基于Petri网的复杂设备健康状态退化分析

针对大型设备结构复杂,健康状态难以评估的问题,以设备最小可监测或可评估单元健康状态为输入,建立了健康退化Petri网模型,利用健康等级信度的变化描述复杂设备全系统各层次单元的健康状态退化情况。首先给出了健康退化Petri网的定义,分析了库所间“冗余”、“共同”、“并发”以及“继发”四种关系形式,用以评估各层次单元健康状态;然后分析了健康状态信度转换为健康度的规则并给出一种线性映射方法;根据健康状态退化趋势特点,在离散灰色模型中引入非线性时变项,提出了基于粒子群优化的拓展非线性时变参数离散灰色模型的健康度预测算法。最后将模型应用于某发射装置的健康状态退化分析,说明了模型的适用性。     

基于状态预测与评估的部件任务成功性评估研究

针对任务成功性评估的需要, 充分考虑任务可靠性与维修性的特点. 在状态监测与预测的基础上, 通过D-S证据理论与模糊综合评判相结合的办法得出部件针对任务的不可靠度, 由不可靠度与相关维修数据相结合来实现对部件的任务成功性评估. 最后通过示例应用表明了该方法的可用性.     

基于粗糙集和D-S证据理论的设备技术状态评估

针对设备技术状态评估中存在着不确定性,建立了基于粗糙集理论和D-S证据理论的设备技术状态评估模型,以提高评估的准确度,降低不确定性。首先利用粗糙集理论的知识约简功能来优化设备技术状态评估指标,其次采用D-S证据理论来组合优化过的指标,最后采用基于基本可信度分配的决策来获得设备的技术状态类别。以汽轮鼓风机为研究对象,详细描述了基于粗糙集理论和D-S证据理论的设备技术状态评估方法,并进行实例计算。实例表明采用粗糙集理论,优化了评估指标,减少了数据收集;采用D-S证据理论,进一步综合各指标,并能计算出评估结果可能存在的不确定性量。     

基于EDA的开关电源健康状态评估方法研究

目前开关电源的预测与健康管理研究多基于某特定应力下的监测数据,其应力剖面固定,难以推广应用到应力随机组合的实际场合中。通过对所建立的高精度仿真模型中注入定量退化的方式,基于EDA技术开展了开关电源整体健康状态评估方法的研究。采用试验设计的方法,构建电源退化特征标准数据库,并采用最小二乘拟合方法,确定应力因素与系统输出的函数关系。进而可评估得到任意应力组合作用下电源的实际健康状态。某反激开关电源的实际健康状态评估结果表明了所提出的方法有效可用。     

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。     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态,提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标,首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法;再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简;然后对约简的评估决策表进行处理,构建基本信度分配函数;最后利用D-S合成规则进行多指标合成得到健康状态,进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度,减少评估的不确定性。     

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。     

基于改进马田系统的复杂系统健康状态评估

健康状态评估是复杂系统故障预测与健康管理的关键环节,为准确评估系统的状态,提出一种基于改进马田系统(improved Mahalanobis-Taguchi system, IMTS)的评估方法。首先,通过监测多特征参数的时间序列,运用IMTS筛选特征并计算加权马氏距离(weighted Mahalanobis distance, WMD);然后,基于WMD构建健康指数(health index, HI)模型,并利用Box-Cox变换和3σ准则确定HI阈值;最后,通过美国国家航空航天局(national aeronautics and space administration, NASA)提供的PHM08数据,对航空发动机的健康状态进行评估。结果表明,该方法能够对复杂系统进行及时有效的综合健康状态评估。     

基于证据网络的装备体系贡献率评估方法研究

体系贡献率评估是装备体系发展规划中一项重要内容。针对装备体系贡献率评估中存在的体系结构复杂、评估信息不确定性强等特点,提出了基于证据网络的装备体系贡献率评估方法。该方法依据专家经验构建网络模型与置信规则库,在此基础上通过证据推理算法对不同装备体系的作战效能进行分析,进而实现装备体系贡献率的评估。最后,以外军典型联合登岛作战装备体系为例验证了所提出方法的可行性。该方法能够为装备体系需求论证、体系发展规划等国防军事领域重大决策提供支撑。     

基于FA-ER的装备保障资源供给能力评估方法

针对装备保障资源供给能力评估信息主观性和不确定性强、评估结果可信度低的问题,提出了一种基于萤火虫算法和证据推理(firefly algorithm-evidential reasoning, FA-ER)的评估方法。首先,通过直觉模糊熵处理不确定信息,确定初始权重范围。然后,基于后悔函数将证据推理方法的权重求解问题转化为非线性多目标优化问题。最后,采用萤火虫算法计算最优参数,确定最优评估模型并得到最终评估结果。算例分析结果表明,所提方法能够有效解决评估主观性强的问题,提高评估结果的准确度,对装备保障资源供给能力评估问题具有较好的适用性。     

