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。     

自适应在线增量ELM的故障诊断模型研究

为满足现役装备根据故障样本数据集积累的特点进行自适应故障诊断的需求, 本文将极限学习机(extreme learning machine, ELM) 的数据增量学习、隐藏层增量学习和输出层增量学习(类增量学习)3种增量学习模式, 融合到一个统一的学习框架内, 提出一种凸最优自适应增量在线顺序ELM(convex optimal adaptive incremental online sequential ELM, COAIOS-ELM)。模型能够根据增量学习中误差的变化情况, 自适应地增加隐藏层神经元, 减小分类误差; 并可根据增量数据集中新出现的故障类别, 进行相应的类增量学习, 增加故障诊断的范围。有效解决了ELM增量学习过程中模型自适应动态选择最佳网络结构的问题, 提高模型的故障诊断的精度和故障诊断的范围。本文选择UCI数据集中公共数据集和Biquad低通滤波电路故障诊断数据集, 通过与类增量ELM (class incremental ELM, CI-ELM)模型对比实验, 验证了所提方法的有效性。     

楼宇设备监测管理综合网络与智能故障诊断系统的研究

论述现代楼宇设备计算机远程监测与实时数据管理综合网络的系统结构,给出在线故障检测与离线故障诊断的实现方案,提出了这类系统故障诊断模糊专家系统的推理算法与时变隶属度的计算方法．采用实时监测与故障诊断专家系统有效地提高了楼宇设备的故障诊断分析能力、设备的运行效率以及物业管理水平.     

基于PCA和SDG的传感器故障诊断方法研究及应用

针对传统基于PCA(主元分析)的传感器故障诊断方法缺乏故障推理能力,难以定位故障源的缺点,提出一种PCA与SDG(符号有向图)相结合的传感器故障诊断的方法。此方法分为2步:首先建立系统的SDG模型和PCA模型,使用PCA方法监控所有的过程变量;第二步,当故障发生的时候,通过PCA得到异常变量的状态,根据变量的状态,通过SDG模型进行反向推理,找到可能发生故障的传感器。通过液位控制系统的仿真实验以及在常减压装置(AUDU)故障诊断上的应用,结果表明方法能够及时有效地检测出单个或多个传感器故障,提高了诊断的准确性与分辨率。     

基于强跟踪滤波器的液压伺服系统实时故障诊断

为了在线监测运行工况和提高其可靠性,研究了液压伺服系统的实时故障诊断模型和方法.使用强跟踪滤波器联合估计系统的状态和未知时变参数,使用修正的贝叶斯算法检测故障和估计出故障的幅值,从而建立故障诊断模型和实现液压伺服系统的实时故障诊断.仿真结果证实了模型的合理性和可行性,参数估计误差小于1.2%.该方法对模型参数的不确定性具有较强的鲁棒性,能正确检测和分离液压伺服系统的故障.     

故障特征选择与诊断规则提取的VPRS模型方法

针对实际工程系统故障诊断过程中故障特征和诊断规则难以提取的问题，提出了一种基于变精度粗糙集(VPRS)模型的故障特征选择和诊断规则提取的新方法。该方法通过选取适当的分类误差参数β，运用知识约简简化知识系统。它不仅能从实测数据中提取出最佳的故障特征参数，还可得到简化的诊断规则。对滚动轴承故障诊断的仿真实例表明，该方法有效地简化了特征参数和诊断规则，提高了故障诊断的准确率，减低了诊断成本，具有比基本RS方法更广的适用性。     

飞行器纵向风扰动的辨识方法研究

根据飞行器（或其他动力学系统）的输出响应以及已知的系统模型，研究了以离散反卷积对时变的纵风干扰（或输入）进行辨识的原理和方法。最后通过数值示例，分析了这一方法可能达到的精度和工程实用的可能性.     

