基于CLIPS的激光驱动器故障诊断专家系统设计

针对大型激光驱动器故障定位难,诊断、处置效率低的基本现状,提出利用专家系统进行故障诊断的基本思路,并以自动准直子系统为例,介绍了专家系统的体系架构、故障树模型、知识库设计和基于CLIPS工具的实现方法。初步应用结果表明,该专家系统有助于提高装置的故障诊断效率和智能化水平,增强系统可用性。     

基于案例推理和故障树诊断的专家系统设计

以A320自动飞行控制系统的故障为例,在故障诊断方案设计中将案例推理和故障树分析法两种常见的故障诊断方法进行融合,通过对两种诊断方法优缺点的相互弥补而得到一个较为完善的故障诊断方案,所设计出的故障诊断方案可为航空公司构建更完善的专家系统提供参考。     

融入模糊推理的新型故障树诊断方法

在以预防为主、准确、高效武器装备故障诊断的指导思想下,针对故障树诊断法固有的优缺点属性,本文将产生式规则和模糊理论引入故障树中,设计了故障树的确定性诊断和不确定性推理的故障诊断推理方法,将模糊故障机理以“故障树”的方式进行表达,使故障树诊断从确定性诊断领域扩展到模糊诊断领域,并构建了相应诊断算法流程。通过仿真对比,说明了该故障诊断推理方法的正确性,同时还证明了该方法具备快速性、准确性,以及处理模糊故障机理问题的能力。     

基于案例和规则融合的民用客机故障诊断系统设计

目前很多工程应用中的飞机故障诊断方法,只考虑单一的基于案例或基于规则的诊断方法,故障诊断的效率有待提高。本文针对民用客机地面运营支持系统的特点和要求,将案例和规则融合的推理机制引入到飞机故障诊断系统的设计中。该方法采用规则推理为前导、案例推理后置补充的结合方式,最大化地利用飞机故障隔离手册知识和从维修记录中提取的案例知识,从而提高首次故障隔离效率、降低无效排故时间。以民用客机某系统的典型故障为例,阐述了该推理机制在故障诊断中的应用。通过历史飞行数据试验,验证了提出的基于案例与规则融合诊断方法的有效性,以此为基础设计的故障诊断方案可为航空公司构建更完善的专家系统提供参考。     

故障树知识在空分系统故障诊断推理中的应用

从某大型空分系统的故障诊断专家系统实例出发,提出了二叉故障树的概念,并结合膨胀机模块的某一故障现象,建立了二叉故障树的原型。以此为基础,着重研究了二叉故障树在专家系统中的计算机表示和基于故障树知识的诊断推理机制。     

某型飞机发动机故障诊断专家系统设计

针对某型飞机发动机故障诊断困难以及视情维修对维修技术提出的更高要求,利用专家系统人工智能技术设计了该型飞机发动机故障诊断专家系统。该系统利用自动检测技术获得发动机状态参数,通过智能诊断实现故障定位。系统利用模块化设计思想进行了人机交互界面设计、故障知识数据库建立、推理机制设计、获取知识程序设计、解释程序设计,实现了发动机故障的快速定位,提高了发动机诊断维修的时效性,保证了发动机的完好率。     

基于设备结构分解的可视化故障推理与诊断技术研究

通过定义热区和热区索引,将故障推理与诊断同设备结构分解相对应,在诊断的过程中构建了故障自动推理编码规则,可将故障树转换成一系列可操作的且具有一定逻辑关系的编码,实现可视化故障自动推理和诊断。通过某型电子装备进行故障推理实例验证,表明该方法层次结构清晰,推理简单有效,能够实现装备可视化的LRU级分层故障诊断和故障的快速定位。     

