基于FMECA、FTA的故障诊断和故障预报

根据当前装备故障诊断和预报中存在的问题 ,提出了用装备的故障模式、影响及危害度分析 (FMECA)和故障树分析 (FTA)信息进行故障的诊断和预报工作 ,并且给出了算法模型。FMECA和FTA是装备设计阶段用于分析其故障模式和影响、改进产品设计的方法。充分利用FMECA和FTA的信息进行诊断 ,一方面可以避免传统专家诊断和预报中故障信息缺乏的问题 ,从而提高故障诊断和预报的效率 ;另一方面 ,也可以进一步促进对FMECA和FTA研究的认识 ,从而进一步发展FMECA和FTA方法。这些模型经过专家论证证明确实可行 ,并在所研究的课题中得到了较好的应用。     

基于贝叶斯网络的复杂系统故障预测

针对复杂电子系统信号具有不确定性的特点,提出一种基于贝叶斯网络的故障预测模型。该模型通过对连续的信号特征进行量化处理,利用专家知识结合信号建立贝叶斯网络结构;对不同样本采用不同算法来进行网络学习,采用概率推理定量估计信号的区间预测概率,从而建立一个可推理的预测模型。将该方法应用于电源系统进行故障预测,针对不同数据样本进行实验,结果验证具有较高的区间预测率,为复杂系统的故障预测提供了新手段。     

聚合级装备作战单元机动防空任务可靠性仿真

装备作战单元的任务可靠性是装备作战单元作战效能的一个重要因素,也是衡量装备作战单元其它性能的重要基础之一.采用平均故障间隔时间作为装备作战单元任务可靠性的评价参数,分析了聚合级装备作战单元的层次,剖析了其平均故障间隔时间的含义,给出了其在机动防空任务下平均故障间隔时间的仿真方法和仿真流程,应用Petri网技术在ExSpect仿真环境下建立了聚合级装备作战单元的任务可靠性仿真模型,实现对聚合级各层装备作战单元平均故障间隔时间的仿真.最后,通过实例,验证了模型的正确性和实用性.     

集成模糊推理与定量仿真的故障预测系统研究

为解决传统故障诊断方法在装备维修保障方面的不足，将虚拟样机作为一种新的定量推理机制引入到故障仿真和预测领域，提出了基于虚拟样机的装备故障仿真预测模型。以某型自行火炮为研究对象，在ADAMS环境下建立了火炮虚拟样机。仿真预测过程根据用户输入的初始参量由虚拟样机获取初始状态，由基于动态模糊综合评判的预测方法生成候选故障集，虚拟样机结合知识库确认实际发生的故障并找出相应的故障原因和故障部件。虚拟样机的仿真结果和相关的预测实例验证了模型的有效性，表明基于上述模型的故障仿真预测系统可以获得较高的预测精度，能够满足装备预知维修保障的需求。     

基于故障树的复杂装备模糊贝叶斯网络推理故障诊断

复杂装备的小批量、个性化定制属性, 注定了其生命周期过程中存在着相对较多的不确定性, 故障隐患必不可免, 故障诊断尤为重要。因此,提出基于故障树的复杂装备模糊贝叶斯网络推理故障诊断模型。首先, 通过分析复杂装备的结构组成, 建立复杂装备的故障树模型。其次, 利用故障树转化法, 构建基于故障树的贝叶斯网络拓扑结构。然后, 针对复杂装备结构数据缺乏和专家打分的不确定性, 通过模糊集合论方法确定条件概率等参数。最后, 进行案例研究, 利用模糊贝叶斯网络推理中的因果推理和诊断推理, 诊断出案例中的故障(潜在故障)节点, 证明了所提方法的有效性。研究成果不仅解决了贝叶斯网络中利用搜索函数构建最优网络不符合实际的问题, 也通过模糊集合论解决了复杂装备数据缺乏和专家打分不确定性的不足。所提模型不仅适应于过程诊断中故障的确定, 同时也适用于事前诊断中潜在风险的识别, 而且对于故障(或潜在故障)节点的改善效果还能起到检测评估的作用。     

基于故障风险标尺的复杂装备健康状态分类模型

针对复杂装备故障呈现出多重性、相关性及模糊性的特点,本文分析了装备健康状态演化规律,利用自适应模糊神经网络、故障模式、影响及危害性分析构建故障风险标尺,实现了对复杂装备故障风险程度的定量化描述及装备健康状态的分类。通过实验分析,本文提出的模型相比于传统的故障预测以及故障风险程度定量方法具有显著优势,实现了对装备从设计生产、部署使用以及退役报废全寿命周期的动态反馈,对提高复杂装备综合保障能力具有重要意义。     

