基于SOM算法和免疫神经网络的飞机燃油系统故障诊断

针对传统的飞机燃油系统故障诊断方法如硬件冗余方法和系统模型检测方法存在的飞机重量限制和难以建立精确数学模型的问题,设计了一种基于SOM算法和BP神经网络的故障诊断模型;首先,建立了系统故障诊断模型并对诊断原理进行了描述,然后,对故障征兆数据进行预处理,即先采用SOM算法进行连续属性离散化处理,再通过粗糙集互信息方法进行属性降维,以减少数据量和提高诊断效率;最后,建立了基于BP神经网络的故障诊断模型,为了进一步提高故障诊断精度,在采用免疫优化算法对BP神经网络故障诊断模型中的各参数即权值和阈值等进行优化的基础上,进一步采用BP反向传播算法进行参数调整,从而得到最终的故障诊断模型。通过飞机燃油系统故障诊断实例仿真实验证明了文中方法能较为精确地实现故障诊断,且与其它方法相比,具有较高的诊断精度和诊断效率,具有较大的优越性。     

一种改进的BP神经网络在飞机燃油系统故障诊断中的应用

将一种改进了的BP神经网络算法应用于飞机燃油系统故障诊断中，仿真验证结果表明，该算法具有诊断速度快、误诊率低的特点；并为开发基于神经网络的飞机燃油故障诊断专家系统奠定了基础。     

基于模型的飞机燃油系统故障诊断系统的设计与实现

燃油系统作为飞机不可或缺的功能和保障系统,对飞机的飞行安全有着重大影响.传统故障诊断方法已经不能满足日益复杂的燃油系统诊断和维护需求.基于模型诊断是为了克服传统诊断方法的缺点而兴起的一项新型的智能推理诊断技术.研究了基于模型的飞机燃油系统故障诊断方法,建立了故障诊断模型,给出了基于模型的燃油系统故障诊断推理策略.设计并...     

基于Rough Set和禁忌神经网络的传感器节点故障诊断

针对传感器节点通常位于无人看守甚至危险恶劣的环境中因而容易出现各类故障,提出了一种基于粗糙集(Rough set,RS)和禁忌神经网络的故障诊断方法;首先,采用自组织网对属性值进行离散化,然后采用粗糙集的可辨识矩阵对属性进行约简以降低输入数据的维数,最后,通过禁忌算法对神经网络进行优化形成最终的故障诊断模型并将测试数据输入禁忌神经网络进行故障诊断;仿真实验表明,文中方法能较为精确地对传感器节点的各类故障进行诊断,具有较高的诊断精度,在迭代次数为300时,诊断误差值仅为0.01%,具有很强的可行性。     

基于故障树和神经网络的飞机电源系统故障诊断

介绍了基于故障树模型的故障诊断技术和基于神经网络的故障诊断技术,提出了基于故障树和神经网络的集成故障诊断思想。在此基础上,以交流发电机旋转整流器二极管开路故障为例进行了实例分析,说明了故障树和神经网络集成故障诊断技术对此故障的诊断,结果表明该方法用于解决此类问题是有效的。     

基于卷积神经网络的飞机液压系统故障诊断

现代飞机系统的复杂度和集成度均大幅提升,使得其故障诊断存在难度高和准确率低等特点。采用一维卷积神经网络方法对军用飞机液压系统的故障诊断问题进行了研究,构建了满足多传感器数据分析要求的卷积神经网络模型。考虑到神经网络的输入来自不同的传感器数据序列,各数据序列之间的空间关系不明显,因此,即使网络输入是二维形式,而实际的卷积操作均在一维上进行。通过解决某飞机液压系统的故障诊断问题,证明将标准化后的多传感器数据序列及对应故障模式作为训练样本对卷积神经网络模型进行训练时,采用满足训练要求的网络对飞机液压系统进行故障诊断时具有较高的准确率。     

基于改进禁忌算法和ANN 的故障诊断推理

针对BP神经网络存在着容易陷入局部极小值且收敛速度慢的问题,提出了一种基于改进禁忌算法和ANN（Artificial neural network）结合的故障诊断模型．首先对故障诊断模型进行了定义,然后使用训练数据对网络的权值、阀值等参数进行训练,将训练结果作为改进禁忌优化算法的初始解进行全局寻优,对改进的禁忌优化算法进行了定义和描述,最后将全局寻优的结果代入神经网络中,使用测试数据进行故障诊断．通过仿真实验证明文中的方法与未经优化的ANN故障诊断模型相比,克服了传统方法的不足,具有诊断精度高、诊断速度快以及收敛速度快的特点．     

基于专家系统的飞机燃油故障诊断方法研究

对于飞机燃油系统故障诊断问题，提出了一种利用专家系统进行飞机燃油系统故障诊断的新方法。通过构建专家系统知识库和推理机，同时利用LabVIEW工具建立了相应的软件环境，开发了飞机燃油故障诊断系统。仿真结果表明，该系统很好地发挥了专家系统的智能性，能够快速准确地诊断出燃油系统的故障，并能提出有效的重构方案，完全适合于飞机燃油系统的故障诊断。     

基于Flowmaster的飞机燃油供油系统仿真研究

飞机燃油系统作为飞机不可或缺的功能和保障系统,对飞机的安全性有着重大的影响.针对飞机燃油供油系统的故障诊断问题,利用流体仿真软件Flowmaster建立了供油系统模型;仿真了飞机燃油系统增压泵供油、交输供油、重力供油的工作情况;分析了飞机燃油供油系统的故障模式,仿真了在几种典型故障模型下的工作情况,并对仿真结果进行了分析;结果表明利用Flowmaster所建立的供油系统模型能有效地仿真飞机燃油系统正常与故障工作情况,为飞机燃油系统的故障诊断打下了基础.     

