基于神经网络模型的层次诊断方法及应用

对神经网络和故障诊断的层次分解模型进行了研究,把神经网络技术和层次分解模型相结合,利用神经网络来实现分层诊断。以卫星能源系统为背景,建立了该系统故障模拟试验台的层次分解模型,在此基础上构造了合适的分层神经网络,通过分层神经网络诊断系统故障,给出的两个实例说明了这种方法的有效性。     

BP神经网络用于传感器故障诊断的仿真研究

在标准逆传播神经网络的基础上 ,提出了一种全新的改进逆传播神经网络 ,用来消除标准逆传播神经网络收敛速度慢和易陷入局部最小点的缺陷 ;并且设计了一个主神经网络和三个分布神经网络的结构 ,通过神经网络的在线学习 ,得到需要的参数估计。用它与传感器测得的实际值比较 ,可判断出故障 ,并且给出了仿真实例。     

基于故障树和神经网络模型的航天器智能诊断研究

提出基于故障树和神经网络模型的诊断方法,提出面向故障树的基于框架和广义规则的知识表示方法及相应的确定性和可能性推理策略,对于可能性推理的结果,通过基于神经网络模型的学习诊断来进一步确定其状态。在Ｗｉｎｄｏｗｓ环境下,用Ｂｏｒｌａｎｄ Ｃ＋＋实现了一个原型系统。通过对“实践４号”卫星能源系统故障模拟实验台的诊断验证了系统的有效性。     

基于联邦学习的星群故障诊断

针对卫星编队中单颗小卫星欠配置、测量信息不全和故障类型数据少等问题,提出一种基于联邦学习的卫星编队故障诊断方法.基于故障影响下的卫星动力学模型,利用Unity3D引擎搭建虚拟仿真环境,为后续卫星故障注入及故障数据产生奠定基础.考虑单个小卫星测量配置不全的问题,采用双向协调网络(BicNet)构建卫星本地故障诊断模型,借鉴邻居卫星的“远端”敏感器信息,实现本地卫星故障诊断.采用联邦学习框架进行分布式训练,每颗卫星上传本地模型参数进行协同建模,在不增加通信压力的情况下,整合整个星群的故障特征,提高星群对不同故障类型的故障诊断能力.所设计的编队故障诊断算法在编队卫星数量变化时也无需重新训练诊断网络,满足“即插即用”的工程需求.通过仿真实例验证,在测试集上精度达到99%,表明该方法有较高的准确性.     

基于组件的模糊推理在卫星故障诊断中的应用

利用COM组件技术实现故障诊断组件化 ,用模糊推理技术与故障诊断技术相结合的方法 ,给出卫星故障诊断组件化平台 ,并开发了模糊推理组件。最后针对某型号卫星的电源系统 ,将模糊推理组件应用在电源损耗器故障诊断专家系统中     

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。     

基于知识模型的产品设计方案失效风险评估

考虑失效模式间的关联性,提出了一种基于知识模型的机械产品设计方案失效风险评估与优选方法.该方法使用数据聚类法鉴别失效模式的主要关联关系,给出了失效模式关联系数的计算方法,实现了对失效模式关联知识的有效获取;并在产品"功能—失效模式—失效风险"知识表示的基础上,通过二维"屋顶"形三角阵和三维立方阵实现了对失效模式关联系数的表达,建立了产品"功能—失效模式—失效风险—模式关联"知识模型.在知识模型的支持下,研究了加权线性合成的关联失效模式严重度评估方法,给出了失效模式和产品功能的风险优先数计算方法,实现了基于知识的机械产品设计方案失效风险评估过程与优选.最后,通过实例说明了上述方法的有效性.      

基于循环神经网络的卫星姿态执行器故障诊断

针对卫星姿态控制系统执行器机构故障问题,提出了一种基于循环神经网络的故障诊断方法.对卫星姿态控制系统建模,进行故障分析并采集星敏感器和角速度陀螺的连续时刻故障数据.设计六种异构的循环神经网络,对故障数据进行故障诊断和分类,分别从网络深度、反馈单元、激活函数和训练算法对比网络效果.带有门循环单元的(gate recurr...     

