防空导弹武器系统故障诊断技术探究

对主要的故障诊断技术进行了系统地归纳和分类,并重点讨论了基于知识处理的智能故障诊断方法,对专家系统故障诊断方法、故障树故障诊断方法、模糊故障诊断方法、神经网络故障诊断方法以及基于支持向量机的故障诊断方法进行了详细介绍。     

松鼠搜索算法优化SVM的液体火箭动力系统故障诊断

为了对液体火箭动力系统的故障进行诊断，提出了一种基于松鼠搜索算法(SSA)优化支持向量机(SVM)的故障诊断方法。将支持向量机的两个重要参数惩罚因子和核函数参数作为松鼠位置矢量，由输出的最佳参数构成SSA-SVM预测模型。实验选取某液体火箭动力系统的846组数据进行诊断。结果表明，对于168组测试样本集，诊断预测错误为4个，测试集分类错误率较低。     

基于支持向量机的冗余陀螺故障诊断方法

为了弥补最优奇偶向量法在冗余陀螺故障诊断中存在的不足,提出了基于支持向量机的故障诊断方法.在最优奇偶向量法的基础上,将冗余陀螺测量单元中所有陀螺的奇偶残差看做整体,作为多故障支持向量分类机进行训练数据,并从训练数据预处理、核函数选择和参数寻优等方面进行了研究.将训练后的支持向量分类机用于对九陀螺冗余测量单元的故障诊断试验,试验结果表明,该方法具有良好的故障识别率、较低的漏检率和虚警率.     

基于粗集和支持向量机的雷达信号识别法

结合粗集的属性约简和支持向量机的分类机理,提出了一种融合算法.应用粗集理论的属性约简过程作为数据的预处理,把冗余的属性和冲突的对象从决策表中删去,却不损失任何有效信息;然后利用支持向量机进行分类识别.这样可以大大降低数据维数,减小支持向量机分类过程中的复杂度,在不同程度上避免了训练模型的过拟合现象,且分类性能更加优越.最后通过对雷达信号识别的仿真实例说明了上述方法的有效性.     

基于BP算法的巡航导弹发动机故障诊断

介绍了BP网络的结构及学习算法，阐述了BP算法在巡航导弹发动机故障诊断中的实现过程。通过对巡航发动机中高速旋转部件（压气机、涡轮等）的常见故障的诊断，验证了该神经网络收敛速度快、学习记忆稳定，诊断准确的等功能。     

一种航天器图像分类模型快速学习方法

为了有效分类空间目标,提出了一种航天器图像分类模型快速学习方法。分类模型的学习过程利用了分治思想,首先利用无监督聚类方法将图像数据集散列为类别桶,然后利用每个类别桶中的图像样本训练支持向量机完成学习过程。分类时利用支持向量机对待分类图像样本进行分类。实验结果表明,所提方法具有较好的实时性和准确率,能够为空间应用打下良好基础。     

一种基于模拟退火的支持向量机超参数优化算法

基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长,与基于经验风险最小化原则的机器学习方法相比能够获得更佳的泛化能力,相关超参数的选择对其分类或回归性能有较大影响.针对径向基核支持向量机超参数优化问题,提出了一种改进的基于模拟退火算法的高效多目标优化算法,并详细讨论了优化寻优过程中搜索空间、初始可行解、初温和最优目标函数的设计方法.通过在多个标准数据集上的测试验证,证实了本文所提算法的可行性和有效性.     

数据驱动的运载火箭氧涡轮泵异常分析方法

基于模糊聚类和LSTM网络，提出了一种数据驱动的运载火箭发动机氧涡轮泵数据异常分析方法。通过模糊聚类对工况复杂，标签不完整的数据样本进行预分类，得到完整的标签并且分析特征贡献度，为LSTM网络的特征筛选和训练打下基础；通过LSTM网络对氧涡轮泵数据进行预测，并计算预测结果与原始数据之间的平均误差，再根据非参数阈值计算方法计算的阈值判据来判断设备是否异常，最终实现了氧涡轮泵数据驱动的故障检测报警，相较于红线阈值检测方法准确率提升7%。     

基于改进的支持向量聚类的雷达信号分选

基于支持向量聚类,提出一种新的针对未知雷达辐射源信号分选的算法.该方法在原有支持向量的基础上,在聚类标识阶段通过用支持向量点代替原来的全部样本点来进行聚类分配,减少了关联矩阵的规模,从而有效节省了聚类分配的时间,提高了运行速度.同时结合合并同类聚类中心算法有效缓解了核函数的参数q对聚类结果的影响,使得聚类精度有了一定的...     

