一种快速推理技术在发射决策系统中的应用

发射决策系统是在测试发射段对运载火箭进行故障诊断的专家系统,发射决策系统的推理技术需要适应运载火箭测试项目繁多,测试数据量庞大、更新快速,可供诊断的时间有限等特点.快速推理技术分为事实匹配和规则匹配2个环节,借鉴Rete匹配算法的设计思想,提出了事实匹配网络结构,提出规则和黑板的向量表示方法,定义向量与运算实现规则匹配,构建规则匹配网络完成规则匹配.在某型号运载火箭发射决策系统中的应用结果表明,快速推理法推理速度快,推理结果准确,程序实现占用系统资源少,满足实时性要求.      

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.      

基于RBR与CBR的维修大纲专家系统

根据飞机维修大纲研制的需要,依据最新的维修指导小组思想和类似机型的维修大纲经验,提出了基于规则推理(RBR)和案例推理(CBR)相结合的民机维修大纲制订方法.构建了民机维修大纲专家系统的总体框架,并对该系统中的关键技术问题——案例的表示和组织、案例的检索、集成推理技术和案例的修正与存储进行了详细分析和研究.案例的检索分两步进行:首先从案例库中找出与新机型尽可能相似的机型,然后,从类似机型中进一步匹配出最相似的项目.集成推理采用RBR和CBR分开推理,再比较结果做出决策.最后,采用面向对象的程序设计方法对该专家系统编程,并以某航空公司飞机验证了RBR和CBR相结合的维修大纲制订方法的有效性.      

静态排列知识库专家系统时间估计模型的研究

在一些复杂系统中,专家系统是作为决策环节,服从于整个系统的运行,因而研究专家系统的推理时间就有其必要性。专家系统的推理时间与其推理模式、知识库结构、计算机性能以及其支持语言等若干因素有关。针对知识库结构,研究了自然排列知识库专家系统的推理时间问题,利用时间齐次马尔柯夫链为专家系统的知识库进行建模,并给出了相应的时间估计数学模型及计算量的确定问题,为复杂系统控制及实时仿真提供理论依据。     

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.     

通用故障诊断专家系统开发工具

介绍一个基于可靠性分析方法的非实时故障诊断专家系统(FDES)的通用开发工具(FDEST),可用于建立各类武器装备和民用产品的故障诊断专家系统,具有很强的推理能力和良好的开放性.文中论述FDEST的逻辑结构、系统功能;基于可靠性分析方法——故障树分析(FTA)的故障诊断推理方法:正、反向动态推理逻辑,支持Bayes(概率)、Mycin(置信度)和Fuzzy(模糊)三种不精确推理算法和四种不同的故障逻辑关系;面向对象与规则相结合、具有很强表达能力的综合知识表达方式,支持多媒体的动态诊断推理解释机制和故障处理方法(文本、图像、语音和视频);应用面向对象技术的软件设计与实现:对象的划分(FDEST对象、知识对象和FDES对象)、对象通讯关系及系统接口等系统的关键技术.      

EMMA-导弹维护专家支持系统

导弹维护专家支持系统EMMA,表明为增强空军战术导弹维护能力的专家系统技术首次得以实现和演示。规划三年以上的EMMA可分为两个阶段。现行阶段Ⅰ,着重增强外场(Field-level)级维护过程,它包括五个相关的研究区域。EMMA系统阶段Ⅱ,在诊断过程中通过支持隔离的方式,进一步提高库房级(Depot-level)维护能力。每个阶段均生成一专家系统,从而增强了现有设备的维护水平。系统通过隔离过程指导技术人员借助相应的解释能力,了解推理过程。     

日本研制的航天用专家系统

在数据处理机的基础上出现了推理计算机,使构筑专家系统的环境发生了根本变化;欧空局、日本等积极参加美国空间站计划,科学家们的任务越来越重,因此提出了航天用的专家系统问题。日本宇宙开发事业团要求航空宇宙技术研究所、三菱电机公司等单位研制航天用的专家系统。三菱电机公司进行了大量的调查研究后决定开展以下课题研究:     

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.      

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...     

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。     

基于粗神经网络的民用飞机故障诊断

针对传统神经网络故障诊断过程中网络训练时间长、结构复杂以及仅能进行单值输入的缺陷,设计了一种基于粗神经网络的民用飞机故障诊断系统.将粗糙集理论应用在神经网络的前端对民用飞机故障样本数据进行约简处理,以此去除冗余属性的干扰,克服了无关样本数据对网络学习性能的影响,简化了网络结构;利用粗神经元代替传统神经元,提高了网络性能,扩展了网络的应用范围.通过对空中客车A320飞机的故障诊断试验验证了该方法的有效性.     

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.      

基于自适应神经网络的飞行器主动容错控制

针对飞行器非线性系统执行器故障,利用RBF神经网络和自适应控制律,提出了基于自适应神经网络的故障重构和容错控制方法。设计了自适应神经网络观测器,利用神经网络逼近故障,引入调节因子,设计自适应律以在线调整神经网络权重向量和中心向量。构造自适应神经网络控制器,结合神经网络设计补偿控制输入。利用Lyapunov稳定性定理证明了所提方法可以实现系统渐近稳定。仿真实验结果验证了所提的方法对故障系统具有良好的观测性能、控制精度和响应速度。     

基于对角回归网络的非线性系统建模

分析了非线性系统神经网络建模的规律,利用对角回归神经网络(DRNN)实现了非线性动态系统的辨识.辨识结构采用串并联模式,网络权值的调整为考虑时变因素的调整算法.与静态神经网络相比,基于DRNN的辨识方法显示出很强的处理动态问题的能力,无需辨别系统阶次,辨识结构简单,收敛速度快.仿真结果表明该方法是有效可行的.      

基于G2的卫星控制系统故障诊断的半物理仿真

研究一种基于G2的集故障注入、故障模拟和故障诊断为一体的半物理仿真系统,包括基于VxW orks的实时硬件模拟系统、星载姿轨控计算机、数管及遥控遥测模拟器和专用接口箱等.开发了基于G2的以某一类典型卫星控制系统为对象的故障诊断专家系统,并对G2外部接口进行了扩展设计.最后,以典型故障为例,在半物理仿真平台上进行了演示验证.     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.     

基于SCSO-BP神经网络的卫星姿态控制系统故障预测

近年来,随着人工智能的迅速发展,基于人工神经网络的卫星姿态控制系统故障预测方法得到了越来越多的重视。在反向传播(Back Propagation ,BP)神经网络中,权重和偏置是重要的可调节参数,与神经网络的预测性能密切相关。BP神经网络的初始权重和偏置为随机生成,设置不当容易导致网络在训练过程中陷入局部极值,进而影响预测性能。为了提高BP神经网络的预测性能,提出了一种将沙猫群优化(Sand Cat Swarm Optimization ,SCSO)算法与BP神经网络相结合的预测方法。在训练过程中,首先通过SCSO 算法对BP神经网络权重和偏置进行预训练,在此基础上,利用精调后的BP神经网络对卫星姿态控制系统周期渐变故障数据的未来趋势进行预测。实验结果表明,与原始BP神经网络预测方法相比,SCSO-BP预测方法能够有效减小预测误差,具有更好的预测精度。