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。     

基于多因子融合的维修性验证试验故障样本分配方法研究

针对维修性验证试验中样本分配结果不理想,导致维修性验证试验结论置信度低的问题,提出了基于多因子融合的维修性验证试验样本分配方法;首先,通过对故障样本分配影响因素的分析,定义了故障样本分配影响因子集,提出了基于多因子融合的故障样本分配算法;然后,分别确定了各影响因子的影响系数,并采用模糊层次分析法获得了各影响因子的影响权值;最后,以某型装备子系统为例进行实例验证,并同基于故障率的分层抽样样本分配方法进行对比分析,结果表明该方法得到的样本分配结果结构更加科学,提高了试验结论的置信度,具有良好的工程应用价值。     

基于仿真的防空导弹综合故障诊断专家系统设计

研究了某新型地空导弹的故障智能诊断问题,针对故障诊断知识获取的"瓶颈",提出了一种利用计算机仿真技术与人工智能技术相结合的方案,来组建针对某型导弹故障智能诊断专家系统,利用武器系统的功能模型,通过设置系统可能出现的故障,进行故障仿真,并获取故障数据信息。然后对数据进行分析变换,提取故障诊断所需知识。系统中采用了多种推理方法结合的集成推理策略,可以有效提高故障诊断的可靠性。系统在模拟诊断实验中,诊断结果成功率达百分之百。系统为新型武器装备的故障智能诊断研究,提出了一个新的发展方向。     

基于混沌粒子群优化的系统级故障诊断策略优化

针对诊断设计优化过程中的关键问题--故障诊断策略优化,提出了基于混沌粒子群优化算法的系统级故障诊断策略优化方法。该算法利用混沌优化不重复遍历系统所有状态的特点,引导粒子在全局范围内搜索,从而克服了粒子群算法“早熟”收敛的缺点。这使算法不仅具有较快的收敛速度,又保证了获得的最优解的可靠性,为获得有效的系统级故障诊断策略提供了可行的方法。最后,给出了该算法在诊断策略优化过程中的关键步骤,通过仿真证明了该算法对于系统级故障诊断策略优化的有效性。     

基于BPSO的多故障最小候选集生成技术

多故障最小候选集生成是制定多故障诊断策略的首要步骤。利用二进制粒子群优化算法（binary particle swarm optimization, BPSO）生成多故障模糊组的最小候选集。首先，利用紧集表示法描述某或节点上的多故障模糊组，其最小候选集即多故障模糊组的最小碰集|然后，利用BPSO算法求解多故障模糊组的最小碰集，通过构造个体适应度和群体适应度双函数，解决BPSO算法求解最碰集的适应性问题，并保证了算法尽可能搜索冲突集的全部碰集|最后，通过某系统实例对算法的有效性进行了验证。事实表明，该方法能有效应用于多故障最小候选集问题的求解。     

基于热失效与灵敏度的故障模式分析方法

针对测试性验证试验中现有故障模式分析方法主观性、盲目性较强以及历史数据缺乏的问题,在传统方法的基础上,提出基于热失效与灵敏度分析的改进故障模式分析方法。首先,依据现有方法的不足,明确了改进故障模式分析方法的流程;其次,建立试验对象温度场分布模型,分析温度对性能退化的影响;然后,通过识别工作中的过热区域分析由热失效造成的故障模式;最后,依据灵敏度分析结果进一步补充对试验对象功能影响较大部分的故障模式。实例应用表明,与传统方法相比,该方法在热失效分析基础上,结合功能特性分析,能够获得更加完备的潜在故障模式,有效提高了测试性验证试验样本的可信度。     

基于结构模型的测试性设计与分析技术研究

为了解决因系统信息获取困难导致装备早期测试性设计和维修诊断工作难度增加的问题,提出了一种基于系统结构模型的测试性设计与分析方法。该方法借助图论的数学工具对系统进行数学建模,通过定量分析完成系统的模块划分;在此基础上,建立测试相关性矩阵,以最小测试代价为优化目标函数,应用Huffman信息编码方法生成系统的故障诊断树。与其他方法相比,该方法不仅结果更加优化,而且对系统的内部信息依赖相对较少,可以有效应用于设备的早期测试性设计以及使用过程中的维修诊断工作。