基于支持向量回归与多核集成的红外成像导引头抗干扰性能评估方法

面对着日益复杂的对抗环境,红外成像导引头的抗干扰性能需要不断提高。如何全面、客观、准确地对红外成像导引头的抗干扰性能进行评估,是一项急需解决的难题。针对传统基于支持向量机的评估方法中单核学习能力的不足,提出了一种基于支持向量回归与多核集成的评估方法,该方法在抗干扰评估指标体系下得到了综合的抗干扰性能值,为红外成像导引头抗干扰性能评估提供了新的思路。该方法能够训练多个支持向量回归机并融合多个核函数的优势,充分利用了特征的多样性,进一步降低了回归误差。实验结果表明:该算法能够实现高效可靠的红外成像导引头抗干扰性能评估。     

液体火箭发动机基于定性键合图模型的故障诊断方法研究

结合基于模型知识的诊断推理方法和键合图理论在定性建模方面的优点，提出并研究了液体火箭发动机基于定性键合图模型的故障诊断方法。以某大型泵压式液体火箭发动机为研究对象，建立了其定性键合图模型，给出了基于此类定性模型的故障诊断机制，并利用仿真数据验证了诊断结果，对该方法及其结果进行了详细的分析。研究结果表明，该方法具有诊断快速有效和易实现的优点。     

一种粒子群模糊支持向量机的航天器参量预测方法

针对航天器精确预测与健康管理的需求,将粒子群算法、模糊数学与支持向量机的优势相结合,提出了一种粒子群模糊支持向量机预测方法。针对某卫星南帆板输出电流参量的预测实例,设计了总平均绝对误差、总平均绝对百分比误差、总均方根误差三个预测结果评价指标,对不同步长情况下的预测结果进行了比较,证明了粒子群优化模糊支持向量机预测方法的有效性。通过对比粒子群优化模糊支持向量机模型、灰色粒子群神经网络优化模型、粒子群神经网络模型、灰色模型预测的总平均绝对百分比误差,结果证明粒子群优化模糊支持向量机的预测精度和效率较高,在航天器参量预测领域具有较好的应用前景。     

基于最小二乘支持向量机的工具误差分离与折合

制导工具误差分离与折合是导弹精度评定中的重要问题,提出了利用支持向量机方法获得工具误差系数估计和进行弹道误差折合的新方法,由于支持向量机综合考虑了结构风险和经验风险,使得模型的泛化能力增强。仿真计算表明,与最小二乘和主成分方法相比,最小二乘支持向量机获得的误差系数估计与真值更加接近,折合得到的全程弹道遥外差更加准确。     

基于LSSVR的模拟电路故障诊断

对基于最小二乘回归型支持向量机（LSSVR）的模拟电路故障诊断方法进行了研究。根据模型故障诊断原理,设计了LSSVR残差生成器,用遗传算法优化LSSVR参数,以残差的高阶统计量为故障特征识别电路故障。仿真结果表明：该法能有效识别模拟电路的故障,具一定的实用性。     

补燃发动机涡轮泵联试强迫起动程序设计

以采用强迫起动方式的补燃发动机涡轮泵联试系统为研究对象,建立了系统的动态模型.对联试装置进行了综合冷调试验并对联试的起动过程进行了数值模拟.结合综合冷调试验结果和数值仿真结果,制定了系统的起动程序.试车结果表明联试系统起动过程平稳.对计算结果和试验结果进行了对比,二者吻合的较好.     

涡轮泵超低工况性能研究

对于泵压式变推力发动机和先进的冲压发动机,需要涡轮泵变工况工作,涡轮泵变工况性能是该类发动机研究的一个重点。结合上面级验证性发动机试车,对游机涡轮泵变工况的性能和稳定性进行分析研究。通过泵全流量特性试验和汽蚀试验,得出泵能够在额定流量点25%处稳定工作的结论。对涡轮工况变化后的燃气参数、入口压力、出口压力及效率进行分析,认为涡轮也能够稳定工作。给出了游机涡轮泵可以参加验证性试车的结论,并得到了发动机试车的验证。     

基于最小二乘支持向量机的小样本建模方法研究

针对捷联惯组历次测试数据小样本建模问题,提出了通过二次修正插值方法解决测试数据的非等间隔性和样本容量小的问题。并通过相空间重构的思想将一维时间序列多维化。最后通过最小二乘支持向量机建立预测模型。实例分析表明,建立在二次修正插值基础之上的最小二乘支持向量机时间序列模型具有较高的预测精度,能够很好地满足对惯组测试数据分析的要求。     

利用奉献观测器诊断红外地球敏感器故障的新方法

卫星闭环控制系统中不同敏感器的故障定位是自主故障诊断的难点。基于双观测器的方法能够分离光学敏感器和惯性敏感器的故障,却仍不能确定红外地球敏感器是否发生故障。奉献观测器适用于敏感器系统的故障定位,但由于该方法要求的能观性条件在实际工程中有时难以满足,使其应用受到限制。本文提出了一种利用奉献观测器诊断敏感器故障的新方法,先对不完全能观系统进行能观性分解,再对能观子系统设计奉献观测器,克服能观性条件的限制,实现敏感器故障诊断。最后,将该方法用于卫星红外地球敏感器的故障定位,仿真结果表明,该方法可有效诊断地球敏感器的故障。     

基于线性二次滚动时域法的运载火箭发动机推力故障诊断

研究了运载火箭动力系统在推力下降情况下的故障诊断问题。根据简化的六自由度非线性模型，利用扩展卡尔曼滤波器生成残差，采用线性二次滚动时域法估计故障，基于估计向量故障特性准确估计推力下降程度，同时提出利用故障突变方向定位故障的方法。仿真结果表明该方法能够快速检测发动机故障并准确定位。