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。     

基于电流测试的混合信号电路故障检测和定位

针对集成电路测试中模拟和混合电路的测试问题,提出了一种基于小波分析的电流测试实现混合信号电路故障诊断的方法。该方法先测试电路在激励信号下的动态电流,再利用小波变换对采样动态电流信号进行小波分析来诊断电路是否存在故障,并进一步定位故障。对示例ADC电路仿真试验的结果表明该方法比积分法和傅立叶分析方法对故障有更高的灵敏度,不仅能够有效检测出电路中的各种故障,而且能对故障进行定位。     

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。     

基于多信号流图和相似性度量的故障可诊断性评价方法

针对目前基于定性模型无法对电子系统故障可诊断性进行定量评价的问题, 将定性模型与数据驱动方法相结合, 提出一种基于多信号流图和相似性度量的故障可诊断性评价方法。首先, 根据系统的组成结构建立多信号流图模型并得到故障-测试相关性矩阵, 基于故障-测试相关性矩阵提出了故障可诊断性评价准则。其次, 提取测试信号的小波包Shannon熵作为特征向量, 以欧式距离作为相似性度量指标, 将故障可诊断性定量评价问题转换为不同故障模式下测试信号特征向量的相似性度量问题。然后, 构建故障可诊断性评价矩阵, 依据故障可诊断性评价矩阵提出了系统可诊断性指标。最后, 通过仿真分析验证了所提方法的有效性。结果表明, 所提方法在不构建数学模型的前提下, 能够实现电子系统的故障可诊断性的定量评价。     

基于相关矩阵与概率模型的故障模糊诊断

针对复杂系统故障快速模糊诊断问题,提出了一种基于相关矩阵和概率模型的故障模糊诊断方法。通过建立故障测试相关矩阵,在概率空间中获取故障判据,并考察非理想测试条件下故障出现某种征兆的概率值,继而利用概率最值原则推理故障、利用最小模原则进行故障筛选以降低虚警,实现了对复杂系统故障的高效便捷诊断。以阿波罗飞船发射前测试数据为对象对该方法进行了验证。实验结果表明,该方法具有足够的诊断精度,以及较低的运算复杂度,并且支持图形化快速诊断、便于现场应急使用。     

考虑关键故障的测试优化选择

针对现有测试优化选择方法中因关键故障为小概率故障而容易被漏检的问题,提出了一种有指向性的对关键故障进行有效检测和隔离的方法。首先从系统安全性角度,分析了关键故障的重要性。然后基于相关性矩阵,以测试代价最小为优化目标,以故障检测率与隔离率和关键故障检测率与隔离率为约束,建立了考虑关键故障的测试优化选择模型,最后采用基于质心改进和惯性权重自适应调整的二进制粒子群算法进行求解。仿真实验结果表明,考虑关键故障的测试优化选择方法可以有效消除因关键故障漏检而对装备安全造成的严重威胁。     

基于粗糙集理论的多源信息融合故障诊断方法

在故障诊断中,从包含冗余和不一致信息的数据中获取简单有效的诊断决策规则是一个难题.首先,针对完备信息系统和不完备信息系统分剐提出了相应的融合算法,为解决数据超载以及不完整信息融合问题提供了有效的方法.其次,提出了基于粗糙集理论的多源信息融合故障诊断模型.该模型从包含冗余和不一致信息的原始数据出发,利用基于改进属性重要度的方法实现故障征兆属性约简;然后通过给出的值约简算法进一步产生最大广义决策规则集,建立了用于故障诊断的规则库.最后,在应用该模型进行故障诊断时,用待诊断实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则依据置信度、覆盖度和支持度进行综合评价,并得出诊断结论.给出的诊断实例验证了该方法的可行性和有效性.     

基于混合遗传退火算法的并行测试任务调度优化

并行测试任务的优化调度是并行测试技术的核心问题之一。可以充分利用混合遗传退火算法优异的全局最优搜索能力来寻找具有最大并行率的并行任务序列。首先,建立了并行测试任务调度问题的数学模型;给出了并行率的定义,设计了一种满足资源约束与任务时序约束的基因编码方法及相应的遗传退火操作方案。最后,对实例进行仿真实验,结果验证了该算法的有效性及优越性。     

基于拉格朗日松弛和次梯度法的网络故障定位新方法

在分析当前主要的非确定性故障定位方法基础上,提出了一种新的网络故障定位方法.该方法通过在现有二分图故障传播模型中加入虚假故障因素,提出改进的二分图故障传播模型,在该模型基础上,将故障定位问题转化为一个0-1规划的最小化问题,然后利用拉格朗日松弛和次梯度方法对问题进行求解.与现有的主要故障定位方法相比,该方法不仅具备检测系统中虚假告警的能力,而且能有效地降低故障定位时间.仿真实验表明,该方法准确率高,诊断速度快.     