基于DS证据理论的电网故障诊断系统的研究

针对基于单一判据的电网故障诊断系统存在较高误判率的问题,提出了一种基于DS证据理论的多判据融合决策的电网故障诊断系统的设计方案。该方案采用基于量值区分的门限法、基于电流差动的门限法、基于功率方向的门限法三种判据方法对同一段故障录波数据进行判别,应用DS证据理论融合判别结果,从而可准确判断故障类型和故障位置。实例分析表明,该方案可有效提高电网故障诊断的准确率。     

基于神经网络和证据理论的信息融合在故障诊断中的应用

针对电子设备故障诊断中数据处理量大,容错能力差,匹配冲突等问题,提出了基于神经网络、证据理论信息融合进行故障诊断的方法;首先,应用BP神经网络将特征提取后的信息进行特征级融合,实现了一定的数据压缩,然后,采用证据理论对不同的诊断结果组成的证据体进行决策级融合,减小故障诊断的不确定性,并解决各故障之间匹配冲突的问题;最后,以某型雷达I/O接口板为例说明了本文方法的有效性和实用性。     

基于D-S证据理论的飞机火警系统研究

研究准确识别飞机火警系统,由于飞机火灾火势猛,突发性强,飞机火警系统误报率较高.为提高识别火警准确率,提出一种D-S证据理论的数据融合方案.对机舱内燃烧时的温度、烟雾浓度、光亮度等火情特征参量进行判断,分析特征参量的内在特性和常见的火情信息处理流程.采用多传感器多周期的时空融合方法对火情信息进行识别,得出火灾的四种不同状态类型:明火、阴燃火、无火灾、无法识别,并进行仿真,结果表明,根据D-S理论进行数据融合结果对火警识别具有较高的准确度和可信性,为设计提供了依据.     

基于神经网络和D-S证据理论的交通目标识别

研究智能交通监控系统中行人和轿车的识别.传统的单一分类器方法难以达到较高的识别率,为提高准确性和识别率,根据神经网络和D-S证据理论,采用信息融合方法对视频序列中的行人和轿车进行识别.证据理论是信息融合的一种重要依据.但是它的基本可信度分配一般不易确定.采用支持向量机(SVM)和反向传播(BP)网络进行基本可信度分配,形成2个证据体,用D-S证据理论对证据体进行融合之后,根据判决准则识别结果.通过仿真实验,结果表明,方法的识别率高于采用SVM或仅采用BP网络时的识别率,可以实现行人和轿车的准确识别.     

基于D-S理论的故障诊断融合算法及应用研究

针对工业现场传感器状态类型复杂多变、被测参量难以准确可靠获得等问题,提出了一种基于RBF神经网络和证据理论的两级信息融合方法。利用RBF神经网络实现特征层数据融合,并建立基本信任分配函数,解决了D-S证据理论确定基本信任分配函数困难的问题;基于D—S证据理论的传感器故障诊断方法,可用来判断出工业现场传感器的有效工作状态。木材含水率检测结果表明,基于RBF神经网络和证据理论的两级信息融合方法可正确定位并准确分离出失效传感器。     

基于神经网络的柴油机故障诊断方法

提出了一种基于三层BP网络的柴油机故障诊断模型,给出了一种基于黄金分割法的变步长学习算法。仿真结果表明,该算法比标准BP算法具有更快的学习速度,完全适用于柴油机故障诊断系统。     

基于补偿神经网络的航空电子故障智能诊断系统及应用

针对航空电子系统中故障诊断的问题,提出一种将神经网络中的BP算法与模糊逻辑系统相结合、自动产生并自动修正模糊规则的自适应的模糊逻辑推理机。通过函数逼近仿真分析和航空电子系统故障诊断的实际应用,证明此方法简单有效,故障诊断的精度高,取得了较好的效果,具有一定的应用前景。     

基于神经网络和专家系统的故障诊断

分析了专家系统和神经网络在故障诊断中的应用，针对两种技术各自的优缺点，建立了一个基于神经网络和专家系统的采煤机集成故障诊断系统，介绍了系统的结构，诊断策略及神经网络的学习算法，并给出了仿真结果。     

D-S证据理论在电路故障诊断中的应用研究

针对传统的线路切割法在电路故障诊断表现出的诸多问题,提出了一种基于D-S证据理论的多故障分类器的信息融合系统框架模型。在该模型中,基于SVM的故障分类器模型、基于贝叶斯的故障分类器模型和基于神经网络的故障分类器模型中的故障集合的并集共同构成识别框架,并利用Dempster合成法则对测试数据进行融合。实例研究表明,该模型增强了诊断系统的可分析性,有效提高了故障模式的识别能力。