液压泵故障诊断的神经网络方法

利用神经网络方法解决液压泵多故障诊断的问题。文中通过对液压泵故障机理的分析，针对液压泵多故障模式提出了利用集成ＢＰ网络进行多故障诊断的策略。理论和实验结果分析表明，利用神经网络方法可以有效地诊断知识别液压泵多故障模式，其识别率随着学习样本量的增大而提高。     

基于多Agent的卫星故障诊断融合技术研究

为提高基于多Agent的卫星故障诊断系统的诊断准确性，充分利用已有的各种诊断方法获取的诊断信息，在分析故障诊断原理的基础上，提出了将数据融合技术应用于多诊断Agent的思想；并根据卫星故障诊断的特点，将权重引入多诊断Agent的诊断结果融合技术中，给出了权重的具体确定方法和改进的D—S证据理论，最后举例验证了该方法的有效性。     

基于CBR的数控设备故障诊断系统知识表示

随着数控设备越来越复杂,对设备故障诊断与维修提出了更高的要求,采用专家系统的方式建立故障诊断系统以实现数控设备的快速诊断和维修.针对CBR (Case-Based Reasoning)系统自身的增量学习模式使系统的实例库逐渐增大,系统效能大大降低的缺点.根据数控系统结构的特点采用分层检索的方法,依据该检索方法采用框架型的知识表示方式,提高了大实例库的检索效率.将该方法应用于数控设备的故障诊断系统中,提高了故障诊断的诊断效率.      

国外载人航天器故障诊断技术

详细介绍了故障诊断技术在国外载人航天器故障诊断中的应用及发展过程，并对专家系统技术进行了重点分析和介绍，国外载人航天器故障诊断经历了60年代简单的状态监测（水星号），70年代的基于算法的诊断（阿波罗），一直到80年代的基于知识的智能诊断（航天飞机），三个阶段，还介绍了NASA为其航天飞机主发动机透平泵和空间站电源系统开发的故障诊断专家系统，并对航天领域故障诊断技术特点进行了综合分析，同时指出了航天领域故障诊断技术的发展趋势。     

基于深度迁移学习的航天器故障诊断

随着航天科技的发展，智能故障诊断技术是确保航天器控制系统安全、自主运行的关键技术之一.由于在轨航天器遥测数据样本少、噪声高、未标记，因此缺乏自适应能力、学习能力的传统故障诊断方法难以准确诊断在轨航天器故障.本文针对上述问题提出一种基于深度迁移学习的航天器故障诊断方法，为在轨航天器实时故障诊断提供了可行方法.首先，对航天器运行数据进行预处理，将多维时域信号转换为二维图像信号；其次，搭建基于残差网络的故障诊断深度学习框架，并利用地面测试数据与其他航天器在轨运行数据对网络进行预训练；进而，为了实现当前在轨航天器实时故障诊断，本文采用迁移学习自适应方法，设计网络联合分布自适应代价函数，对故障诊断模型进行参数重调，使模型适应当前在轨航天器故障诊断任务.仿真结果表明，所提出的基于深度迁移学习的故障诊断方法可以快速准确的诊断出航天器故障.     

基于多信号流图与分支定界算法的故障诊断

针对实时在线故障诊断问题,提出了一种基于多信号流图和分支定界算法的故障诊断方法。通过建立多信号流图模型生成相关矩阵作为诊断知识,进而由相关矩阵以及观测向量产生冲突集,使最小诊断集的求解过程映射为整数规划问题;采用分支定界算法,通过对冲突集的分支、定界以及剪支得到故障诊断的最优解,从而避免了穷举问题造成的搜索"爆炸"。以某型机载燃油系统为对象对本文提出的算法进行了验证。结果表明:本文算法与常用的多信号流图诊断推理算法TEAMS-RT相比,算法速度相当,故障定位精度更高,很好地涵盖单故障以及多故障组合,可以胜任大规模复杂系统的故障诊断。      

基于深度残差网络的模拟电路软故障诊断方

航天电子电路的故障诊断一直是航天领域可靠性与安全性的一个热点研究课题，航天电子电路的故障将直接影响航天任务是否成功。提出了一种基于深度残差网络的模拟电路故障诊断方法。该方法使用短时傅里叶变换将电路的时域输出信号转换为二维电路图像，并将其作为神经网络的输入，再利用ResNet提取模拟航天电子电路的性能特征，确定元件的故障类型，完成电路的故障诊断。通过仿真验证了该方法的故障诊断性能。仿真结果表明，该方法能够实现高达99.1%的诊断准确率。     

运载火箭十表捷联惯组配置的故障诊断与决策

容错技术及故障诊断技术是提高导航系统的精度及控制系统的可靠性的有效方法，尤其是捷联导航系统中的故障诊断技术，已经在运载火箭控制系统中得到了广泛的应用。针对运载火箭十表捷联惯组配置，提出了一种故障诊断和决策方法，并在此基础上进行了信息重构方案和故障诊断门限的设计。数学仿真结果表明：该方法能够快速诊断惯性器件表头故障并进行信息重构，实现故障情况下的输出，进而完成飞行任务，对工程应用具有一定的参考价值。     

