基于AI-ESTATE标准的贝叶斯网络诊断模型研究

贝叶斯网络在解决复杂装备中不确定性和关联性引起的故障中具有很大优势,建立符合AI-ESTATE标准的贝叶斯网络模型,对实现其通用性至关重要；首先介绍了AI-ESTATE标准的主要内容、体系结构和6种信息模型；其次,在对贝叶斯网络进行分析的基础上,研究如何将公共元素模型扩展为贝叶斯网络模型,详细介绍了拓展过程并给出了拓展框图,同时对各实体和属性进行了说明；最后,针对标准中采用的EXPRESS描述语言编辑工具少、通用性差等问题,采用XML语言对其交换文件进行描述,使得诊断信息具备更好的可移植性和互操作性。     

VXI总线多协议串行通讯模块的设计与实现

本文介绍VXI总线多协议串行通讯模块的设计与实现。该设计利用Philips公司的多功能、四路通用异步收发器SC2 8C94 ,结合大规模可编程逻辑器件及相应的控制程序 ,在不改变模块硬件的基础上 ,可以通过软件控制使通讯协议为 :RS - 42 2 / 4 85或RS - 2 32 ,实现单一模块完成 16路RS - 2 32或 8路RS - 42 2 / 4 85全 /半双工串行通讯的功能     

基于改进多层核超限学习机的模拟电路故障诊断

为兼顾模拟电路多故障诊断的实用性和诊断精度,基于仿真诊断模型的测试性应用框架,结合深度学习与核方法的优势,提出一种多层单纯形优化核超限学习机（ML-SOKELM）方法。将有效初选后的数据集输入多层核超限学习机逐层提取故障特征并进行诊断;训练过程中,将各层核参数向量视为待优化变量,运用单纯形法对其进行联合优化。实验结果表明：与常见的深度学习方法相比,ML-SOKELM方法对主观经验依赖性更低,在训练时间大大缩短的同时,还能获得与之相当的准确率;与流行的核方法相比,ML-SOKELM方法在不同模糊度阈值下均能获得较高的诊断准确率。     

基于多源信息加权融合的研制阶段测试性评估方法

装备在研制阶段通常缺乏有效的试验和使用数据,其测试性水平往往难以评估,针对上述问题,提出基于多源信息加权融合的研制阶段测试性评估方法;方法综合考虑了装备研制阶段可利用的仿真信息、专家经验信息以及类似装备的历史信息,构建了以3类信息为基础的装备测试性指标值密度分布函数,同时依据可信度原则确定了3类信息的融合权重;在此基础上,利用证据折扣组合方法评估装备当前的测试性水平;最后,通过案例应用证明了该方法的有效性。     

灰色模型在装备故障预测中应用分析

在装备故障预测中,根据灰色建模不需要寻找数据的概率分布和统计规律的优势,给出了一种灰色预测算法步骤,并将其应用于某型装备故障预测中加以分析。结果表明该方法不仅可行,且预测精度较高,从而帮助装备维修保障人员更好地检测和测试装备状态,提高装备可靠性和维修性,具有一定的军事应用价值。     

一种融合粗糙集与灰模的装备故障预测方法

结合粗糙集理论和灰色系统理论对不精确信息处理的优势,文中提出一种融合粗糙集理论与GM(1,1)灰色预测模型的故障预测方法,先运用粗糙集的属性约简算法对故障诊断决策表进行约简,推出最优诊断规则,再利用GM(1,1)灰色预测模型对约简决策表中的各条件属性测试值计算得到其预测值,从而代回约简的诊断决策表进行故障预测,最后在某型机载电台装备中以某一故障为例进行应用验证,结果表明故障预测效率和精度都较高,从而为提高装备的可靠性和维修性提供依据.     

基于EMD的谱峭度方法在滚动轴承故障检测中的应用

针对传统谱峭度方法中短时傅里叶变换不能保证对瞬态脉冲这种高度非平稳信号最优分解效果的问题,提出一种基于经验模式分解的谱峭度方法;该方法首先利用经验模式分解和Hilbert变换得到信号的时频分布,然后将信号的时频分布按照不同层数分成若干频段,通过计算各频段的峭度值得到相应的峭度图,再根据峭度最大原则选择滤波频段进行带通滤波,最后对滤波信号采用包络分析确定故障信息;实验结果表明:相比基于短时傅里叶变换的谱峭度方法,文章方法更能准确的获得轴承加速度信号的故障特征频率信息。     

混合诊断建模与故障检测率和隔离率算法解析

针对混合诊断建模中故障“有时影响”功能以及故障和功能可靠性数据冲突情况下的故障检测率和故障隔离率计算问题,研究了混合诊断建模与推理规则以及故障和功能可靠性数据冲突处理方法,通过分解故障并扩展故障－测试相关矩阵定义,将故障与功能间不确定性关联转化为确定性关联,归纳了故障和功能可靠性数据冲突处理计算公式,提出了基于扩展故障-测试相关矩阵和分别采用故障模式均分法、故障模式优先法、功能优先法的故障检测率和故障隔离率算法,给出了计算示例,并与eXpress软件运行结果相对照,验证了所提算法的正确性,深化了对eXpress软件功能原理的认识。     

基于一种小波核优化学习的KSPP子空间故障特征提取*

针对电子系统故障诊断中有效特征提取困难,核属性约简方法中核函数与核参数选择繁琐等问题,提出了一种基于自优化小波核稀疏保持投影的子空间特征提取方法。通过对核极化准则的改进,使得新准则不仅可以处理多类别信息,而且可以保留同一类别数据间的局部结构特征。以墨西哥帽小波核函数为对象,基于改进的核评估准则构建优化目标函数,并采用粒子群优化算法进行核参数选择。将优化的小波核作为核稀疏保持投影的核函数,最终实现了在核子空间中对有效特征的提取。实验结果表明,相比于其它流形的子空间特征提取方法,提出的方法有效提升了分类精度,具有良好的泛化性能。     

基于张力格林样条的EMD均值曲线插值方法

经典经验模式分解采用三次样条插值方法求取信号的均值曲线,其存在较严重的过冲现象,造成最终的分解误差较大。针对上述问题,提出一种基于张力格林样条的均值曲线插值方法。以相邻极值点的中点为插值节点,采用张力格林样条插值直接获得信号的均值曲线。实验结果表明,该方法在保证插值曲线光滑性的基础上,可以消除三次样条在插值节点间出现的过分振荡现象,一定程度上克服过冲问题,基于极值中点的一次插值能进一步降低信号分解的误差。