基于小波包变换的模拟电路电源电流故障诊断

针对模拟电路故障诊断这一难点,运用基于IDDT技术的故障诊断方法,即利用小波包变换提取电源电流各频率成分的能量,作为神经网络的输入特征矢量进行故障诊断。仿真结果表明,该方法可以快速高效地进行模拟电路故障诊断与定位。     

高级测试语言ATLAS

ATLAS是一种高级测试语言,它对测试需求的描述不局限于任何特殊测试系统.文中对ATLAS的语言元素、数据类型、语句结构、测试需求结构等进行了简要介绍.     

具有可互换性的测试仪器的驱动程序设计

介绍了在构建自动测试系统时,如何利用软件设计实现测试仪器的可互换性,使测试程序具有高效性并实现与硬件无关性.     

基于可拓规则推理的故障诊断方法

针对产生式规则推理方法存在的推理效率低、知识获取困难以及难以用于多故障诊断等问题,研究基于可拓规则推理的故障诊断方法。首先将基元理论和产生式规则相结合,得到可拓规则的基元表示;然后给出可拓规则匹配度计算公式,并提出按前件基元类型和属性数据类型不同对可拓规则进行分层匹配,对所有匹配成功的可拓规则,提出先删减再排序的冲突消解策略,在算法分析中讨论可拓规则推理的时间复杂度;最后通过应用案例说明可拓规则表示、匹配、推理和冲突消解的全过程,结果表明该方法适用于机载设备的多故障诊断。      

基于稀疏核增量超限学习机的机载设备在线状态预测

为实现对机载设备工作状态的在线状态预测,提出了一种稀疏核增量超限学习机(ELM)算法。针对核在线学习中核矩阵膨胀问题,基于瞬时信息测量提出了一个融合构造与修剪策略的两步稀疏化方法。通过在构造阶段最小化字典冗余,在修剪阶段最大化字典元素的瞬时条件自信息量,选择一个具有固定记忆规模的稀疏字典。针对基于核的增量超限学习机核权重更新问题,提出改进的减样学习算法,其可以实现字典中任一个核函数删除后剩余核函数Gram矩阵的逆矩阵的前向递推更新。通过对某型飞机发动机的状态预测,在预测数据长度等于20的条件下,本文提出的算法将预测的整体平均误差率下降到2.18%,相比于3种流形的核超限学习机在线算法,预测精度分别提升了0.72%、0.14%和0.13%。     

基于局部特征尺度分解及分形维数的模拟电路故障诊断方法

针对目前自适应时频分析方法在模拟电路故障诊断方向理论研究尚不完善、缺乏实践验证等方面的问题,采用改进LCD算法及分维理论相结合的方法进行理论研究及实物验证。对被测点所采集数据进行预处理后直接进行LCD分解并计算各分量分维数作为故障特征,输入神经网络进行故障诊断。仿真结果验证了该方法的有效性;实物验证成功分类了2类电路状态,并阐明了分类结果杂散点较多的原因。     

基于多元KELM的发动机状态在线预测模型

针对当前飞机发动机状态预测过程中，不考虑相关变量状态变化，仅根据单变量历史时间序列对飞机发动机状态预测的问题，提出一种基于多元核极限学习机（KELM）的发动机状态在线预测模型。首先，通过多变量时间序列的相空间重构，将变量间的时间相关性转化为空间相关性；其次，通过研究KELM与核递归最小二乘法（KRLS）之间的关系，将KRLS扩展到在线稀疏KELM框架中；最后，使用近似线性依赖对样本进行稀疏化来控制网络结构的增长，最终实现多变量非平稳序列的在线预测。某型教练机的发动机飞行参数预测结果表明:满足在线预测要求的条件下，与KB-IELM、NOS-KELM、FF-OSKELM相比，模型KRLSELM将平均预测精度提高了90.61%、58.14%和25.77%，将预测稳定性提高了99.61%、75.03%和28.59%，具有更高的预测精度和稳定性；并且各方法均在多变量输入条件下获得最优的预测效果，验证了考虑多变量状态因素对单变量的在线预测具有重要意义。      

多线程技术在某型飞机综合ATE中的应用

介绍了在 Labwindows/CVI 开发平台下的多线程技术,并已成功地应用于某型飞机综合ATE 的测试程序设计,提高了自动测试系统运行速度和实时反应能力。     

综合航空电子系统发展特点及其保障的发展变革研究

从总体发展、系统设计、具体组成和自主保障等四个方面,深入地分析了综合航空电子系统的发展特点;在此基础上,阐述了其新的发展特点所引起的保障体制与方式的变革,对成建制、成系统地提升综合航电系统的作战能力和保障能力具有现实意义。     

基于近邻传播聚类的航空电子部件LMK诊断模型

针对小样本条件下,航空电子部件功能模块故障诊断精度不高的问题,将局部多核学习（LMKL）算法的多分辨率解释与局部特征自适应表示能力和超限学习机（ELM）运算高效的特点相结合,提出一种新的局部聚类MK-ELM（LCMKELM）诊断模型。通过引入近邻传播（AP）聚类,在挖掘训练样本局部特征信息的同时,有效约减了局部算法的计算复杂性,避免了过学习问题的出现;通过分别分析输入空间与特征空间的聚类特征,构造了相应的2种选通函数M₁、M₂,以优化选通函数的模型参数取代优化局部权重,有效解决了核超限学习机（KELM）的对偶优化形式关于局部权重二次非凸的问题。将本文模型应用于某型机旋转变压器激励发生电路功能模块故障诊断,结果表明:相比于4种常用的多核诊断算法,模型在实现低漏警、低虚警的同时,采用M₁选通函数的诊断算法将诊断精度平均提升了3.80%,采用M₂选通函数的诊断算法将诊断精度平均提升了5.98%。同时,模型在实现与流行的LMKL算法相近的训练时间的同时,测试时间更短。