一种基于有向图模型的模糊多故障诊断算法

基于最大后验概率准则的复杂系统多故障诊断推理算法依赖于系统先验故障概率的获取.针对这一不足,提出了一种基于有向图模型的系统级模糊故障诊断算法.首先用有向图模型描述大型复杂系统各子系统及故障观测节点问的信息依赖关系,建立故障依赖矩阵;然后在故障观测概率空间建立特征故障观测概率矩阵;在此基础上设计了模糊函数以描述实际观测向量与故障特征向量的相似度,并提出了相应的诊断算法.仿真结果表明该算法具有足够的故障诊断精度和诊断效率.     

一种改进的自适应遗传算法

提出的自适应遗传算法采用群体的最大适应度fitmax、最小适应度fitmin、适应度平均值fitave 这 3个变量来衡量群体适应度的集中程度 ,然后根据适应度集中程度 ,自适应地变化整个群体的交叉概率pc 和变异概率pm ,改进了M .Sriniras提出的自适应遗传算法。采取最优保存策略来保证最优个体不被大的pc和pm 破坏掉。并用无放回余数随机选择算子 (RSSR选择算子 )对基本选择算子进行了改进 ,选择误差比较小。将自适应遗传算法用于图像分割的试验结果表明 ,与基本遗传算法相比 ,由于该算法综合考虑了“快速收敛”和“全局最优”这两个要求 ,因此它不仅能得到较好的分割质量 ,而且基本保持了遗传算法的运算速度 ,利于硬件实现     

基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法

为了提升电网复杂故障时的态势感知能力,提出了基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法.首先,基于层次化、动态建模的思想,在建立元件一般故障诊断模型的基础上,引入浮动库所、浮动弧、浮动变迁的概念来合理的体现主保护、断路器以及后备保护之间的逻辑关系,建立了元件复杂故障时的诊断模型;其次,挖掘故障信息源的特性进行预处理,依据故障类型动态建立相应Petri网诊断模型;再次,利用改进的遗传算法对模型中的参数进行了训练、优化;最后,探讨了该Petri网故障诊断模型的容错性、通用性.对算例系统仿真的结果表明:该方法突出了故障诊断过程的层次性、可理解性,提升了诊断模型的透明性、改善了诊断模型的易维护性,在电网复杂故障的情况下诊断结果仍具有较高的准确度,并呈现有较好的容错性.     

基于Kalman滤波飞机换热器故障诊断研究

以飞机环境控制系统部件换热器为研究对象进行故障诊断研究,在建立换热器动态模型的基础上,选择基于参数估计的卡尔曼滤波(Kalman)法对换热器物理参数进行辨识,主要分析了单一故障和双故障发生时,换热器物理参数变动情况.仿真研究中,根据输入输出数据,辨识出物理参数的变动,实现故障检测和分离.结果表明,Kalman法可以准确辨识换热器物理参数变动,实现换热器故障诊断,同时得到了换热器物理参数与故障模式的对应关系,对实际工程中换热器故障诊断有一定的指导作用.     

基于自适应遗传算法的无人机航迹规划方法研究

随着攻防系统的发展与完善,实现飞行器有效突防越来越困难,而采用航迹规划技术能够有效的提高飞行器的突防概率.基于此,首先研究了参考航迹的角度、高度以及航迹段长度等约束条件;其次对航迹编码方式进行了改进,采用全实数的双向链表的编码方式;对自适应遗传算法的交叉和变异概率的计算方法、交叉算子和变异算子进行了改进,并应用该算法在求解航迹规划问题上进行了仿真研究,对采用不同的变异算子所得结果进行了对比分析.仿真计算的结果表明,该算法能够规划出一条满足要求的参考航迹,采用组合变异算子能取得比采用单个变异算子更优的参考航迹.     

