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3SF技术嵌入式软件可靠性定性仿真分析

针对嵌入式系统软件可靠性设计中存在的失效问题,从可靠性的概念和特点入手,将“3F”技术—故障模式影响及危害性分析FMECA,故障树分析FTA和故障报告、分析与纠正措施系统FRACAS引入到软件可靠性定性分析中,称之为“3SF”技术。深入研究了3SF技术在软件可靠性定性分析中的应用,给出软件FMECA和FTA分析实例,并对将两者与软件FRACAS的结合作了研究。     

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。     

基于D-S证据理论的雷达故障诊断方法

新型雷达装备故障具有明显的复杂性和相关性,难以准确确定故障部位。在分析雷达故障特点和专家诊断系统不足的基础上,把信息融合技术引入故障诊断,提出了一种基于D-S证据推理的诊断方法,构建了故障诊断模型,介绍了D-S证据推理的故障诊断算法和诊断过程,并用实例进行了验证。结果证明,该方法较好地解决了故障诊断中的不确定性问题,弥补了当前诊断系统中存在的缺陷。     

基于置信规则库的并发故障诊断方法

针对具有不确定性的并发故障诊断问题,提出基于属性权重和权衡分析的置信规则库(belief rule base, BRB)诊断方法。以属性权重大小来表示属性与特定故障模式之间的相关性,设计能够反映故障模型约束的基于差分进化的优化算法,通过相邻故障模式置信度与预设阈值的权衡分析完成对并发故障诊断。该方法仅需构造单个置信规则库来有效处理各种不确定性信息,与已有研究方法相比极大地降低了建模复杂度。诊断结果不仅能得到故障的并发情况,还可分辨故障的主次关系,并且建模和推理过程开放,可解释性强。最后以船用柴油机的并发故障诊断作为实例,验证了所提方法能够有效的诊断出并发故障并且模型具有较好的稳定性。     

基于G2的飞船推进系统的故障诊断

探讨了G2的知识表示、知识库管理及实时推理.针对飞船推进系统的工程实际问题,分析了推进舱推进子系统的故障特点,采用神经-模糊系统理论对推进舱推进子系统故障模式的知识表示进行研究,提出了推进舱推进子系统故障的知识表示形式.运用G2软件平台设计了飞船推进系统的故障诊断推理机.该推理机可以实时地诊断出相应的故障模式,记录相关的故障信息,还可以对故障进行预报,以避免故障的发生.     

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。     

惯性导航状态数据分析与基于SVM的故障诊断模型构建

为更好地利用当前航空装备系统积累的大量飞行数据, 从中挖掘信息来更有效地服务于空军装备可靠性为中心的维修保障工作, 将数据分析技术应用到当前的装备故障诊断中, 设计并实现了某型飞机惯性导航系统状态数据分析和故障诊断系统. 分析了整个系统的数据处理过程, 对数据自动判读处理、数据清理和修正进行了研究. 设计了支持向量机模型, 提出了通过对惯导状态信息数据进行回归预测, 用预测值与实际值之间误差诊断故障; 通过状态数据和与之对应的故障信息库, 用支持向量机进行故障分类两种方法来实现故障的诊断和决策. 最后对模型进行了验证和分析.     

控制系统故障检测与诊断技术的最新进展

对故障检测与诊断(FDD)技术在控制领域的最新进展进行了综述,内容主要包括三类基本方法,即:基于解析模型的FDD、基于信号处理和基于知识的故障检测与诊断方法。重点评述了近年来发展起来的信息融合方法、多Agent方法、鲁棒故障检测、网络控制系统的故障诊断等。最后介绍了故障检测与诊断技术在控制系统中的若干应用成果,并指出尚待解决的主要问题和值得进一步研究的方向。     

非线性系统故障诊断的Volterra模型方法

针对非线性系统的故障诊断问题,系统地总结了基于Volterra级数模型的故障诊断的理论与方法。由于Volterra级数模型可以完全描述非线性系统的传递特性,因而可将其应用于系统的故障诊断,即在系统工作过程中,通过分析故障发生前后Volterra模型中非线性因素的变化来判知系统的故障。在介绍了这一新的故障诊断理论的基本思想后,结合减震弹簧的疲劳诊断,总结了当前的两种主要研究方法,即基于非线性谱分析的故障诊断方法和基于多重预设Volterra模型的故障诊断方法。阐述了这两种方法的工作原理和实现方法,指出了今后在这一方向上需要进一步研究解决的问题。     

列车运行监控记录装置故障诊断系统的研究

概括分析了基于故障树分析的列车运行监控记录装置故障诊断系统的特点及存在的问题，并在此基础上，提出了采用双向联想记忆神经网络的故障诊断系统方案。简要介绍了双向联想记忆神经网络故障诊断系统的系统结构、软件系统功能及诊断流程，并以主机无显示故障为例，详细描述了故障诊断模型、M矩阵的建立、推理过程、解释机制的构建原理。最后还概括分析了该系统的优越性，并点出了系统在技术实现中存在的主要问题。     

