基于灰色区间关联的UCAV自主决策方法

为解决信息不完备条件下的无人作战飞机（UCAV,Unmanned Combat Air Vehicle）战术决策问题,提出一种基于灰色区间关联的UCAV自主战术决策方法.依照作战任务要求选取决策要素,建立UCAV决策推理的规则库.构建不完备信息模型,并基于灰色区间关联理论给出UCAV战术决策模型;设计冲突消解算法,有效解决不完备信息导致的推理失效问题.仿真实例模拟了决策过程,验证了该方法在解决UCAV战术决策问题上的可行性和在化解规则匹配冲突方面的有效性.仿真结果表明,该方法能够应对决策要素不确定性较大的情况,并给出合理的战术行为推理结果.     

独立电源多智能体信息融合故障诊断方法

对独立电源系统进行故障诊断与预测研究是保证整个复杂运动装置系统安全性工程的重要环节.分析了目前独立电源故障诊断系统中存在的问题,提出采用多传感器信息融合和多智能体技术相结合的方法来提高故障诊断的可靠性和系统的扩展性.利用智能体的自主性、分布性和协作性,构建了独立电源多智能体信息融合故障诊断系统.根据独立电源故障征兆的特点,将D-S(Dempster-Shafer)证据理论引入到多神经网络的诊断结果融合技术中,阐述了多神经网络局部诊断智能体和D-S证据理论融合诊断智能体的具体实现方法.最后,以某型航空电源故障诊断为例,给出了故障实例的诊断仿真,结果表明该方法可有效提高诊断可信度.     

融合粗糙集与D-S证据理论的航空装备故障诊断

针对航空电子装备故障诊断中出现的多源诊断信息存在冲突的情况,基于粗糙集与证据理论在处理不确定问题时的优势,提出了一种融合粗糙集与证据理论的故障诊断方法.该方法利用粗糙集将信息源给出的诊断数据转化为证据理论中的mass函数,进行结果融合.同时,该方法给出边界粗糙熵的定义,并基于边界粗糙熵获得反映各信息源在诊断融合过程中重要度的动态权重参数,提出一种新的证据理论的冲突合成规则.仿真实验表明,该方法可以有效地提升诊断信息融合结果的准确性,在航空电子装备故障诊断方面有较好的实用价值.      

基于可诊断性约束的测点优化配置研究

为提高卫星的安全性和可靠性,适应在设计阶段对故障诊断进行考虑的需求,以动量轮为例,将故障可诊断性作为优化目标,提出基于DM分解技术的测点优化配置方法,并给出故障可诊断性评价的相关定义.分析动量轮模型和故障,建立动量轮的结构模型;采用DM技术对动量轮的结构模型进行分解,并分析动量轮模型的解析冗余关系;在对各故障的可检测性和可分离性进行分析的基础上,根据结构模型的偏序关系,获得使故障具有可检测性和可分离性的最小传感器集合;给出故障可诊断性评价的定义,并针对两种传感器配置情况,进行可诊断性分析.本文所提方法为设计阶段开展故障诊断的研究提供了借鉴和参考.     

非线性系统多故障诊断方法

给出了非线性系统的一种基于模糊奇偶方程的多故障诊断方法.解决了非线性系统中同时出现多种故障时的故障检测与识别问题.首先构造线性系统的全解耦奇偶方程,再应用T-S模型融合非线性系统各个工作点处的线性模型的全解耦奇偶方程得到模糊奇偶方程.模糊奇偶方程产生的残差仅对一个执行器故障敏感、对一个传感器不敏感,而对其他执行器不敏感、对其他传感器敏感.将传感器和执行器故障模型表示成偏差的形式,根据残差信息可以估计出故障的模型参数.给出了应用递推最小二乘方法对各故障模型的参数进行估计的方法.给出了铁路牵引控制系统的感应电机仿真实例.结果表明,新方法能够对传感器故障和执行器故障同时存在的多故障进行诊断.     