基于支持向量机的无参时变过程控制方法研究

为了提高时变生产过程的监控性能,提出了基于支持向量机的时变控制图,能够根据生产过程的变化及时更新分类器模型和控制界限,并根据第二阶段的数据构建动态分类边界,以实现对时变生产过程进行有效监控.同时通过添加时间权重因子和停止更新准则,实现对模型更新速度和更新区域的调节,使所提的时变控制图能够适应不同的时变模式.最后,通过模拟数据和青霉素发酵数据进行验证,验证所提的时变控制图性能优于传统控制图.     

WPA-IGA-BP神经网络的模拟电路故障诊断

针对模拟电路渐变性故障中的特征提取困难和故障信号无法进行有效分类的问题, 提出利用免疫遗传算法(immune genetic algorithm, IGA)优化反向传播(back propagation, BP)神经网络中参数寻优过程, 从而实现模拟电路故障诊断。首先, 采用小波包分析(wavelet package analysis, WPA), 对模拟电路输出响应进行4层小波分解和重构, 完成特征向量的提取。然后, 采用IGA优化BP神经网络进行训练及测试, 实现对不同故障进行故障诊断。最后, 通过两个模拟电路仿真实验对该方法进行实验验证。实验结果表明, 与优化前的BP神经网络相比, 所提方法提高故障诊断的准确率约15%。     

面向虚拟企业生命周期的集成质量管理系统与方法

提出了面向虚拟企业生命周期的集成质量管理系统模型（IQMS-CLVE）;初步讨论了基于IQMS-CLVE的集成质量诊断与过程网络控制方法,提出了用集成过程诊断与集成智能诊断相结合的诊断体系以及用智能方法与可靠性技术相结合的过程网络控制方法。     

基于改进PSO算法的实时故障监测诊断测试集优化

针对基于相关性模型的复杂系统实时故障诊断问题,引入一种改进的多目标离散粒子群优化算法对测试集进行优化选择,以提高诊断系统效率,降低测试成本。基于现有粒子群优化算法,将粒子速度更新和位置更新的意义与测试选择相联系,提出了新的速度和位置更新公式;针对测试集故障检测数、故障隔离数、测试个数及成本等多个指标,分别设计了故障监测测试集和诊断测试集的多目标适应度函数,并给出最优解的多目标更新方法。仿真结果表明：改进算法收敛速度快,计算精度高,可为实时监测诊断系统测试集优化选择提供有效指导。     

基于支持向量机的导弹动力系统动态过程仿真

为了对导弹动力系统动态过程进行仿真,研究了基于支持向量机方法的动态仿真技术。仿真结果与试车数据比较表明,支持向量机对发动机推力的动态变化过程进行了很好的仿真;与基于神经网络的计算结果比较表明,该模型的计算时间短、精度高,可用于液体火箭推进系统的实时状态监控、故障诊断及控制系统设计等方面。     

基于Web的导弹远程诊断系统

介绍了一种基于Web的导弹远程诊断信息处理系统。利用知识库、Web等新技术构建了一个专供导弹用户使用的导弹诊断互联网 ,导弹用户对导弹执行标准的测试程序并将测试结果发送到信息中心 ,通过服务器 ,采用严格的加密方式 ,发送到该专用互联网上 ,诊断网站进行分析诊断以后 ,把解决方案和监控状态反馈给用户 ,这样就实现了对导弹的实时监控及故障的自动诊断 ,提高了导弹系统的可靠性     

基于VSMM的GMCPHD滤波算法在多机动目标跟踪的应用

针对交互多模型(interacting multiple model, IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型（variable structure multiple model, VSMM）的高斯混合基数概率假设密度（Gaussian mixture cardinalized probability hypothesis density, GMCPHD）滤波算法。该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性。此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布。最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用。     

舰船综合监控中上层计算机网络的冗余设计

通过网络实现舰船综合监视、控制和管理是当前舰船自动化的发展方向。现有的舰船综合监控产品一般由多台地理分散的下位机和一台上位监控管理计算机组成 ,尚未形成网络化的上层监视、控制与管理。为了灵活地实现舰船仪器和设备的综合监控 ,同时解决高可靠性、高实时性和可诊断性等问题 ,针对上述不足 ,结合相关项目的研究与开发 ,在现场网络的基础上设计了上层计算机网络 ,给出了其中的软件分布 ,并对系统中的工控、监控、网络和数据库等方面的冗余设计和实现进行了详细的叙述。     

