一种基于状态监控的自动测试系统更换订购策略

针对海军导弹通用自动化测试系统的劣化故障,结合测试系统模块和元器件不可修复件多的特点,以及现有维修策略维修周期长的问题,提出一种基于状态监控维修更换和备件订购策略.该维修策略引入性能可靠性,通过状态监控和周期检查来确定不可维修模块劣化水平,进而基于模块劣化水平进行模块更换决策,并根据库存中剩余备件个数决定是否需要订购备件,减少停机时间,实现决策优化.理论分析和实例分析结果表明,与原策略相比,该策略能够缩短维修周期,提高使用可用度,保证系统的持续安全运行.     

基于NSGA-3与改进贝叶斯网络模型的测试优化选择方法

现有测试选择问题的解决方案大多基于单目标优化算法与多信号模型,存在指标计算粗糙、解集局限性大等问题.针对这些问题,提出了基于NSGA-3算法与贝叶斯网络模型的测试优化选择方法.描述了改进贝叶斯网络模型,阐述了模型建立方法,介绍了模型的学习能力与对不确定信息的处理能力;根据设计需求所确立的约束条件与目标函数,在改进贝叶斯...     

超球SVM与证据理论在故障诊断中的应用

针对使用多传感器信息融合技术进行故障诊断时,故障模式较多、基本概率赋值难以确定的问题,提出一种基于超球支持向量机与D-S证据理论相结合的故障诊断方法。该方法使用超球支持向量机针对每一个传感器的故障空间训练分类模型,根据类内隶属度与类-类相似度得到各故障类别的基本概率赋值,利用D-S证据理论进行证据融合,基于信任函数进行故障决策。试验结果表明该方法提高了故障识别能力,有一定实践意义。     

一种数字控制器的嵌入式BIT系统设计

针对某导弹测试周期长，信号测试困难，故障诊断能力不足等的缺点，提出了采用数字控制器嵌入式BIT系统的设计思想，并给出了软，硬件设计思路和相应的测试步骤.     

基于层次广义随机Petri网的测试性建模新方法

针对目前装备系统采用层次化、模块化设计,维修级别与测试性建模复杂度大大提高的问题,提出一种基于层次广义随机Petri网(HGSPN)的测试性建模方法。将主流模型和广义随机Petri网(GSPN)模型进行对比,阐明主流模型存在的问题,以及选择GSPN模型的原因;对装备进行层次划分,建立分层GSPN模型;系统及其组成元件存在多个故障模式,为区分这些故障模式提出一套完整编码方案;给出可达性算法获取层次相关性矩阵,运用测试性评估数学模型得到各层级的测试性水平,将各层级的测试性信息汇总,得到装备完整的测试性水平。以某型导弹发动机系统为例,建立其HGSPN模型,并对测试性指标进行确定,得到100%的故障检测率和66. 7%的故障隔离率,验证了所提建模方法和相应算法的有效性。     

基于Petri网的测试⁃故障诊断一体化模型研究

现有测试性模型对复杂装备进行分层建模时，不仅需要每层装备的故障模式、影响和危害性分析（failure mode， effects and criticality analysis，简称FMECA），还需要确定各故障模式之间的联系，增加了实际工作量和建模难度，与实际故障诊断脱节。为解决上述问题，提出一种基于Petri网的建模方法，将测试性模型与故障诊断模型相结合。首先，采用广义随机Petri网建立装备系统级的测试性模型，采用模糊Petri网（fuzzy Petri net， 简称FPN）建立子系统的故障诊断模型，完成系统到子系统的传递；其次，根据FMECA信息对故障统计数据进行处理，通过神经网络对参数进行调整学习和优化；然后，采用正向推理实现故障的准确预测，逆向推理结合最小割集完成故障定位；最后，以涡扇发动机风扇部件模型为例进行建模分析，并通过故障树和统计数据验证了模型的正确性和有效性。     

基于递推规范变量残差和核主元分析的微小故障检测

微小故障由于故障征兆不明显从而很难在故障发生早期对其进行检测. 针对该问题, 本文提出了一种基于递推规范变量残差和核主元分析(RCVD–KPCA)的微小故障检测方法. 首先构造规范变量残差, 从中提取数据的线性特征. 利用指数加权滑动平均法对规范变量残差进行递推滤波处理, 提高规范变量残差对微小故障的敏感程度;然后使用KPCA提取规范变量残差中的非线性主成分作为非线性特征, 根据提取的特征提出了两个新的故障检测统计量; 此外, 利用核密度估计确定故障检测统计量的控制限. 由于同时提取了过程数据的线性和非线性特征, 有效地提高了非线性动态过程中微小故障的可检测性. 以闭环连续搅拌釜式反应器过程为例进行了仿真分析, 仿真结果表明本文所提方法具有较好的故障检测性能.     

基于广义随机有色Petri网的测试性建模方法

针对现有测试性模型简化系统故障与测试之间的关系,忽略故障模式之间复杂性的问题,提出一种基于广义随机有色Petri网（CGSPN）的测试性建模方法。在Petri网的理论基础上对故障模式复杂性进行分析,并用不同颜色表示严酷度等级,完成CGSPN模型的构建。应用编码方案区分同一故障的多种故障模式,有效降低建模难度。采用可达性算法获取相关性矩阵。引入三角模糊数算法获取专家知识,将专家数据作为先验信息与后验测试数据相结合,解决数据量少和不可靠问题。以某型导弹为例建立CGSPN模型,对其进行测试性分析,得到96.8%的故障检测率和100%的故障隔离率,在满足系统测试性指标要求基础上丰富了模型的内容,为装备的测试性建模提出了一种新方法。     

基于测试性增长的指标动态评估方法

针对现有测试性指标评估方法未能考虑装备研制阶段不同层次结构测试性水平动态增长的特性,导致测试性评估置信度不高的问题,提出一种测试性增长条件下基于层次Bayes网络模型的测试性指标动态评估方法。根据装备结构特征建立测试性指标动态评估的层次Bayes网络模型,并以测试性指标作为网络传递参数;考虑延缓纠正的测试性增长试验策略,给定测试性阶段序化增长约束条件,针对不同层次节点各阶段增长试验数据,采用单边Fisher精确检验法对测试性增长趋势进行检验,并基于检验结果确定增长阶段数;提出利用最大熵模型和改进Gompertz模型的先验参数估计方法,结合Bayes定理以及研制阶段各层次节点先验信息确定节点先验分布;进一步基于层次Bayes网络融合推理算法确定顶层节点测试性指标的后验分布,实现对装备测试性指标的动态评估,并通过案例进行验证。结果表明,该方法相较于直接运用Beta分布,具备更为准确合理的指标评估结论。