数据驱动的武器系统电子元部件级故障诊断研究综述

电子元部件级状态监测与故障诊断技术是武器装备维修保障的关键，是武器系统作战效能保持和快速恢复的可靠保障。随着数据获取、存储及挖掘技术的快速发展，基于数据驱动的智能诊断方法逐渐成为状态监测与故障诊断领域的重要研究方向。武器系统电子元部件集成形式多样、工作环境复杂、参数指标多、故障模式动态耦合，给故障诊断工程实现带来了严峻的挑战，特别是数据质量问题、故障诊断方法与应用问题以及复杂运行环境下未知故障模式识别问题。针对当前武器系统电子元部件级故障诊断对象、数据驱动的诊断方法以及面临的主要问题进行简要综述，在总结国内外已有研究成果的基础上，指出了在未来实现武器系统电子元部件级的状态监测与在线故障诊断技术的发展趋势。     

面向多阶段任务可用度的装备群维修决策模型

多种维修方式的综合应用可最大限度提高装备可用度。针对装备群的多阶段任务特点,将维修活动近似安排在任务间隔期内,认为部件以一定的概率必然出现故障,获得了阶段期望维修时间。然后充分考虑了部件的3种维修策略以及产生的延误时间,给出了任务可用度的定义。以最大化任务可用度为目的,在综合分析阶段任务分配方案及维修方式选择影响的基础上,建立了一种非线性整数规划模型。基于问题实际提出了改进遗传算法对模型进行求解,以新的多层分段染色体形式表示优化方案,并调整遗传算子的操作方法以易于算法的实现。最后给出具体实例证明了模型及算法的有效性,有利于决策人员做出合理的任务及维修活动安排。     

基于历史数据的测试任务约简和故障诊断

针对部队航电组件测试任务繁重、故障定位率低的问题,提出一种利用历史数据来简化测试任务、提高故障定位率的方法。利用粗糙集信息系统理论,建立了航电组件故障信息系统模型;基于测试任务辨识函数和诊断允许误差对测试任务进行约简;基于最短测试时间选出最优测试任务集;利用贝叶斯最大后验概率进行故障诊断推理,将诊断问题归结为不等式约束极值问题;用0-1规划隐数算法求得最优解。最后以某型飞机惯导部件为例验证了方法的快速有效性。     

基于改进D-S的汽轮机组集成故障诊断研究

在分析与比较多个D-S合成规则的基础上,结合汽轮机组故障的特点,提出了一种基于改进D-S证据理论的集成故障诊断方法。该方法利用改进的D-S理论来表示和处理不确定的、模糊的信息,利用灰色理论和GRNN（广义回归神经网络）网络来处理证据理论中的基本概率分配问题,充分发挥灰色理论和GRNN的优点,提高故障诊断率。仿真结果表明,所提曲的集成故障诊断方法能有效地诊断汽轮机纽的故障,决策合理,可信度高,且能避免误诊现象,具有庭好的应用前景。     

改进的强跟踪飞机舵面快速故障诊断方法

针对多模型自适应估计(multiple model adaptive estimation, MMAE)方法适应突变故障能力差、多重渐消因子强跟踪算法滤波发散、故障条件概率计算量大等问题,提出一种改进的多重渐消因子强跟踪多模型自适应估计(strong tracking multiple model adaptive estimation, STMMAE)快速故障诊断方法。通过多重渐消因子提高了故障突变时滤波器的跟踪性能;通过改进一步预测协方差阵更新方程,保证了滤波器稳定性,提高了估计精度;采用基于欧几里得范数的飞机舵面故障概率快速计算方法,降低了故障概率计算量。对比仿真表明,该算法跟踪性强、速度快、精度高,具有较好的鲁棒性和稳定性。     

基于本体的飞机舵面结构故障诊断方法

从系统工程的角度分析了飞机系统的复杂性,将飞机族的概念引入到飞机的本体建模中,并以舵面故障诊断过程为研究对象, 首先用Protégé建立了飞机本体的领域知识模型,然后将单故障和组合故障的诊断知识列为本体中的SWRL规则,最后利用 JESS推理出 新知识得出诊断结果,实现了用本体来选择修复方案的过程.该方法能够实现复杂系统的建模及故障诊断 方案的准确选择,并可通过增加新的诊断知识来完善故障诊断知识库.     

一种基于能量熵的快速遗传算法研究

在分析标准遗传算法的优越性与存在不足的基础上,提出了对遗传算法的改进方法.将能量熵的选择加入到遗传算法的退火选择中,以充分地探索解空间,保持种群的多样性.将伪梯度搜索应用于对个体的邻域搜索,利用当前种群的有效信息及系统信息,提高寻优速度.对典型的TSP问题及一实际电力网络故障恢复的仿真研究表明,改进算法全局优化性能优于启发式遗传算法及标准、退火遗传算法,同时使收敛速度有了较大的提高.     