天线相位中心移动对GPS观测量的影响

阐述了天线相位中心的基本概念,定量研究了天线相位中心移动对ＧＰＳ观测量的影响。计算机模拟表明,要获得准确ＧＰＳ观测量来进行导航定位,必须进行天线相位中心引起误差的校正。     

时间同步误差对分布交互仿真性能影响的分析

定量分析了时间同步误差对分由交互仿真（DIS）中时间同步误差的影响。时间同步误差会产生仿真系统时间上的逻辑错误，降低仿真精度和使用实时战场状态显示失真，本文给出了一个具体的DIS的系统的时间 同步精度要求。     

基于自适应多分类器系统的甲状腺疾病诊断方法研究

甲状腺释放甲状腺激素以调节人体的新陈代谢速率,甲状腺激素过多或过少分别会引起甲亢或甲减,都属于甲状腺疾病.在实际医疗数据中,甲状腺疾病数据属于典型的不均衡数据.传统的分类方法往往忽略了不均衡数据存在的异构现象(不均衡程度,特征维度,类别数目在不同数据集中各不相同).针对甲状腺疾病数据的类分布不均衡现象以及异构现象,本文提出一种自适应多分类器系统(adaptive multiple classifier system,AMCS),构造多分类器集成系统,自适应地对异构不均衡甲状腺疾病数据进行分类来辅助甲状腺疾病的诊断.AMCS系统包括特征选择,集成框架,基分类器以及集成规则四个组成部分,每一组成部分由不同的算法组成候选池,根据不同数据存在的异构现象,自适应地为异构数据选择最优集成算法.本文采用KEEL和UCI提供的10组异构甲状腺疾病数据进行实验,验证了本文所提出的方法在辅助甲状腺疾病诊断的有效性.     

基于差分演化的自适应集成学习算法在不均衡数据分类中的应用

不均衡数据问题在我们日常生活中随处可见,例如疾病诊断,矿藏资源识别等等.对于不均衡数据的分类而言,目前基于集成学习的不均衡数据分类技术较为成熟,但现有方法都将不均衡数据作为一个整体考虑,而不区别对待不同类型的不均衡数据.事实上,不均衡数据因其不均衡比、数据维度和类别数的不同,所具有的数据分布也不同,使用统一的模型处理所有不均衡数据难以在所有数据集中都获得好的效果.基于此,本文提出了一种基于差分演化算法的自适应集成学习算法(adaptive multiple classifier system based on differential evolution algorithm,DE-AMCS),使得针对不同的不均衡数据,系统能够选择最优的集成学习模型来完成分类任务.本文选择了KEEL数据集中的10个数据集进行测试,测试结果与5个现有的集成分类算法进行了对比,实验表明DEAMCS相比于对比算法,分类精度上有明显的提升.最后,本文将DE-AMCS应用到江汉油田某区五口井的石油储层含油性的识别中,在每口井的含油性识别中,精度均达到了100%.     

一种调频连续波SAR的非线性距离多普勒算法

频率非线性是制约调频连续波雷达距离分辨率的一个关键因素。针对系统非线性误差对调频连续波(frequency modulated continuous wave, FMCW)合成孔径雷达（synthetic aperture radar, SAR）成像处理的影响以及雷达系统实时成像处理的需求,对存在频率非线性误差的调频连续波SAR回波信号进行了建模,分析了调频连续波去斜接收模式下的回波特性,深入研究了系统非线性误差校正的问题,提出了一种改进的调频连续波SAR的非线性距离〖CD*2〗多普勒成像处理算法。该算法通过非线性误差滤波器校正距离向非线性误差,具有计算量小,处理精度高的特点,适合实时成像处理。最后,通过理论推导和仿真分析,验证了算法的可行性和正确性。