基于可用度模型的故障预测与健康管理方法

为了将故障预测与健康管理(prognostics and health management, PHM)技术应用到工程实践中,提出了基于可用度模型的PHM方法。首先通过广义随机Petri网(generalized stochastic Petri nets, GSPN)和连续马尔科夫链(continuous time Markov chain, CTMC)建立基本单元的软硬件可用度模型和健康状态转换图,通过求解微分方程得到基本单元软硬件的可用度数值。然后综合软硬件之间的故障相关性建立基本单元的完整可用度模型,并利用事件调度仿真机制得到其可用度的解。最后将基本单元故障模型同通用的可修系统稳态可用度模型对比,得到“可用度-故障率-维修率”形式的PHM计算模型,并以此作为工程应用中PHM分析的有效手段。     

基于数据融合和改进MUGM(1,m,w)的导弹装备故障预测

针对现代导弹装备系统组成复杂、结构关系模糊、特征参数获取不完整和不确定,造成其故障预测实现困难的问题,借鉴数据融合技术和灰色预测理论,提出了一种基于数据融合和改进多因素新陈代谢不等时距加权灰色预测模型(improved multi variables metabolism unequal interval weighted grey model, IMUGM(1,m,w))的导弹装备故障预测方法。首先,通过引入加权因子w的方式建立多因素不等时距加权灰色预测模型(UGM(1,m,w)),再通过初始值改进、残差修正、新陈代谢思想相结合的方式对模型进行改进;然后以特定个体的历史监测数据为基准,计算同类产品和特定个体的相应预测值及其与特定个体性能退化数值的Euclid距离,并根据Euclid距离确定隶属度权值,基于加权思想建立特定个体的性能退化模型,最后结合实时监测数据依次更新性能退化数据、Euclid距离、隶属度权值和性能退化模型,实现导弹装备故障预测,实例仿真及分析验证了方法的有效性。     

复杂电子系统测点与诊断策略的优化方法

针对复杂电子系统故障诊断知识获取过程中测试节点和诊断策略的确定问题,提出了一种可行的工程方法。该方法利用系统的分层结构模型的可达矩阵计算节点对应的故障隔离权值,通过选择权值大的节点对矩阵进行分割,找到最优故障隔离节点。通过计算节点提供的信息量,确定最佳测试节点,最终确定最优故障诊断策略。它是基于仿真技术的故障知识获取方法研究中实现高效、准确、快捷的故障征兆获取的关键技术;也是在实际诊断过程中实现快速准确利用知识、确定故障部件的关键技术。给出了主要步骤,并通过实例进行了验证。     

贫信息背景下基于矩域灰点排序的灰FMECA模型

为解决贫信息背景下对系统进行故障模式、影响及危害性分析(failure mode, effects and criticality analysis, FMECA)受故障信息少、故障数据部分未知等问题限制, 同时为有限定量危害性矩阵分析方法的缺陷, 提出了适用于贫信息背景的灰FMECA模型。首先对危害性矩阵图进行规范化改进, 统一横纵坐标轴量纲, 提出危害度权重比概念以规范作图比例; 然后在危害度计算中引入区间灰数, 提出矩域灰点概念以表征故障模式难以确知的危害性; 最后依照不确定型决策思想给出矩域灰点的一般排序规则, 为贫信息背景的故障模式危害性排序提供解决方案。通过某航天飞机主发动机高压燃料涡轮泵进行案例研究, 验证了所提模型的有效性。     

A multiple intelligent agent system for credit risk prediction via an optimization of localized generalization error with diversity

Company bankruptcies cost billions of dollars in losses to banks each year. Thus credit risk prediction is a critical part of a bank＇s loan approval decision process. Traditional financial models for credit risk prediction are no longer adequate for describing today＇s complex relationship between the financial health and potential bankruptcy of a company. In this work, a multiple classifier system （embedded in a multiple intelligent agent system） is proposed to predict the financial health of a company. In our model, each individual agent （classifier） makes a prediction on the likelihood of credit risk based on only partial information of the company. Each of the agents is an expert, but has limited knowledge （represented by features） about the company. The decisions of all agents are combined together to form a final credit risk prediction. Experiments show that our model out-performs other existing methods using the benchmarking Compustat American Corporations dataset.     