基于Petri网的民航飞机故障诊断工作流模型

针对民航飞机结构和故障机理复杂的特性,建立了基于Petri网的民航飞机故障诊断工作流模型。该模型将工作流技术引入民航飞机故障诊断领域,指出民航飞机工卡可反映故障诊断过程,并总结了民航飞机工卡记录的工作流程。分析该模型的性质说明可以进行简化、合并等操作。以水平安定面铰链磨损检查的转化和简化工作为例,说明了方法的有效性。     

基于粗糙集的民航飞机故障诊断规则获取方法

针对传统的民航飞机故障诊断规则来源于适航审定的标准文件,不能满足改善诊断效率的要求,在建立民航飞机故障诊断的知识复合模型的基础上,从可靠性报告中提取原始数据,进而基于粗糙集对这些数据进行预处理和约简,获取新的诊断规则,有效地提高了故障诊断的效率.实例推导出新的诊断规则,实现了传统的故障诊断规则的改进,说明了方法的可行性.     

基于故障跟踪估计器的故障诊断新方法

针对线性时不变系统提出了一种基于故障跟踪估计器的故障诊断新方法。首先引入一个可调参数,称作虚拟故障,构建线性时不变系统的故障跟踪估计器。然后,设计迭代学习算法,在选取的优化周期内通过反复迭代学习运算来动态调节虚拟故障,使之估计出系统中实际发生的故障。该方法可以同时检测和估计出系统中发生的故障,而且和发生的故障类型无关。最后,在垂直升降飞行器的线性化模型上进行了仿真研究,仿真结果表明了所设计算法的可行性和有效性。     

基于多信号流图和相似性度量的故障可诊断性评价方法

针对目前基于定性模型无法对电子系统故障可诊断性进行定量评价的问题, 将定性模型与数据驱动方法相结合, 提出一种基于多信号流图和相似性度量的故障可诊断性评价方法。首先, 根据系统的组成结构建立多信号流图模型并得到故障-测试相关性矩阵, 基于故障-测试相关性矩阵提出了故障可诊断性评价准则。其次, 提取测试信号的小波包Shannon熵作为特征向量, 以欧式距离作为相似性度量指标, 将故障可诊断性定量评价问题转换为不同故障模式下测试信号特征向量的相似性度量问题。然后, 构建故障可诊断性评价矩阵, 依据故障可诊断性评价矩阵提出了系统可诊断性指标。最后, 通过仿真分析验证了所提方法的有效性。结果表明, 所提方法在不构建数学模型的前提下, 能够实现电子系统的故障可诊断性的定量评价。     

电子侦察卫星任务调度方法

基于电子侦察卫星任务规划问题的特殊性,提出了规划预处理的基本方法,并基于合理假设建立了问题的多目标规划模型;设计了一种改进的遗传退火算法对模型进行求解,为防止最优解的丢失,引入了基于精英保留的选择机制,同时该算法有效避免了遗传算法局部优化能力差及模拟退火算法易陷入局部最优等缺陷。最后,通过实例将该算法与遗传算法(genetic algorithm, GA)及模拟退火算法(simulated annealing algorithm, SA)相比较,结果表明该算法能有效解决电子侦察卫星的任务规划问题。     

混合编队协同空战电子支援干扰功率分配方法

针对电子战飞机和战斗机编队协同空战条件下电子支援干扰功率分配问题进行研究。根据电子干扰的功率条件建立电子干扰压制距离模型;基于电子压制距离构建作战优势模型,得到压制功率与作战优势之间的函数关系;以编队作战优势最大化为目标函数建立功率分配优化模型。最后,对模型的合理性进行仿真验证。结果表明,所建立的功率分配方法能够进行合理的功率分配,实现最优干扰效能。     

基于样本重采样的电路非平衡数据预处理方法

针对机载设备电子电路故障状态测试数据少、整体测试数据不均衡的问题,提出了一种基于样本重采样的数据预处理方法。首先，采用超限学习机对原始数据集进行训练以挑选出分类准确的样本。然后，对其中的少数类和多数类分别采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)进行过采样和局部密度欠采样处理;并将错误分类的多数类样本作为干扰因素进行删除。通过以上两种手段可以均衡数据集,并控制数据规模防止过拟合,提高对故障样本的检测率。实测数据处理结果表明,相比于其他重采样算法,所提算法整体效果优良且稳定,对电子电路故障诊断具有一定的应用价值。