基于模糊机会约束SVDD的故障诊断方法

针对使用不确定性数据进行多故障模式诊断问题,以模糊事件的可能性测度为基础,提出一种基于模糊机会约束支持向量数据描述的诊断方法。为有效地求解故障分类模型,提出模糊机会约束规划的对偶规划,根据贯序最小算法 (sequential minimal optimization,SMO)思想提出快速训练算法,利用支持向量数据描述使用一类数据求解分类面的优势,构建多类分类器。数值试验表明,本方法可以有效处理基于不确定数据的故障诊断问题,在故障类别较多的情况,速度有较大提高,具有一定实践意义。     

基于模糊机会约束的超球支持向量机

针对不确定数据多分类问题,提出一种基于模糊机会约束的超球支持向量机（FCC-HSVM）.在球结构支持向量机的基础上,引入模糊事件的可能性测度,得到模糊机会约束规划及其对偶规划.利用球结构的优点,每类样本只参与一个超球体的训练,直接求解多分类模型,提出FCC-HSVM的快速学习算法,显著缩短多分类情况下训练时间.数据试验表明：这种支持向量机分类精度较高,训练速度快,适合解决不确定数据多分类问题.     

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。     

基于神经网络的BTT导弹鲁棒动态逆设计

针对存在不确定性的BTT导弹系统,基于神经网络提出了一种鲁棒动态逆控制系统设计方法。首先应用双时标假设将BTT导弹动力学分离为快变状态动力学和慢变状态动力学。然后,在巧妙地利用导弹气动参数特性设计Lyapunov函数的基础上,对快变状态动力学和慢变状态动力学分别进行动态逆控制设计。设计中应用RBF神经网络来逼近系统中存在的不确定性,证明了闭环系统的所有信号均有界且指数收敛至系统原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果验证了该算法的有效性。     

基于GSPN的导弹多层级测试性需求建模与指标评估

针对目前导弹测试性需求建模尚未成熟, 开展测试性需求分析难度较高的问题, 提出一种基于广义随机Petri网(generalized stochastic Petri net, GSPN)的测试性需求建模方法。在分析导弹结构的基础上对导弹测试性需求问题进行了建模, 给出导弹两级GSPN模型, 深入分析其导弹系统的故障检测及维修过程。根据GSPN模型同构于嵌入马尔可夫链(embedded Markov chain, EMC), 以实存状态集和消失状态集表征库所变迁, 采用同构法对测试性指标进行求解。将多层级GSPN模型分解化简, 减少状态空间数量的求解。对导弹的GSPN模型进行定性和定量分析, 求解不同层级测试性指标最后通过仿真计算, 与系统要求可用度误差不超过0.7%, 验证了多层GSPN模型的可行性和分析结果的可信性。     

基于因果关系的故障传播路径辨识方法研究

针对故障传播路径辨识问题，提出了一种基于因果关系的故障传播路径辨识方法，从因果关系的角度揭示了故障发生及传播的内涵。利用系统中故障发生的因果性，确定故障发生时受影响的变量，构建故障相关变量集合；通过因果关系指示指标确定故障相关变量中各个变量的因果性，构建因果矩阵；提出保可达性的赋权有向图最小生成树算法，根据因果矩阵对相关变量之间的因果性进行图示化表达，确定故障相关变量之间的传播影响过程，实现故障传播路径的辨识。所提方法在双带通滤波器电路上进行了实验验证，实验结果表明了所提方法能够正确筛选故障相关变量集合，分析变量之间的因果关系，辨识出故障传播路径，同时所提方法在时间成本上相较于常用的传递熵方法具有一定的优势。