不协调信息的协调近似表示空间故障诊断方法

针对不协调、不完备信息条件下的故障诊断难题,研究了基于协调近似表示空间的故障诊断方法。采用不协调诊断信息系统描述不协调故障信息,并将不协调诊断信息系统转化为协调近似表示空间,进而对其进行属性约简;设计了基于包含度的针对完备信息对象的故障诊断方法,采用向量补齐方法设计了针对不完备信息对象的协调近似表示空间故障诊断方法。最后,将该方法应用于航空发动机故障诊断,验证了该方法可有效处理不协调、不完备信息,显著提高了故障诊断准确率。     

基于粗糙神经网络的航空电子传感器故障诊断

针对航空电子传感器系统是由多个子系统所组成的复杂大系统且很难量测系统输入,传统故障诊断方法难以评估这类系统的问题,提出了一种基于粗糙神经网络的航空传感器故障诊断方法。该方法首先运用Kohonen网络对航空电子传感器测量得到的连续数据进行离散化,然后用粗糙集理论进行知识规则的提取,最后用提取的知识作用于一步预测神经网络,用该网络预测结果与航空电子传感器实际输出进行阈值比较,进而进行故障检测。仿真实验和实际应用表明,该方法可行并能有效地检测传感器故障,且故障诊断率高。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

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...     

光纤通道航空电子系统容错拓扑可靠性研究

对于采用FC(光纤通道)网络的航空电子系统,从FC的基本模型出发,给出了三种具有容错能力的常用拓扑结构:双环结构、双交换机结构和交换机仲裁环组合结构。在基于任务的系统可靠性建模方法之上,提出了系统平均可靠度的概念;并在不针对确定任务集的情况下,提出使用系统平均可靠度来衡量网络系统的可靠度;针对三种容错拓扑结构,分别给出了系统平均可靠度的表达式。最后通过实例计算分析了三种结构系统平均可靠度受通信节点数影响的情况。     

基于Petri Fault Net的磁浮列车悬浮系统故障分析

随着磁浮列车技术的商业化应用,磁浮列车系统故障诊断越来越受到重视。以中低速磁浮列车为背景,在建立磁浮列车悬浮系统故障模型的基础上,针对磁浮列车悬浮系统的复杂性,将基于Petri Net的故障诊断理论Petri Fault Net应用于磁浮列车悬浮系统的故障诊断中。给出了基于Petri网的最小割集寻找方法;根据磁浮列车2001年以来的运行数据统计,计算出了节点的P概率/T概率;在此基础上进行了故障定位和影响分析。列车的试验运行验证了提出的理论准确性。     

基于遗传算法的故障样本优化选取方法

为降低测试性验证试验费用,提出基于遗传算法的故障样本优化选取方法。方法通过故障-测试关联分析和故障-故障等价分析,确定初始故障样本集中各元素对应的等价集,并对初始故障样本集进行扩展,在此基础上,建立了故障样本选取优化求解模型。在不降低样本注入数量和测试特性的条件下,以试验费用最小为优化目标,给出了基于改进遗传算法的样本优化选取方法。算例应用结果表明,该方法设计的故障样本选取方法能有效降低测试性验证试验费用。     

集成模糊推理与定量仿真的故障预测系统研究

为解决传统故障诊断方法在装备维修保障方面的不足，将虚拟样机作为一种新的定量推理机制引入到故障仿真和预测领域，提出了基于虚拟样机的装备故障仿真预测模型。以某型自行火炮为研究对象，在ADAMS环境下建立了火炮虚拟样机。仿真预测过程根据用户输入的初始参量由虚拟样机获取初始状态，由基于动态模糊综合评判的预测方法生成候选故障集，虚拟样机结合知识库确认实际发生的故障并找出相应的故障原因和故障部件。虚拟样机的仿真结果和相关的预测实例验证了模型的有效性，表明基于上述模型的故障仿真预测系统可以获得较高的预测精度，能够满足装备预知维修保障的需求。     

基于进化理论的故障模式判别算法

基于特征参数的故障模式判别是一个组合优化问题。在评析已有进化方法的基础上,建立了航空电子系统的故障模式判别模型,提出了一种将正交遗传算子(orthogonal genetic arithmetic operators, OGAO)融入到粒子群算法(particle swarm optimization, PSO)中的组合寻优方法,并进行了一定的改进。该方法能有效避免局部极小,较好地处理离散变量的组合优化问题,有利于提高解的精度和收敛速度。以某型机载综合数据采集器的电源模块为平台进行实验仿真,结果证明了本文算法的正确性和优越性。     

Location of quality-control stations in manufacturing systems: A simulated annealing approach

Quality is the hallmark of a competitive product. It is necessary to use inspection stations to check product quality and process performance. In this paper, we are concerned with the problem of location of inspection stations in a manufacturing system. A simulated annealing approach is developed to determine the location of inspection centers resulting in a minimum expected total cost in a multistage serial production system. The total cost includes inspection, processing, and scrapping costs at each stage of the production process. A penalty cost is also included in it to account for a defective item which is not detected by the inspection scheme. A set of test examples is solved using a simulated annealing algorithm.