小样本下基于孪生神经网络的柱塞泵故障诊断

针对目前基于深度神经网络的柱塞泵故障诊断方法在小样本条件下精度低、模型欠拟合问题,提出一种小样本条件下基于孪生神经网络的柱塞泵故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同健康状态下的壳体振动信号;使用由卷积层和池化层组成孪生子网络自适应地从原始振动信号中提取低维特征,使用欧式距离判定输入样本对的特征相似度;通过相似度对比的方法扩大训练样本数量并训练孪生神经网络模型;最后,对测试样本进行健康状态识别。实验结果表明：与传统深度神经相比,所提方法在小样本情况下具有更高的准确率。同时,多通道数据融合实验表明：所提方法能够从不同通道的信号中学习到有关故障信息,多通道数据融合可以进一步提高诊断准确率。     

基于RBF神经网络的控制电器元件故障诊断

针对控制电器元件故障征兆与故障类型之间的非线性映射关系,提出了基于径向基函数神经网络RBFNN(Radial Basis Function Neural Network)的控制电器元件故障诊断方法.在分析控制电器元件故障机理和失效形式的基础上,提取出描述故障类型的典型故障特征矢量.给出在获得足够多故障信息的情况下,运用RBFNN进行故障诊断的模型及整个故障诊断算法的实现过程.为了验证故障诊断模型的有效性和合理性,利用训练好的RBFNN对故障特征矢量进行识别.仿真结果表明,RBFNN能克服诊断过程中容易陷入局部极小的缺点,并能满足故障诊断的快速性和准确性要求.      

大虚警率下的多故障诊断算法

主要研究不可靠测试下多信号模型的多故障诊断问题。最优的多故障诊断是计算复杂度完全类(NP-Complete)问题,因此大型系统的诊断一般只能用次优的随机搜索算法。次梯度优化算法能够在虚警概率较小时给出较好的结果,但如果测试个数很多且虚警概率较大时,该算法就不能消除虚警的影响,会使估计的故障覆盖所有失败的测试,而不是找到系统真实的故障。针对这一问题,提出了能够同时考虑虚警和误警的目标函数,使算法能排除虚警的测试准确定位故障,并用改进的遗传算法搜索故障部件提高诊断速度。仿真诊断结果表明,同时发生故障的部件个数较少时,遗传算法的诊断速度明显优于次梯度优化算法,而且能够更有效地抑制虚警的影响。     

应用证据推理理论实现卫星故障诊断信息的融合方法

针对卫星故障诊断中应用同一征兆域信息难以区分的故障，提出了一种基于证据推理理论的故障诊断新方法．该方法应用证据推理理论实现卫星故障不同征兆域信息的融合，从而获得更加准确的故障定位．文中分析了卫星故障诊断中应用证据推理理论进行信息融合的必要性，研究了应用证据推理理论实现卫星故障不同征兆域信息融合的理论方法，给出了该方法的实际应用，讨论了应用该方法需注意的问题，最后给出了结论．     

基于DWNN的机电作动器渐变性故障诊断

飞机飞行控制系统机电作动器（EMA）的渐变性故障很难准确预判,若不能及早发现而任其发展就会影响到飞机的飞行安全性。针对EMA的渐变性故障,提出一种基于动态小波神经网络（DWNN）的故障诊断方法。首先,利用EMA在电机电枢绕组匝间短路、传动装置丝杆和滚珠磨损等多种渐变性故障状态下的运行数据来训练DWNN故障诊断模型;然后,利用训练好的DWNN模型对EMA渐变性故障进行诊断。创新之处在于DWNN模型利用小波分解算法去除了传感器测量信号中高频分量的影响,利用反馈神经网络的记忆能力融合了过去输入的信息和过去预测的信息,提高了对EMA渐变性故障诊断的准确性。通过对某型EMA进行故障诊断实验,仿真结果表明所提出的DWNN方法可以实现对EMA部件渐变性故障的准确诊断。      