测控装备协同故障诊断系统研究

掌握地面测控系统的技术状态、尽快排除装备故障,是保证发射活动顺利实施的关键;根据测控装备的使用特点提出了协同故障诊断系统保障需求,针对装备的组成特点及结构原理,采用虚拟仪器技术、DataSocket技术、LabVIEW以及PXI总线系统架构,提出了基于故障树诊断和基于案例的故障诊断的专家系统,设计了基于故障树和故障字典双模式统一存储结构的信息库;最后,通过对装备外测频综机柜的故障诊断实例,对系统协同条件下故障树诊断进行了验证;结果表明系统满足功能设计要求,诊断结果可靠,人机交互友善,操作方便。     

基于CLIPS的机载光电跟踪设备故障诊断专家系统研究

针对机载光电跟踪设备传感器种类多、单元部件结构复杂和急需快速故障定位的要求,设计了机载光电跟踪设备故障诊断专家系统。通过建立跟踪系统故障树并分析其故障特点,确定了模糊多值产生式规则的知识表示方式和冲突消解策略,构建了专家系统知识库和推理机;同时结合数据库建立的故障表和规则表,实现专家系统解释器功能;最后将CLIPS嵌入VC设计友好人机交互界面。实验表明,该专家系统操作方便,能快速准确定位故障、解释故障成因以及提供维修建议。     

基于多信号流模型的诊断策略动态生成

针对静态故障树诊断序列长、人工可干预度差和不支持多现象并行推理问题,提出了基于D-矩阵和Rollout信息启发搜索算法的故障诊断策略动态生成方法,介绍了基于TEAMS多信号流模型的D-矩阵数据获取方法和Rollout信息启发搜索算法的DLL独立封装技术、输入输出数据规范和动态交互控制方法;基于此开发的交互式智能诊断系统(IIDS)软件平台经实际现场测试诊断验证,对诊断现场出现的多种客观条件,如系统工作模式或测试资源变化、用户干预和多故障现象并发推理等具有很好的适应性,故障覆盖率和隔离率指标高,对提高装备故障诊断的效率、准确性和灵活性具有显著作用。     

基于故障矩阵的贝叶斯故障定位方法

故障的准确诊断和定位是云计算系统提供持续服务的前提条件。为了提高系统故障诊断和定位的性能,本文提出了一种基于故障矩阵的贝叶斯故障定位方法。首先,对云计算系统的软件结构进行了抽象,对事物进行了定义,并描述了事务的执行路径。其次,将系统运行的多个执行路径表示为故障矩阵,并给出了组件健康状态的逻辑命题表达式。最后,应用贝叶斯概率分析了系统故障的概率。实验表明,本文提出的方法与其它相关方法相比,故障识别的准确性更高,所用的执行时间更短。     

故障树分析法在装甲车辆电源系统故障诊断中的应用

为了能够准确地进行装甲车辆电源系统的故障诊断,深入地研究了故障树分析法在其中的应用;首先,以某型装甲车辆电源系统为研究对象,根据系统失效模型和故障机理,将故障树分析法运用于装甲车辆电源系统故障诊断中,建立电源系统故障树模型,进行故障分析与诊断;其次利用电源系统故障诊断平台对电源系统4个模块进行故障模拟仿真研究,可看出故障树分析法能够准确地诊断出电源系统各个模块的故障,检测精度可达94%,取得了预期效果。     

一种模拟滤波器电路的故障诊断方法

针对模拟滤波器电路,提出了一种基于测前仿真和测后仿真相结合的故障诊断方法。在测前仿真环节,通过仿真获取电路正常状态及故障状态的幅频响应曲线,引入“区别度”计算电路故障状态和正常状态的区分程度,从而确定电路的可测故障集,并通过频率选择建立可测故障集的故障字典。在测后仿真环节,通过不同频率的激励获得电路故障状态的测试数据,再利用“区别度”计算测试数据与故障字典中各故障特征的区分程度,通过最小“区别度”实现故障检测及故障元件的定位。最后通过一个滤波器电路仿真实例,基于PSpice仿真和Matlab程序计算实现了基于测前仿真的可测故障集确定和故障字典建立,以及基于测后仿真的故障检测和故障元件定位,验证了本文提出方法的实用性。     

