基于Netica的导弹故障诊断贝叶斯网络模型研究

针对传统导弹装备故障诊断方法效率低、精确度差等问题,提出了采用贝叶斯网络进行导弹测试故障诊断的方法。本文首先对贝叶斯网络进行了概述,然后对导弹模型故障分支进行了贝叶斯网络故障诊断精确推理。进而采用故障树-贝叶斯网络转化法生成导弹典型故障贝叶斯网络模型,并使用贝叶斯工具Netica对该模型进行了案例分析。结果表明该方法可为导弹装备故障的快速定位提供依据,为贝叶斯网络技术在导弹故障诊断领域的应用奠定基础。     

基于多Agent的某型车载导弹智能故障诊断系统

针对某型车载导弹武器系统的维修保障问题,在多Agent系统（MAS）理论和技术的基础上,结合智能故障诊断专家系统,提出了各种Agent的功能模型和基于MAS的故障诊断系统模型,研制了基于多Agent的某型车载导弹智能故障诊断系统,并给出了系统的故障诊断流程和具体实现过程。     

基于改进证据理论的导弹故障智能诊断推理方法

针对已有导弹故障诊断规则在对新的导弹超差测试数据进行诊断时无法直接得到诊断结果,甚至会出现诊断结果冲突的问题,引入粗糙集理论(Rough Set Theory,RST)对基本概率赋值进行获取,在分析现有D-S合成规则改进方法与冲突证据权重分配方法的基础上,提出了一种改进的冲突证据合成方法,进而建立了基于改进证据理论的导弹故障智能诊断推理模型。实例验证结果表明,该模型能够更加准确地实现导弹的故障定位,且能有效地减少不确定性对导弹故障智能诊断的不利影响。     

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．     

基于案例推理的鱼雷制导系统故障诊断方法

为了解决传统的基于规则推理（RBR）方法存在的不足,将基于案例推理（CBR）方法引入鱼雷制导故障诊断系统中。阐述了案例推理的诊断策略,重点描述了二级案例检索策略及其算法,进而从案例描述、系统结构和工作流程3个方面介绍了基于案例推理的鱼雷制导系统故障诊断方法设计,并在VB6.0平台上开发了故障诊断系统,最后通过具体的故障案例比较了RBR和CBR两种方法。案例分析结果表明,所开发的基于案例推理故障诊断系统能够提高鱼雷制导系统维修的准确性和高效性。     

基于案例推理的复杂装备故障诊断系统研究

针对复杂装备故障发生具有层次性、相关性和综合性特征,采用基于案例推理技术研究了故障诊断系统,能为复杂装备有效地提供基于知识的维修决策支持.研究的故障诊断系统采用了K近邻法计算案例间的相似度,将层次聚类方法应用到案例库的组织中,采用三级案例组织和索引结构,提高了检索效率.同时设计了人机交互的故障诊断流程.以自行火炮发动机的燃油系统和冷却系统为实例进行了案例推理,验证了推理策略的有效性.     

概率神经网络在武器装备故障诊断中的应用

针对当前复杂武器系统在装备部队后出现的故障定位难题,采用概率神经网络进行装备的故障诊断。给出概率神经网络算法及故障诊断步骤,建立基于概率神经网络的故障诊断模型,以某新型武器装备为对象,将该模型应用于装备故障诊断,并使用Matlab进行仿真验证。仿真结果表明概率神经网络能够有效识别出装备的各种典型故障,降低部队使用过程中故障排查难度,提高装备的维修保障能力。     

智能故障诊断研究与发展

在综合大量文献基础上,对国内外智能故障诊断的研究现状进行了述评和归纳,同时指出了目前各种智能诊断方法和技术的特点及局限性.这些方法和技术包括:基于规则的智能诊断、基于模型知识的智能诊断、基于神经网络的智能诊断、基于案例的智能诊断、基于行为的智能诊断.对基于神经网络的智能诊断,具体讨论了模式识别的智能故障诊断神经网络、故障预测的神经网络、基于神经网络的智能诊断专家系统.最后指出了智能故障诊断今后的发展趋势,即集成型智能故障诊断系统、基于机器学习的智能故障诊断系统、由单机诊断到远程分布式全系统智能诊断.     

概率神经网络在武器装备故障诊断中的应用

针对当前复杂武器系统在装备部队后出现的故障定位难题,采用概率神经网络进行装备的故障诊断.给出概率神经网络算法及故障诊断步骤,建立基于概率神经网络的故障诊断模型,以某新型武器装备为对象,将该模型应用于装备故障诊断,并使用Matlab进行仿真验证.仿真结果表明:概率神经网络能够有效识别出装备的各种典型故障,降低部队使用过程中故障排查难度,提高装备的维修保障能力.     

基于大数据分析的航空产品故障管控

为提高航空产品故障诊断精度与维修保障的效率,提出一种基于大数据分析技术的航空产品故障管控方法.从数据挖掘算法在产品管理中的应用进行分析,依据航空产品检定数据和历史故障数据,构建产品故障与寿命预估的关联分析模型,对大数据分析技术在航空产品的应用现状与发展前景进行阐述.分析结果表明,该研究可为未来航空产品质量管控和维修保障提供思路.     

