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.     

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。     

复杂系统的模糊故障诊断方法研究

复杂系统的故障具有模糊性与精确性的复杂特性,精确的推理方法难以有效地对复杂特性的故障进行诊断。提出模糊产生式规则与Petri网推理技术相结合的故障诊断模型,以研究模糊故障的推理诊断方法。以某发射装置控制系统为研究对象,给出一个复杂特征故障的诊断实例。研究结果表明,模糊产生式规则Petri网模型方法可以有效地对复杂系统的模糊性与精确性双重特征的故障进行推理诊断。     

基于证据理论的信息融合故障诊断方法

从证据理论的基本概念和证据的融合推理方法出发,建立了多故障特征信息融合诊断框架,并提出一种符合故障诊断特点的基本可信度分配构造方法。该方法把诊断对象看作一个信息系统,运行过程中不断产生各种信息,并将信息加工成故障特征,通过特定的诊断决策规则,得出诊断结论。给出了一个多故障信息进行故障诊断的实例,结果表明该方法能够有效的提高诊断可信度,减小诊断的不确定性。     

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。     

基于粗糙集的民航飞机故障诊断规则获取方法

针对传统的民航飞机故障诊断规则来源于适航审定的标准文件,不能满足改善诊断效率的要求,在建立民航飞机故障诊断的知识复合模型的基础上,从可靠性报告中提取原始数据,进而基于粗糙集对这些数据进行预处理和约简,获取新的诊断规则,有效地提高了故障诊断的效率.实例推导出新的诊断规则,实现了传统的故障诊断规则的改进,说明了方法的可行性.     

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.     

优化组合奉献观测器的故障诊断方法

给出了奉献观测器故障诊断方法的概念 ,并在此基础上 ,提出了优化组合奉献观测器的故障诊断方法。该方法简化了知识规则数量的要求 ,提高了对知识规则的利用率 ,通过两个算例对该方法进行了验证 ,给出了相关的定理。为便于工程设计与实现 ,采用神经 -模糊系统理论 ,建立了模糊感知器与优化组合奉献观测器相结合的故障诊断方法 ,使该方法具有学习功能 ,增强了自适应能力。最后给出了数值仿真分析结果 ,证明了该方法的有效性以及良好的研究与应用前景     

基于神经网络的故障模糊诊断研究

文章用模糊算子代替标准的传递函数，利用征兆、规则、故障间的逻辑关系进行故障诊断，构造了四层模糊结构，给出了诊断的知识流程、机理分析和诊断步骤，并推导出一种能加快网络收敛速度的故障诊断及改进算法．在对某J8-wp13发动机滑油典型故障样本和非故障样本的仿真中，诊断结果良好．     

基于证据理论的集成神经网络故障诊断方法

以Dempster Shafer证据理论为基础,给出了基于神经网络的基本概率分配构造方法和诊断决策规则,提出了一种神经网络初步诊断和证据理论融合决策诊断相结合的集成神经网络故障诊断方法,建立了相应的功能模型。并以变速箱轴承故障诊断为例,详细说明了该方法的具体步骤。结果表明,经过多故障特征信息,诊断结论的可信度明显提高,不确定性明显减小,充分显示了该诊断方法的有效性。     

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。     

FADS快速智能故障检测和诊断技术

以重复使用运载器所使用的嵌入式大气数据传感器系统为研究对象,设计故障检测和诊断方法.采用奇偶校验的检测方法实现故障检测,通过粗糙集约简减少奇偶方程的数量,将约简后的决策表转化成规则,实现诊断规则的离线提取,使用位向量逻辑判断完成规则推理.仿真结果表明结论正确可靠,算法计算代价小、运算速度快,能够满足在线诊断的实时性要求.     

基于多特征云关联度的容差电路诊断算法

针对容差模拟电路故障诊断中存在的模糊性和随机性问题,提出了一种基于多特征云关联度的诊断算法。首先,结合模拟电路自身特性,提出与之相适合的组合云模型。之后,通过构建云关联矩阵,对不同电路特征的云隶属度进行综合评价。考虑到不同特征对总体云关联度的贡献不同,根据特征类内和类间散度对云关联度矩阵进行加权。最后,通过求取待识别特征向量与各故障模式的云关联序列,实现对电路故障的识别诊断。实例分析表明,所提方法在容差条件下对电路软故障有较高的诊断效率。     

基于孪生深度神经网络的风电机组故障诊断方法

为有效提取风电SCADA (supervisory control and data acquisition)中时序数据故障特征,同时考虑一维卷积神经网络(one-dimensional, convolutional neural network,1-D CNN)提取局部时序特征和长短时记忆网络(long short-term memory networks, LSTM)提取长期依赖特征优势,提出一种基于1-D CNN-LSTM的风电机组故障诊断方法;针对故障样本稀缺问题,基于孪生神经网络架构(siamese network),提出一种基于孪生深度神经网络siamese 1-D CNN-LSTM的风电机组故障诊断方法,依靠少量样本数据对机组故障特征进行有效提取。结果表明：1-DCNN-LSTM优于其他现有深度学习方法;当训练样本不足时,所提出的siamese 1-D CNN-LSTM可以显著提升故障诊断结果。     

基于主元分析及粗糙集的多变量决策树构造方法

为解决故障诊断中单一方法难于处理大规模、多变量数据信息的问题,提出了一种利用主元分析方法和粗糙集理论相结合的多变量决策树构造方法.该方法利用主元分析对历史数据进行降维、去噪处理,得到由主元变量组成的决策信息.通过粗糙集理论中核属性和相对泛化的概念对此决策信息进行属性选择和样本集划分,构造出多变量决策树,并建立诊断规则知识库.基于汽轮机发电机组的轴系振动故障分析的实例验证了此方法的正确性,与其他方法相比较具有规模小、诊断规则易于提取的特点.