飞机电源系统整流装置故障诊断方法

某型号飞机电源系统现有的机上自检测装置由传统的硬件逻辑电路构成,存在功能扩展性差、可靠性低等缺点.为符合新一代机上自检测装置微机化、智能化的特点,在对其进行故障模式分析的基础上,采用基于小波神经网络的故障诊断方法,通过对整流装置输出电压的实测信号样本的频谱分析,获得对故障敏感的特征频率点,根据小波变换的多分辨率分析理论,确定了与特征频率点相对应的小波母函数和变换尺度.在此基础上,通过定义频带能量特征向量,将小波变换得到的小波系数转换为一组特征向量.将特征向量作为BP神经网络的前端输入,由神经网络完成故障的识别与分类.经验证,故障特征得到了有效地提取,使神经网络可在各种工况下对故障进行故障诊断,符合灵敏性、鲁棒性的要求.      

批次定检设备故障诊断的贝叶斯方法研究

针对机载设备故障诊断定位率低的问题,提出充分利用先验故障信息指导批次定检的思想.通过研究批次定检机载无线电设备的失效规律,运用贝叶斯方法对小子样情况下的故障概率进行估计,建立了以各模块的故障概率来指导下一步故障检测的机制.针对不同情况提出3种指导方法并进行了仿真计算,结果表明可显著提高故障的一次定位准确率,减少故障查找时间,具有较高的工程应用价值.      

基于深度残差收缩网络的滚动轴承故障诊断

滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号,提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先,根据采集到的滚动轴承数据构造故障样本,针对多种故障类型下的长时间序列的振动信号,按照一定尺寸将长时间序列矩阵化,构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程,通过多个采样点的随机采样,构造全寿命周期的故障样本用于故障诊断。其次,在多层深度学习模型基础上,将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断,其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题,利用软阈值化实现了样本降噪。最后,为了验证所提方法的有效性,采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性,多层网络模型下没有明显的网络退化,能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时,与其他模型相比,所提方法训练误差更低,平均故障诊断正确率提高1%~6%。      

基于FFS故障行为模型的等效故障注入方法

针对测试性验证试验中部分故障模式不可注入,或注入后易导致装备出现不可修复的损坏等问题,提出了基于“故障模式-功能-状态”（FFS）故障行为模型的等效故障注入方法。首先,对FFS总体建模思路进行了描述,提出将“功能”作为基本建模要素,在分析装备自身多元建模信息的基础上,建立了故障行为模型。其次,对各相关矩阵和行为状态向量进行了定义,研究了故障模式、功能、状态间的不确定信息表征方法,提出了故障模式-状态相关矩阵的求解方法。最后,给出了等效故障模式的定义和基于FFS故障行为模型的等效故障注入流程。将所提方法应用于某装备发射控制系统,结果表明,所提方法能够实现等效故障注入,故障注入率提高约16.7%。      

ATE环境下的多频测试参数故障检测

从线性模拟电路灵敏度的概念入手,分析了通过获取敏感频点激励下的最大故障误差来检测电路参数故障的可能性,提出了一种针对测试频率和测点信息的激励矩阵.设计了适合自动测试系统进行模拟电路参数故障检测的联合激励方式提取算法以降低测试成本.仿真结果所给出的故障检测效果显示,该方法可以放大故障误差,并有助于利用敏感频点响应的差别来辨别故障信号.      

航空液压泵柱塞游隙增大故障诊断

柱塞游隙增大是航空液压泵典型的渐进性故障之一,其故障特征模糊,样本有限,故障数据充满噪声,对其进行精确的故障诊断十分困难,因此提出了一种基于简约支持向量机的故障诊断方法.利用粗糙集对故障特征变量进行简约,去除冗余信息,在保证分类质量不变的前提下寻求覆盖系统故障特征的最小属性集合;将简约后的数据样本用来训练支持向量机进行故障分类.使用训练完成后的简约支持向量机进行故障诊断的实验结果表明,此种诊断方法适合于航空液压泵柱塞游隙增大的高精度故障诊断.