基于模型的定性推理故障诊断方法研究

提出了一种基本模型的定性推理故障诊断方法 ,其基本思想是以定性推理方法为基础 ,并结合系统的模型知识进行故障诊断。首先通过建立系统部件模型的正常和故障工作模式库 ,以及用有向连接图和支路关联矩阵来建立系统的结构描述 ,然后在部件模式库中搜索满足已知条件的模式 ,来诊断出故障的部件     

信号故障检测的自相关方法

本文将信号的自相关特性应用到故障检测中,给出了故障检测的表达式,分别讨论了两类信号的故障检测实现方法,还给出了检测故障的算法。仿真结果表明,自相关方法用于故障检测是可行的。该方法可应用到设备内部自测试中,并可完成周期信号的在线故障检测。     

基于SDG的智能故障诊断方法研究

提出了一种基于符号有向图 (signeddirectedgraph ,SDG)的智能故障诊断方法 ,其基本思想是通过分别建立系统及其部件所对应的SDG ,并将此SDG对应于需诊断的故障模式进行化简 ,然后将建立的诊断规则库用逻辑运算进行扩充 ,形成系统的诊断规则库。诊断时通过将系统变量的定量取值简化为定性值 ,并应用所建立的规则进行比较 ,得到最后的定性诊断结果。     

容错神经网络研究

容错神经网络理论是分析和设计高可靠性的神经网络的理论和方法。容错神经网络的研究对于揭示人脑神经系统的容错机理和丰富容错系统理论有重大意义。本文结合所做的研究工作,系统地提出了容错神经网络的理论框架,为容错神经网络的理论和应用研究的深入奠定了基础。     

无人机系统健康状态评估方法研究

提出了一种新的无人机系统健康状态评估方法,对某型无人机部分分系统发生故障及采取修复措施后的健康状态分别进行了评估。当关键分系统出现灾难性故障时,引入惩罚函数机制,对无人机的健康指数进行了修正;对传统以概率为主的故障模式、影响及危害分析进行了改进,提出了以故障发生后的严酷度级别进行危害分析的新方法,并应用于分系统健康状态的评估;考虑到专家判断的模糊性,把三角模糊数和层次分析法相结合,用于计算分系统的权值,并在计算过程中提出了首先把三角模糊正互反判断矩阵转换为三角模糊正互补判断矩阵的思路,便于理解与计算。仿真结果表明,本文提出的评价方法可操作性强,便于工程实现,能够直观地给出无人机的健康指数值。     

关于智能故障诊断的研究

把模糊技术与判别分析法结合起来 ,对于故障诊断样本 ,建立广义诊断矩阵 ,给出了关于智能故障诊断的新方法。该方法是选取多元统计分析中的马氏距离 ,依据概率分布的原则对故障征兆进行判别 ,并通过仿真模拟 ,显示其可行性及有效性     

基于多智能体和神经网络的网络故障诊断及二维可视化

提出一种基于多智能体和神经网络的网络故障可视化诊断系统。每个被诊断的网络具有一个网络故障征兆收集智能体，负责收集并且预处理该网络的故障征兆信息，该信息被传送到位于诊断中心的网络故障诊断智能体，用作诊断及可视化。该系统的优点是网络故障诊断智能体可以以可视化的方式诊断网络的故障，并且动态监控网络的运行状态。试验结果证明所述系统的有效性和鲁棒性。     

模糊推理和神经网络的集成在故障诊断中的研究

以故障诊断的理论和方法为基础 ,综合运用人工智能、模糊理论和神经网络理论 ,对复杂电子装备的故障诊断问题进行了研究。提出了模糊推理和神经网络的集成方法 ,介绍了集成的综合系统的基本结构和工作原理 ,描述了模糊故障诊断模型和改进的神经网络BP算法     

Possibilistic entropy-based measure of importance in fault tree analysis

With respect to the subjective factors and nonlinear characteristics inherent in the important identifi-cation of fault tree analysis (FTA), a new important measure of FTA is proposed based on pcesibilistic information entropy. After investigating possibilistic information semantics, measure-theoretic terms, and entropy-like models, a two-dimensional framework has been constructed by combining both the set theory and the measure theory. By adopting the possibilistic assumption in place of the probabilistic one, an axiomatic index of importance is defined in the possibility space and then the modelling principles are presented. An example of the fault tree is thus provided, along with the concordance analysis and other discussions. The more conservative numerical results of importance rankings, which involve the more choices can be viewed as "soft" fault identification under a certain expected value. In the end, extension to evidence space and further research perspectives are discussed.