基于LM优化算法的神经网络在航空发动机转子故障诊断中的应用

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,给出了两种改进BP算法:LM(Levenberg-Marquardt)优化算法和SCG(Scaled Conjugate Gradient)算法,应用这两种算法对航空发动机转子故障进行诊断研究,比较它们之间的研究结果,仿真和实验表明LM优化算法比SCG算法具有更高的准确度和较快的收敛速度,可行性更强。     

基于能耗与可靠性约束的动量轮可重构性评价

针对目前在控制系统的可重构性评价中较少考虑系统能耗、可靠性限制的问题,文章研究了约束条件下卫星姿态控制系统可重构性度量及评价方法,建立了含执行机构失效因子的控制系统模型,并基于可控性格兰姆矩阵得到能耗约束下可重构性度量指标;然后将可靠性指标引入到系统可重构性评价度量中,进一步缩小可重构性集合;最终形成综合两种约束的可重构性评价方法。通过对含动量轮系统的重构构型仿真,得到约束前后的可重构性对比,仿真结果符合实际分析,验证了该方法的有效性。     

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。     

基于粗糙集理论的卫星故障诊断方法

卫星结构和控制的复杂性、独特性和诱发故障的多源性导致其故障诊断的困难。卫星的一种故障模式与许多症状变量有关,目前的故障诊断推理因未充分考虑症状变量的冗余变量而比较复杂。提出了基于粗糙集理论的故障症状约简新方法,用卫星故障实例研究了新方法的应用,结果表明该约简方法对消除卫星故障症状信息冗余、简化和优化故障诊断推理非常有效。     

基于模糊神经网络的故障诊断方法的研究

根据模糊逻辑和神经网络网络对故障诊断方法做了研究，并介绍了具体实现过程，最后结合某液压系统对该方法作了验证，并给出了直接用前馈感知器进行故障诊断的对比结果。     

定性因果与多项式算法的模型诊断方法

在基于模型的诊断方面，Ｒｅｉｔｅｒ最初提出了使用第一原理的诊断方法，但它应用于复杂物理系统时遇到很多困难。后来，Ｍｉｋｉｔｏ等人提出了使用定性因果与覆盖集的模型诊断方法，此方法有很大改进，但覆盖集的计算复杂费时。提出一种使用定性因果与多项式算法的模型诊断方法，此方法可以明显地减少诊断的计算量，并且对这种新算法的正确性给予了证明。     

火箭发动机基于神经网络非线性辨识的故障检测

应用神经网络方法，提出了一种液体火箭发动机故障实时检测算法。神经网络采用非线性辨识技术贴近发动机的工作过程，并输出包合发动机故障信息的辨识误差信号。若辨识误差变大超过一定阈值，检测逻辑就预报发动机故障。在发动机启动阶段离线训练神经网络，在发动机稳态过程可以采用离线或在线学习算法。实验研究表明神经网络可以成功地应用于大型泵压式液体火箭发动机的故障检测。     

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Agent卫星故障诊断系统的开发研究

本文研究并建立了基于智能Ａｇｅｎｔ的分布式故障诊断系统模型,同时还研制了基于智能Ａｇｅｎｔ的卫星故障诊断原型系统。该系统客户机／服务器集成机制,满足故障诊断的工程需要。使多种软件相互通讯,多种诊断方法相互融,从而提供了新的故障诊断分析方法与手段,使并行同步多故障诊断成为可能。     

故障诊断神经网络系统的专家知识表达方法

通过介绍其它故障诊断技术存在的问题，研究了故障诊断神经网络系统，提出了两种故障诊断神经网络的专家知识表达方法，并将其应用于飞行器液压动力系统的故障诊断，仿真结果表明：提出的方法是正确可行的，并且专家知识表达方法对诊断结果有很大影响，该方法可推广应用于其它动力系统的故障诊断