考虑时间特性的城市群客运网络抗毁性研究

城市群综合客运网络级联失效抗毁性研究,有助于提高城际出行的安全性及运输效率。为了更加贴近实际情况,基于多层复杂网络理论与实际客流构建城市群综合客运网络模型,以单位时间为步长建立考虑时间特性的客运网络级联失效抗毁性模型,提出时空两维度的评价指标进而分析每个时段的网络情况。以呼包鄂榆城市群为实例,研究结果表明：过载能力调节参数值为1.2时网络抗毁性较强,并且随着过载能力调节参数的加大,对网络抗毁性的改善并不明显;负载调节参数值大于1.2时,网络抗毁性明显变差。     

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题，集成灰色理论和神经网络方法，提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1，1）模型的初始值与背景值，利用Levenberg-Marquardt算法改进反向传播神经网络模型；采用组合预测思想，将多方法融合改进灰色模型和神经网络模型，分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例，验证上述方法在故障预测中的有效性。结果表明，灰色神经网络组合模型的预测精度优于单一预测模型，可用于装备的故障预测和预测性维修。     

基于集成深度学习的有源干扰智能分类

针对现有基于机器学习的雷达有源干扰分类大多需要构建人工特征集且小样本情况下分类精度低的问题, 提出一种基于多通道特征融合的集成卷积神经网络(convolutional neural network, CNN)分类方法。首先, 建立多种有源干扰的数学模型, 仿真并利用短时傅里叶变换获得其时频分布图; 其次, 提取时频分布图的实部、虚部和模值三通道特征, 通过多种特征组合方式建立不同特征组合的样本集; 最终, 构建以CNN为基分类器的集成深度学习模型, 每个CNN分别提取不同样本集的特征, 对所有基分类器的预测结果做多数投票得到集成模型的整体预测结果。实验表明, 该方法能够有效实现小样本情况下多类有源干扰的高精度智能化识别。     

基于不对称依赖的相依网络级联故障分析

针对已有关于相依网络级联故障研究中未考虑有向依赖边的问题,展开了基于不对称依赖的相依网络级联故障分析,构建了基于负载-容量的级联故障模型,提出基于连通分量的相依网络鲁棒性测度方法,开展了不同网络组合、耦合方式、容忍系数和移除比例在不同攻击模式下的网络鲁棒性研究。结果表明,随机攻击模式下不对称相依网络鲁棒性与以往研究结论类似,蓄意攻击模式下不对称相依网络鲁棒性则取决于攻击范围和容忍系数的大小。通过一则作战网络示例分析证明了所提方法的实际应用价值,对完善相依网络理论研究具有一定的参考意义。     

基于本体的复杂产品维修工程案例知识表示及重用方法

复杂产品是国民经济的基础,针对复杂产品维修阶段知识表示困难、重用效果不佳等问题,提出了复杂产品维修工程案例知识的表示及重用方法.首先,基于对复杂产品维修领域知识类型及应用情境的分析,设计了复杂产品维修工程案例知识体系结构,构建了复杂产品维修工程案例四层本体模型,实现了对维修阶段陈述性知识与过程性知识的独立表示.其次,构...     

基于循环神经网络的船舶航迹预测

在海事搜救、海关缉私等应用中,对目标船舶进行航迹预测是一个关键问题。为提高预测的精度和效率,提出了一种基于循环神经网络的船舶航迹预测方法,该方法包含数据预处理和神经网络预测两个部分。在数据预处理中,设计了一种基于对称分段路径距离的数据预处理方法,消除了大量冗余数据及噪声的影响;在神经网络预测中,构建了基于门控循环单元的循环神经网络模型,实现船舶位置信息精准且高效的预测。通过大量船舶自动识别系统数据进行了对比实验,实验结果证明了方法的实用性和有效性。     

基于模糊理论与D-S证据理论的FMEA方法

针对传统故障模式及影响分析(failure mode and effect analysis, FMEA)中主观性较强以及权重分配不够合理的问题,提出基于模糊理论与Dempster-Shafer (D-S)证据理论的FMEA方法。首先,参考软件FMEA方法,将故障被检测度引入到硬件FMEA方法中,并应用模糊理论建立模糊评定等级及对应模糊数。其次,提出基于D-S证据理论的专家赋权法合理分配权重。最后,基于风险优先数(risk priority number, RPN)得出各故障模式的风险排序。案例分析表明该方法可以根据评估偏差量来科学地分配权重,使得评估结果更合理、RPN值更准确、故障模式风险排序更客观。该方法能够满足实际需要,在工程实践中值得推广应用。