大型武器装备故障建模与仿真技术研究

针对大型武器装备组成结构复杂,在操作使用过程中发生故障后,故障原因不易分析和处理的问题,通过分析大型武器装备故障基本属性及传播特性,提出采用故障建模与仿真的方法,建立故障属性描述模型及状态参数数据库,采用神经网络算法进行故障传播推理,模拟故障现象及发展流程,计算出故障发生概率。该技术对大型武器装备维修提供了理论指导,具备良好的实用价值,为分析和研究其他装备或系统故障提供技术参考。     

基于FMECA的复杂装备故障预测贝叶斯网络建模

针对复杂装备故障预测问题, 本文提出一种基于故障模式, 影响及危害性分析(failure mode, effects and criticality analysis, FMECA)知识的 故障预测贝叶斯网络模型(failure prediction Bayesian network, FPBN)建模方法. 首先, 在分析现有FMECA知识所包含故障信息的基础上, 提出了基于FMECA单元的FPBN网络结构转化方法和FPBN概率 参数计算方法, 建立起对应的FPBN单元模型. 然后, 对复杂装备各组成部分对应的FPBN单元模型进行连接, 构建整体系统的FPBN集成模型. 最后, 根据某机载平视显示器(head up display, HUD) FMECA知识, 建立了HUD电子组件的FPBN模型实例. 实例分析结果表明, 基于FMECA知识建立的FPBN模型具有不确定性表达和定量 分析方法的优势, 能够准确、有效地进行复杂装备故障预测.     

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。     

一种不改变RBD拓扑结构的三态贝叶斯网络

针对将可靠性框图(RBD)转化为等价三层贝叶斯网络(BN)时存在的与RBD结构差异大的缺陷及组合爆炸问题,提出了一种将RBD转化为同构三态BN网络的方法.通过将失效分为"物理故障"和"正常却不工作"两种模式,提出将网络节点转换为包含正常状态以及上述两种失效模式的三态节点,取代仅有正常和失效两种模式的传统模型节点.并在此基础上深入分析了三态BN模型节点的条件概率表(CPT)设置方法.最后建立了与某型飞机航行任务RBD等价的三层BN模型和同构三态BN模型,并对两种BN进行分析计算.理论和实例分析均表明,本文建立的三态BN不仅与原RBD拓扑结构相同,且能够有效解决三层BN存在的组合爆炸问题,可成为系统可靠性分析的有效手段.     

多态系统可靠性分析广义灰色贝叶斯网络模型

针对多态系统可靠性分析过程中部件和系统的故障状态难以准确界定、故障逻辑关系难以精确测度等问题,基于模糊数学和灰色系统理论提出了一种广义灰色贝叶斯网络模型。该模型首先运用含有区间灰数的模糊子集表征部件所处的故障状态;然后通过运用区间灰数表示系统故障发生的条件概率表征多态系统复杂多样的故障逻辑关系;最后基于贝叶斯网络推理算法和区间灰数运算规则,给出系统处于不同故障状态的概率和部件重要度等可靠性特征信息,为不确定条件下的多态系统可靠性分析提供了完整的解决方案。通过对某民航飞机的可脱离应急跟踪设备的案例研究,表明了所提模型的可行性。     

基于蒙特卡洛方法求取故障导弹飞行落点概率方法研究

针对导弹飞行试验中发生故障时落点概率的求取问题,提出了一种基于蒙特卡洛统计仿真的估计方法。该方法通过对导弹飞行过程中发生坠落故障模式的分析,确定每种模式情况下导弹落点的散布规律,并建立起落点预测仿真统计数学模型,可得到导弹落点概率密度分布矩阵的估计。采用对仿真落点精度控制和对导弹落点概率密度矩阵的数值积分,有效地提高了对落入任一区域概率的估计精度。给出了应用该方法的具体步骤,通过一示例数据的计算证明了该方法的有效性。     

计算机网络系统正常工作模式和故障模式分析

提出了考虑网络节点可靠性时,计算机网络系统正常工作模式和故障模式分析方法.通过比较不考虑节点可靠性和考虑节点可靠性条件下,计算机网络系统正常工作模式和故障模式变化,说明在计算机网络系统可靠性与安全性分析时,考虑节点可靠性的必要性.     

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。     

基于面向对象贝叶斯网络的软件项目风险评估

针对软件项目的特点和软件项目风险定量评估任务,提出了基于面向对象贝叶斯网络的风险评估方法。该方法通过分析软件项目生命周期中的具体风险与风险因素之间的因果关系,建立面向对象贝叶斯网络拓扑结构;由专家判断和工程经验确定网络中的概率参数;采用概率推断工具,可定量估计风险的发生概率。给出了风险贝叶斯网络的建模过程,讨论了风险贝叶斯网络可以完成的风险管理任务。通过一个简单例子说明了该方法的应用。     

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。     

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.     