一种复杂系统的快速故障诊断方法

为提高复杂系统的故障诊断效率,基于故障诊断树原理,提出并实现了一种快速故障方法。实现该方法主要包括六个关键步骤,分别是故障诊断树的梳理、诊断节点代码的编写录入、Labwindows CVI软件与数据库的通信连接、故障诊断树显示及故障诊断推理、故障诊断节点的编辑、故障结论的存储与显示。在此基础上,设计开发了相应的故障诊断软件,并利用该软件对某型装甲车辆炮控系统进行故障诊断。结果表明,该型软件人机交互性好、操作便捷,基于故障诊断树原理的故障诊断方法可较大的提高故障诊断效率,工程应用前景广阔。     

基于故障树的氧碘化学激光器故障分析

为方便快捷地查找出氧碘化学激光器故障发生的原因,以氧碘化学激光器常见故障为例,建立了其功率失常的故障树模型,用最小割集理论按下行法对模型进行了定性分析和定量分析。分析表明:氧碘化学激光器7个子系统中,碘供给子系统的可靠性最低,氯气供给子系统次之,这与实际情况相符。计算出的氧碘化学激光器出光不正常发生概率为3.99%,其可靠度为96.01%。     

复杂机载电子系统故障综合诊断技术研究

故障综合诊断技术一直是复杂机载电子系统研发过程中的关键部分,当前的故障诊断技术同时需要机内测试（BIT）和场外自动化测试设备（ATE）的测试结果才能得出诊断结果,诊断效率低,时间长并且不能在线诊断。针对新一代战斗机将更加依赖航空电子系统的趋势,迫切需要一种诊断时间短,且能够实现在线诊断的故障诊断技术。因此,一种基于模型的故障诊断方法被提出。该方法通过融合多信号模型和整数编码故障字典模型,模块间采用多信号模型,单个模块中采用整数编码故障字典模型,克服了多信号模型对测试信息的浪费和整数编码故障字典模型建模困难的缺点,并提出一种多目标测试优选方法,通过优化检测方案,充分发挥BIT的检测性能。该方法通过充分使用BIT的测试信息,摆脱了对场外ATE的依赖,实现了在线快速定位故障并识别故障模式。     

Sensor and Actuator Fault Diagnosis for Robot Joint Based on Deep CNN

This paper proposes a data-driven method-based fault diagnosis method using the deep convolutional neural network (DCNN). The DCNN is used to deal with sensor and actuator faults of robot joints, such as gain error, offset error, and malfunction for both sensors and actuators, and different fault types are diagnosed using the trained neural network. In order to achieve the above goal, the fused data of sensors and actuators are used, where both types of fault are described in one formulation. Then, the deep convolutional neural network is applied to learn characteristic features from the merged data to try to find discriminative information for each kind of fault. After that, the fully connected layer does prediction work based on learned features. In order to verify the effectiveness of the proposed deep convolutional neural network model, different fault diagnosis methods including support vector machine (SVM), artificial neural network (ANN), conventional neural network (CNN) using the LeNet-5 method, and long-term memory network (LTMN) are investigated and compared with DCNN method. The results show that the DCNN fault diagnosis method can realize high fault recognition accuracy while needing less model training time.     

云计算中基于相似性图的故障自动诊断方法

故障的自动诊断和修复是云计算提供持续服务的关键。为了提高云环境下故障自动诊断的性能,本文提出了一种包含相似性替代图和检测图的故障诊断框架。首先,根据相似性将系统的运行指标和事件构成替代图,对替代图中的节点进行分组,使得同一组中的节点可以相互替代。其次,根据事件的时间关系将故障表示为事件的序列,通过排名的方法识别出关键事件并以此构成故障模式。最后,提出了一种基于贝叶斯方法的故障诊断算法。实验表明,本文提出的故障诊断方法与著名的fingerprints方法相比,故障诊断的准确性更高,诊断效率更快。