进而完成系统故障的检测与定位,该方法对噪声污染具有较强的抑制作用,对模型误差亦无较高的要求, 仿真结果表明所提方法对非线性系统的故障可以及时地完成检测与定位。     

基于区间观测器的动态系统故障诊断技术综述

介绍一种基于区间观测器的故障诊断技术.为突出区间观测器在故障诊断方面的优势,总结归纳针对不同类型系统构造的可以达到故障诊断目的的区间观测器,并讨论观测器的设计条件.例如,事件触发机制下的故障检测区间观测器,针对线性参数变化系统设计的基于区间观测器的故障检测机制,在区间观测器的框架下实现带有未知互联项的T-S模糊大系统的故障隔离,以及利用区间观测器对多智能体系统实现故障隔离.最后探讨该领域亟待解决的问题.     

基于函数空间迭代的大系统故障诊断方法

提出一种基于函数空间的迭代的大系统故障诊断方法，文中首次提出可达路径权值乘积最小概念，给出了求解该最小值及相应路径的函数空间迭代算法，并将之转化为一种既简单又易于编程的表格式迭代方法，进而将这种方法应用到系统故障诊断。文章详细描述了基于本方法的故障诊断步骤，文末通过一系统故障诊断实例来说明本文的简单有效性。由于本方法综合了逆向故障搜索法、故障树分析法及动态规划的优点，因而特别适用于网络结构复杂、并     

基于计算智能方法的动态系统故障诊断技术

简要地综述了基于计算智能方法的动态系统故障诊断技术的最新进展。将计算智能方法与基于模型的方法结合，用于不确定非线性动态系统的故障诊断是这一领域新的发展趋势。重点分析了用于非线性系统故障诊断的基于状态／参数估计的计算智能方法，主要包括神经网络、模糊逻辑、遗传算法。探讨了提高诊断算法鲁棒性的途径。同时也对无模型的基于计算智能的故障诊断方法中的一些研究热点问题进行了分析。最后探讨了该领域今后的发展方向。