基于FTA与LS-SVM的航空部件危险性分级方法

针对目前危险性分级方法的不足,提出了基于故障树分析(fault tree analysis, FTA)与最小支持向量机(least square support vector machine, LS-SVM)的航空部件危险性定量分级方法。首先通过布尔代数法对FTA进行逻辑描述,采用概率重要度表示部件失效的后果严重程度,在此基础上通过LS-SVM对航空部件的危险性进行分级。实例证明,该方法能够准确地反映航空部件对飞行安全的影响。     

线性时滞系统主动容错H∞控制

采用一种具有广义内模控制结构的反馈控制器,研究一类线性时滞系统的主动容错H∞控制问题。针对可由外系统描述其动态行为的故障,设计了基于观测器的故障估计器,并在此基础上将在线故障估计信息用于控制器的故障补偿,提出了基于广义内模控制的主动容错控制系统设计方法。应用时滞系统有界实引理,推导并证明了问题可解的依赖于时滞的充分条件,给出了这类主动容错控制系统设计的具体步骤。算例验证了该方法的有效性。     

一类含有随机输入时延和故障的离散系统H∞控制

研究了一类具有控制输入时延的离散系统H_∞可靠性控制问题,提出了具有实际意义的服从某种概率分布的随机故障模型。假设输入时延符合齐次Markov分布,在控制器的设计中利用了控制器的历史信息, 把系统转换为无时延的Markov 跳变系统,根据Lyapunov稳定性理论和线性矩阵不等式(linear matrix inequality, LMI)方法,给出了故障分布依赖的H_∞均方稳定且具有H_∞范数界γ的容错控制器解的存在条件。最后, 通过算例验证了本方法的有效性。     

基于超椭球模型的故障树区间分析方法

针对传统故障树分析方法无法有效处理非精确失效概率的问题,提出了一种新的故障树区间分析方法。利用证据理论,由似真函数和信任函数获得底事件发生的区间概率。基于不确定变量的超椭球描述,构造了故障树区间算子,将底事件发生概率的不确定性传递到顶事件,并设计了求解条件极值的Monte-Carlo仿真算法,从而对故障树进行区间分析。该方法适用于统计数据缺乏或者难以得到实验数据的情况。理论分析和仿真实例表明,本方法合理可行,较好地反映了工程实际情况。     

Fault tolerant control based on stochastic distribution via RBF neural networks

A new fault tolerant control (FTC) via a controller reconfiguration approach for general stochastic nonlinear systems is studied. Different from the formulation of classical FTC methods, it is supposed that the measured information for the FTC is the probability density functions (PDFs) of the system output rather than its measured value. A radial basis functions (RBFs) neural network technique is proposed so that the output PDFs can be formulated in terms of the dynamic weighings of the RBFs neural network. As a result, the nonlinear FTC problem subject to dynamic relation between the input and the output PDFs can be transformed into a nonlinear FTC problem subject to dynamic relation between the control input and the weights of the RBFs neural network approximation to the output PDFs. The FTC design consists of two steps. The first step is fault detection and diagnosis (FDD), which can produce an alarm when there is a fault in the system and also locate which component has a fault. The second step is to adapt the controller to the faulty case so that the system is able to achieve its target. A linear matrix inequality (LMI) based feasible FTC method is applied such that the fault can be detected and diagnosed. An illustrated example is included to demonstrate the efficiency of the proposed algorithm, and satisfactory results have been obtained.     

线性时滞系统的鲁棒故障诊断

研究了一类含有未知输入干扰和模型不确定性的时滞系统故障诊断问题。通过变换,原系统被分成两个子系统,一个子系统不受故障的影响,可以设计鲁棒观测器;另一个子系统受到故障的影响,但是它的状态可以通过测量得到。设计的观测器利用解析冗余方法能够对执行器故障和传感器故障进行诊断。仿真结果表明,算法具有良好的诊断性能。     

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。     

混杂系统粒子滤波混合状态估计及故障诊断算法

混杂系统同时包含连续动态特性和离散动态特性,并且两种动态相互作用,使其故障诊断变得更加困难。针对此问题,提出了一种混合系统粒子滤波混合状态估计及故障诊断算法,提高了现有方法的适用范围和诊断效率。针对混杂系统受控迁移、自治迁移和随机迁移等特点,首先利用随机混杂自动机对系统离散状态(包括故障)和连续状态进行统一建模,重点对现有基于扩展卡尔曼粒子滤波的连续估计算法进行改进,支持利用在线监测数据来估计混杂系统各类迁移产生的各种离散和连续状态,最后根据离散状态估计结果快速实现故障诊断。通过对典型非线性混杂系统的故障诊断,证明了该方法的有效性。     

基于EMD与关联维数的故障诊断AR模型

提出了一种基于EMD和关联维数的转子系统故障诊断方法。该方法用EMD将转子系统振动信号分解成若干个基本模式分量IMF,对包含主要故障信息的IMF分量建立AR模型,AR模型自回归参数的关联维数作为特征量神经网络识别转子系统的工作状态和故障类型。对实验数据分析的结果表明,该方法能有效地应用于转子系统的故障诊断。