故障树模块化在装甲车辆灭火系统故障诊断中的应用

为了实现装甲装备灭火系统故障的快速诊断,提出了一种故障树模块化分析方法;对灭火系统故障树进行深度优先最左遍历,并记录遍历过程,按照遍历顺序对故障树中的每个事件进行标定,并将灭火系统故障树划分为相互独立的模块,依据划分的模块可以通过故障现象对模块内的故障进行排查及修复;实验结果分析表明,该方法可以快速修复模块故障,恢复系统功能,简化了以往对灭火系统所有子事件遍历查错的繁琐过程。该方法同样可以计算故障模块的失效概率,并可以实现故障模块的整体更换,恢复系统性能;证明了故障树模块化方法在灭火系统故障诊断中具有较高的效率,简化了灭火系统诊断流程,在装甲车辆其他系统故障诊断中具有借鉴作用,符合现代作战对于装备保障的需求。     

基于有色Petri网的机械系统故障诊断研究

故障诊断对于机械系统的使用与维护起着重要的作用;为了提高机械系统故障诊断的效率以及直观性,提出了一种使用基于知识的故障诊断方法,即使用有色Petri网诊断方法建立一种通用机械系统故障诊断模型并进行分析。针对数控机床液压元件故障这一案例,首先获取其故障来源建立故障树;其次在故障树基础上运用有色Petri网建模工具CPNTools建立有色Petri网模型;最后对模型进行了仿真分析以模拟故障的传递,进行状态空间分析以判断模型安全性,结果表明所提出的建模方法能够使得故障传递更加直观化,快速了解故障的发展趋势,并表明此模型有着较强的易用性以及通用性。     

基于Petri网和故障树的电力系统故障诊断模型

电力系统元件发生故障后,继电保护动作发出信号使相连的断路器断开,有效地保护了元件,但是也为故障的诊断增添了困难。本文针对带有主保护和后备保护的电力系统故障诊断建模困难复杂等问题,提出用故障树分析法对核心故障建模,并将故障树模型转换为对应的Petri网模型,运用Petri网的状态转移方程进行矩阵运算,不仅清晰的表示了故障的发生和形成,也能快速准确的诊断出故障发生元件,降低诊断的复杂性。实例分析说明了该方法准确性和有效性。     

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。     

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。     

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。     

基于多信号流模型的电子设备故障诊断方法

为了提高产品的可靠性,并且在电子设备发生故障时迅速地确定故障源,保障设备的正常运行,基于多信号流模型的诊断建模方法,在多信号流基础上引入了以故障重要先验知识为主的多信号流故障诊断策略,通过引入故障模式的故障概率改进了多信号流诊断技术。该方法已应用于BEPCⅡ磁铁电源接口控制设备故障诊断系统,使用TEAMS测试工具箱建模实现了快速准确的故障诊断和定位,提高了磁铁电源控制设备的故障诊断检测率和隔离率,并且可以方便地扩展到其他设备和系统上。     

基于故障树的地铁屏蔽门故障诊断专家系统的设计

在地铁屏蔽门系统的故障诊断中,传统方法存在效率低、人工负担重等缺陷。为此,设计了基于故障树的故障诊断专家系统。先用屏蔽门的资料构建出扩展故障树,然后使用早期不交化和模块化等方法将其简化成基本故障树,求出最小割集。在故障树的基础上,设计了专家系统的知识获取和表示机制,建立了知识库。在构建推理机时,采用了双向推理、全自动推理、半自动推理、人工回溯等策略,提高了诊断效率和可信度。该系统可与综合监控系统进行接口,能对相关信息进行推理分析,对潜在故障进行预警,对已发生故障进行快速定位和诊断,出具故障报告和处理建议书,并提供故障模拟及培训功能。试用者的反馈意见表明该系统具有较好的实用价值。     

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。     

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。     

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。     

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。     

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%。     

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。     

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。