基于改进证据理论的导弹状态评估方法

针对目前导弹状态评估存在的问题,在分析导弹状态参数的基础上,建立了导弹状态参数体系,并将导弹状态按照实现其特定功能分为良好状态、较好状态、堪用状态、拟故障状态和故障状态,进而设计了一种基于改进证据理论的多指标融合导弹状态评估方法。针对D-S证据理论应用于导弹状态评估存在的证据源权重分配、合成过程中未知信息处理及冲突分配等问题,在分析现有改进方法的基础上,采用状态参数的权重系数对原始证据源进行修正,并基于全局冲突应在引起冲突的焦元之间进行局部分配的思想对证据理论进行了改进。通过实例分析,验证了改进方法的有效性及设计的导弹状态评估方法的正确性。     

基于网络演算的远程测试系统实时性能分析

为了衡量存在复杂竞争数据流的远程测试通信网络是否满足测试数据流实时性的要求,建立了远程测试系统的网络演算模型,并在非抢占式静态优先级服务策略下,利用网络演算理论推导了远程测试业务数据端到端延迟上界的数学计算方法。最后通过对比分析仿真延迟和计算延迟,验证了该方法的有效性。在此基础上,运用该方法分析了竞争数据流对测试业务数据实时性的影响。     

小样本数据缺失状态下DBN舰艇编队防空目标威胁评估方法

针对海上编队防空目标威胁评估过程中样本数据量较少且易缺失、已有评估方法过多依赖专家经验以及难以进行时间序列上动态评估的问题,提出了基于约束参数学习的动态贝叶斯网络(dynamic Bayesian networks, DBN)威胁评估方法。采用AR(p)模型预测时间序列上的缺失数据,从而获得完备的小数据集样本;在此基础上,根据专家经验构建合理的参数约束模型;进一步利用贝叶斯估计进行参数学习;将学习得到的参数代入DBN中,推理求出威胁评估结果;引入效用理论对威胁评估结果进行排序。仿真实验表明该评估方法在小样本数据缺失状态下目标威胁评估的结果合理,准确性高。     

基于SVM数据融合的实时粒子滤波算法

采用粒子滤波的目标跟踪算法在粒子数目较多时计算量大、实时性差,针对该问题提出了一种新的基于支持向量机数据融合的实时粒子滤波算法。该算法在估计窗实时粒子滤波的基础上,使用支持向量机融合窗内不同时刻粒子集,并根据融合的结果更新粒子权值,实现对目标状态的快速跟踪。相对于原算法采用最小化Kullback-Leibler距离来调整估计窗混合分布的权值,该方法的计算复杂度低、速度快,进一步提高了算法的实时性。对纯角度目标跟踪问题的仿真结果表明了该算法的可行性和有效性。     

基于退化数据的贮存设备最优检测策略

性能测试是保证设备可靠性的重要手段。早期的维护模型都是围绕定期检测展开研究,不能够很好地反映设备的实际工作情况,且数据来源大都为寿命数据,数据样本少,可信度不高。针对退化过程符合Wiener过程的设备,提出了工作前检测和定期检测相结合的维护决策模型。首先,基于Wiener过程进行退化建模,建立基于Wiener过程的退化模型,然后引入变点的概念,得到设备的寿命分布。最后,结合所提维护决策模型,确定对设备进行最优检测的间隔。     

基于数据质量评估的自适应序贯航迹关联算法

针对传感器精度下降时的航迹关联问题, 提出了一种基于数据质量评估的自适应序贯航迹关联算法。将实时数据质量评估结果引入关联门限的调整, 结合熵值法和效用函数法对传感器性能和局部滤波质量两项指标分别进行评估, 构建了两项指标与算法显著性水平之间的模糊关系, 实现关联门限的自适应调整。仿真表明, 在局部传感器精度下降的场景下, 改进算法的关联性能优于对比算法, 且良好的关联效果有益于融合精度的提升, 在目标机动的情况下也具有良好的适应性。     

基于退化数据的可靠性评估方法探讨

一般对退化数据的分析是基于建立退化轨道模型进行的,但这些方法对于退化轨道未知的产品的可靠性评估效果较差。提出了不假定退化轨道模型的评估方法,利用试验得到产品的退化信息,进而获得产品在各检测时刻的可靠度,并用具有保证参数的分布族对寿命变量分布进行假设,通过分布拟合获得参数的估计值进行可靠性评估。给出实例进行了不同方法的比较,验证了该方法的可行性和有效性。     

基于DSm证据云物元模型的装备状态评估方法

针对装备状态各等级之间相互交叠的模糊过渡区域会导致状态划分存在主观性较强的问题,同时为了提高基于装备多特征参数融合的状态评估方法的准确度,提出了一种基于云物元模型的DSm(Dezert-Smarandache)证据建模及状态评估方法。该方法首先对特征参数进行基于云物元模型的DSm隶属度赋值,然后提出了一种基于灰靶贡献度的证据源修正公式,再通过隶属度与基本概率赋值(basic probability assignment, BPA) 间的关系求得DSm模型的BPA,最后将不同特征参数的BPA进行DSmT+PCR5(Dezert-Smarandache theory+proportional conflict redistribution rules)融合得到评估结果。通过实例分析,验证了这一新方法的有效性和优越性。     

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.