免疫系统的反面选择算法在故障诊断中的应用

生物免疫系统的主要功能就是检测和杀伤来自生物体内和体外称为抗原的非已物质，受免疫系统自己－非已识别机理的启发提出的反面选择算法能检测任何异常变化。文章结合航天器故障诊断的特点对反面选择算法进行了改进，提出了对卫星电源分系统实时系统故障诊断的新方法，通过诊断实例表明该方法是有效可行的，能对卫星电源系统的故障准确、快速的实时诊断。     

小卫星多级故障诊断系统设计

提出一种基于模糊神经网络的小卫星多级故障诊断系统,利用多级的方式对小卫星的故障进行诊断。其中第一级采用模糊聚类的方法,将故障定位于模块级;第二级采用模糊径向基神经网络,完成故障的部件级定位。最后用该故障诊断方法针对卫星故障仿真系统做了实验,对其预设故障进行了诊断,诊断结果与仿真系统预设故障完全一致。实验表明:多级故障诊断结构提高了故障诊断的系统性、准确性并大大降低了故障诊断中的计算量。     

基于故障树分析法的故障诊断专家系统

介绍了一个应用于卫星控制系统的基于故障树分析法的故障诊断专家系统,并描述了此专家系统的基本设计构想及实现方法。该系统既能完成不精确性逻辑推理,又能实现动态知识的过程描述,还能完成必要的复杂的数值计算。该系统也可以应用于其他领域的故障诊断。     

基于ANN的故障诊断专家系统的应用研究

介绍一种基于ANN的设备故障智能诊断专家系统模型,探讨了该模型的基本结构和相应的推理机制及故障诊断策略,提出将设备故障分为低层故障和高层故障的思想以及相应的分层诊断、分块进行的诊断策略,并以MK9-5卷接机组为诊断对象,研究了该模型及诊断方法在设备故障智能诊断中的具体应用.     

基于分布式专家系统的运载火箭故障诊断技术

针对运载火箭结构庞大,各分系统纵横交错、相互耦合的特点,基于分布式专家系统思想,提出了一种分布式运载火箭故障诊断技术方案.该方案采用产生式知识表达技术,将专家知识通过由测点表、征兆表、规则表和结论表组成的4表结构来表示,具有表述清晰、易于扩展和移植的特点.推理机制采用分布式推理和分级推理相结合的方式.分布式推理将运载火箭的系统级故障与各分系统级故障分别同时进行诊断,可有效提高诊断速度.分级推理将危害级别高的故障优先进行诊断,因此运载火箭一旦有危害程度大的故障发生时,可以及时发现、及时处置,从而使故障对系统的影响降至最低.      

大型无人机电源系统故障诊断专家系统

在以PXI总线和虚拟仪器技术为核心的测试系统平台基础上,针对大型无人机机载电源系统及典型配电结构,通过故障模式分析和故障树设计等手段,设计了适用于大型无人机机载电源系统的故障诊断专家系统来推理故障原因、定位故障位置和提出解决措施.在该系统中,建立了基于规则的正向推理专家知识库并引入置信度因子来解决故障的非精确推理问题.通过某型无人机电源系统的试验验证,本系统可有效提高测试的智能化程度,满足无人机机载系统的维修性、保障性要求.     

神经网络专家系统在姿控系统诊断中的应用

为了解决传统专家系统在知识获取和推理方面的问题,提出了一种神经网络和专家系统相结合的诊断系统。采用主成分分析方法简化神经网络训练样本,进而优化网络的结构。采用神经网络集成技术,克服选取网络中间层节点数目及判断阈值的困难。给出了诊断推理过程和对诊断结果进行解释的方法。把此技术应用在了卫星姿控系统的故障诊断中,结果表明提高了诊断效率和诊断的正确率。     

故障模式影响分析专家系统

介绍了应用人工智能和专家系统技术,建立一个依托专家知识,基于功能/硬件推理的,与故障仿真综合应用,并以故障诊断专家系统,专业CAD/可靠性CAD和可靠性信息系统为支持的故障模式影响分析专家系统FMEAES(Failure Model Effect Analysis Expert System)框架.详细论述了系统的功能、结构、其三大组成部分(预处理部分、FMEAES核心和后处理部分)的功能及其相互关系,故障模式选择、故障仿真和进行功能FMEA和硬件FMEA的处理流程,以及故障模式影响分析专家系统与其他系统的关系.      

飞机电源系统故障诊断专家系统

应用人工智能理论,开发了飞机电源系统监控装置.利用专家系统理论对某型飞机电源系统进行了全面的分析,建立了完整的电源系统知识库,实现了实时状态监测和故障诊断,并能给出异常或故障信息,为整个飞机非航电系统采用专家系统进行故障诊断提供了经验,具有实际应用价值.      

一个基于故障树模型的诊断系统

提出一种基于故障树模型的诊断方法，并基于该方法实现了一个验证性的诊断系统。基于故障树的层次诊断模型，提出了确定性推理方法和可能性推理方法及面向故障树的基于框架和广义规则的混合知识表示方法。最后在ＣＯＭ－ＰＡＱ４８６微机上，Ｗｉｎｄｏｗｓ环境下，用ｂｏｒｌａｎｄＣ＋＋实现了该诊断系统，并通过对一个电路系统实验台的诊断验证了方法的有效性。