基于3维相关性矩阵的故障诊断方法

为解决航天器控制系统难以快速准确地诊断定位故障的问题,提出一种3维相关性矩阵的故障诊断方法.根据复杂系统功能原理,建立不同状态的最优化故障传播有向图模型,依据3维相关性矩阵的映射关系及检测结果快速映射到故障模式,实现系统故障的快速诊断定位及测试点的最优化设计.结果表明:该方法可以减少测试点的设置数量,降低故障诊断系统的复杂度,提高诊断的快速性.     

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.     

基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法

针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障诊断方法。通过经验模态分解、变分模态分解和小波包分解的方法提取滚动轴承振动信号的高维特征模量;将特征模量组成多通道样本输入到注意力增强卷积神经网络中进行训练,利用网络对特征模量自适应地融合和选择,从而挖掘特征模量的隐式特征;使用Softmax分类器进行分类识别;通过训练好的网络对高转速下的滚动轴承进行故障诊断;利用不同信噪比的信号对所提方法进行测试,以验证网络的泛化能力和故障诊断效果。实验结果表明：该方法能准确、有效地对航空发动机滚动轴承不同故障的损伤程度进行分类识别。     

基于故障树和规则的火控系统故障诊断专家系统

为提高坦克火控系统火力射击的精度,提出一种基于故障树和规则的坦克火控系统故障诊断专家系统。 根据系统自身特点及相关专业知识建立故障树,结合坦克火控故障诊断专家系统构造原则,采用反向推理策略结合 深度优先搜索的方法,通过故障树定性定量分析各部件对坦克火控系统性能的影响,给出故障树转化规则,得出应 用改进的反向推理策略。研究结果表明：该方法提高了搜索效率,可为其他火控系统故障诊断提供借鉴。     

基于粒子群优化技术的导弹模拟故障诊断方法

采用一种基于粒子群优化的特征提取算法,以K-NN分类正确率作为评价准则,应用粒子群优化算法寻找使提取特征的K—NN分类正确率最大的转换矩阵,从而实现特征的提取．算法的特点是结构简单灵活,对数据的分布特征不敏感,适合于对模拟故障特征进行提取．故障诊断示例证明了该特征提取算法在导弹模拟故障诊断中的有效性．     

复杂系统VXI测试设备的检测与故障诊断

针对VXI总线测试设备集成度高、系统复杂,状态检测、故障诊断难度大、耗时长等特点,设计一种基于虚拟仪器的自动检测诊断系统。由数据采集与激励,基于规则推理的故障诊断,基于神经网络的故障诊断,以及人机交互子系统和数据库维护与管理子系统组成。实验验证系统检测功能齐全,故障定位准确,可满足VXI测试设备在线检测、诊断的需要。     

基于深度学习的小口径弹药装配设备故障诊断专家系统

针对小口径弹药装配设备故障诊断智能化程度不足、诊断效率低以及误诊率高等问题,开展小口径弹药装配设备故障诊断技术和专家系统研究。为提高复杂装备故障知识推理及判别精度,研究基于知识图谱和故障树的故障类别知识库构建方法,提出基于规则和案例的故障知识推理方法,采用深度学习算法进行故障知识推理和更新,构建故障诊断模型并用于小口径弹药装配设备故障诊断专家系统。结果表明：该系统可实现对小口径弹药装配设备故障的智能预测和分析,符合制造装备智能化发展要求,为制造装备智能化、信息化的研制发展和推广应用提供参考。     

柴油机故障信号的形态学多尺度分形分析

为解决传统单一分形维数在表征信号时的缺陷,提出一种基于形态学计算的多尺度分形维数估计方法。 对柴油机正常、失火和气门间隙过大故障信号进行分析,并与单一分形维数方法进行对比。结果表明：基于形态学 计算的多尺度分形维数能准确地对柴油机不同状态下的信号进行分类,计算简单快速,具有很好的故障诊断效果。     

基于规则的牵引车故障诊断专家系统设计

针对某型舰船出海期间牵引车故障多、维护难的问题,开发一种基于规则的牵引车故障诊断专家系统。介绍牵引车故障诊断专家系统的基本架构、功能模块,结合产生式规则给出知识库与规则库的结构,同时运用混合推理技术设计推理机,详细描述推理算法,利用Access数据库和VB可视化编程技术实现专家系统。分析结果表明：该系统能够较为准确地判断出故障原因并提出故障解决方法,维护简单,实用高效,易于部队接受。     

基于EEMD和二维边际谱熵的齿轮箱故障诊断

针对信号经验模态分解（EMD）过程中存在波形混叠现象,提出一种基于聚合经验模态分解（EEMD）和Hilbert二维边际谱熵相结合的方法对齿轮箱故障进行分类故障诊断．首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对3种工况信号进行Hilbert变换并计算得到边际谱,并且提取二维边际谱熵作为支持向量机（SVM）的输入量,建立故障诊断模型．经测试该方法在齿轮箱故障诊断方面有着较强的分类能力和诊断精度,具有一定的可行性．