空天高速飞行器多传感器协同跟踪任务规划研究

针对空天高速飞行器连续稳定跟踪难题,构建了基于多智能体（multi-agent system, MAS）的多传感器协同跟踪任务规划框架,建立了面向空天高速目标协同跟踪的多传感器协同调度优化模型,并提出了基于自适应克隆遗传算法(self-adaptive clonal genetic algorithm, SCGA)的协同跟踪任务规划算法。仿真实验验证了所建立的模型、算法的合理性和优越性,对未来空天高速飞行器探测预警系统的构建具有一定的技术支撑作用。     

基于进化算法的多飞行器四维航迹规划方法

鉴于目前的航迹规划方法都局限于二维或三维空间,提出了一种基于进化算法的多飞行器四堆航迹规划方法.该方法在三维航迹规划的基础上加入时间代价约束,通过计算航迹节点在四维空间的坐标,将到达目标的时间与航迹搜索结合起来,使多个无人飞行器能够对目标进行同时打击并避免飞行器在飞行过程中的碰撞.仿真试验结果表明,该方法可以快速有效地完成四维航迹规划,获得满足要求的多飞行器飞行航迹.     

复杂电子系统智能故障诊断技术研究

简述了复杂电子系统故障诊断与修复技术应用到武器装备系统中的重要意义.简述了复杂电子系统故障诊断与修复技术系统的基本结构、工作原理.该系统通过对接口电路各参数的定义使系统可广泛适用于通用电子装备,通过采用激励信号产生系统、信号响应接收系统,为不同的电子设备提供了模拟实际工作状态的环境.     

基于任务分配的多飞行器协同航迹规划

在综合考虑飞行器编队的飞行代价和作战效果的基础上, 研究了基于任务分配的多飞行器协同航迹规划方法, 构建了结合任务分配的飞行器编队协同航迹规划模型, 设计了分解式协同航迹规划算法, 可以有效地对多目标存在的情况进行综合权衡, 得到合理的任务分配和航迹规划方案. 仿真算例表明, 这种航迹规划方法不仅能保证各飞行器选择合理的协同航迹, 也使得作战任务可以获得最佳作战效果, 有效地提高编队作战的效费比.     

基于进化FCM算法的故障诊断方法

为了提高故障的诊断效果,首先利用一种改进的离散傅里叶变换方法提取故障特征,然后提出了一种扩散式遗传算法,将其与模糊C 均值(fuzzyC mean,FCM)聚类方法结合设计了一种进化FCM故障识别方法。该方法通过离线优选虚拟标准样本,达到快速、准确在线识别故障的目的,很好地解决了FCM算法经常收敛到局部极值点的问题。最后以某型歼击机结构故障为例进行了仿真验证,结果表明该方法确能有效的检测出歼击机的各种故障。     

一种新型多分类支持向量算法及其在故障诊断中的应用

层次支持向量机（H-SVM）比通常的多分类支持向量算法具有更快的训练速度和分类速度，便于实现在线分类。提出一种基于H-SVM的多类故障诊断方法，根据特征空间中各类故障样本中心之间的距离来逐层划分子类，距离较近的故障样本归为同一个子类进行训练，得到的H-SVM层次结构合理，各层的SVM分类间隔大、泛化性能强。另外，用V-SVM代替通常的C-SVM作为两类分类器，分类器参数意义明确、变化范围小，更容易确定。针对一个涡轮喷气发动机气路部件故障诊断的仿真实验表明，设计的故障分类器具有良好的分类准确性和泛化性能，可以对发动机气路部件的典型故障进行快速诊断。作为应用实例，对JT9D发动机的6种实际故障进行了有效诊断。     

载人飞行器故障诊断专家系统初探

本文针对载人飞行器故障诊断专家系统（ＥＳＦＤＭＳ）实时性要求高、时变数据处理量大的工程特点,提出一种定性、定量相结合的知识库设计和推理机构造方法。并提出了将故障监测硬件技术和专家系统（ＥＳ）软件技术有机结合,构造集硬件、软件为一体的飞船故障诊断大系统的设想。     

基于神经网络组与故障分级的故障诊断

为了更好地解决当前神经网络在故障诊断方面的不足,提高诊断的精度和正确率,提出了一种基于神经网络组和故障分级思想的故障检测方法,在将故障分级的同时使用一个包含着三个子神经网络的神经网络组来完成故障检测。根据故障发生频率的不同,将故障分成了不同的等级。故障等级越高,用于检测这种故障的子神经网络数越多,以此来保证较高的故障检测正确率。实验结果表明:对于等级最高的故障,检测正确率是100%;对于其他故障,检测正确率也都在95%左右。实验结果充分证明了此方法在故障检测方面的优越性。     

基于混合粒子群算法的多平台多武器火力分配研究

分析了火力分配的数学模型及求解算法的研究现状,建立了多平台多武器的火力分配模型,并提出了一种混合粒子群算法的求解方法。混合粒子群算法利用粒子群的个体最优和全局最优粒子,采用了交叉、变异和选择相结合的遗传操作得到粒子的新个体。通过对两个作战想定的多次测试,进一步表明了算法的可行性和有效性,尤其是在规模复杂问题中将更能体现算法的优越性。     

基于自适应多小波网络预测模型的飞控系统故障诊断仿真研究

提出了一个基于自适应多小波网络预测模型的飞机机械故障诊断新方法,给出了自适应多小波网络的构造方法和训练算法。以某型飞机作动器为例的计算机仿真结果表明,该方法故障诊断的能力及实时性都得以提高。     

电子设备智能故障诊断技术发展综述

根据知识运用程度的不同,可将电子设备故障诊断技术分为传统故障诊断技术和智能故障诊断技术。首先介绍了利用相关领域事理性知识的传统诊断技术,针对其不足讨论了以专家系统为平台,综合运用人类各种知识的智能故障诊断技术。简述了国内外有关智能故障诊断技术的发展概况及发展趋势。     

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。     

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.     

Research and application of hierarchical model for multiple fault diagnosis

1.INTRODUCTION Failureanalysisanddiagnosisoflarge scalesystems havereceivedconsiderableattentionduringtherecent years[1～3].Thesesystemshaveevolvedfromthepre viousonesbasedonheuristicknowledgeofsymptom faultassociationstothemorerecentonesbasedon structure,behaviorandfunctionalityofthedevice andsubsystemtobediagnosed[4].Inthecaseof complexsystem,theapplicationofmodel baseddiag nosisalgorithmsbecomescomputationallyverydiffi cultorevenintractable.Ahierarchicaldiagnosisap proachcansignificant…     

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.     

Robust fault diagnosis with disturbance rejection and attenuation for systems with multiple disturbances

The fault diagnosis problem is investigated for a class of nonlinear neutral systems with multiple disturbances.Time-varying faults are considered and multiple disturbances are supposed to include the unknown disturbance modeled by an exo-system and norm bounded uncertain disturbance.A nonlinear disturbance observer is designed to estimate the modeled disturbance.Then,the fault diagnosis observer is constructed by integrating disturbance observer with disturbance attenuation and rejection performances.The augmented Lyapunov functional approach,which involves the tuning parameter and slack variable,is applied to make the solution of inequality more flexible.Finally,applications for a two-link robotic manipulator system are given to show the efficiency of the proposed approach.     

基于动态软聚类的航空电子部件LMKELM诊断模型

为提高小样本条件下航空电子设备模块级故障诊断精度,基于动态软聚类的自适应特点与局部多核学习(local multiple kernel learning,LMKL)的局部特征表达能力,提出一种新的局部多核超限学习机(local mul-tiple kernel extreme learning machine,LMKE...     

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。