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。     

两种前向神经网络在变压器故障诊断中的应用

针对依靠变压器油中溶解气体分析的传统故障诊断方法存在的不足以及未来智能诊断算法进一步发展的需要,在研究人工神经网络的基础上,介绍了两种前向神经网络在变压器故障诊断中的应用,并用大量的DGA样本数据做了仿真训练。首先讨论了几种常用变压器故障诊断方法的一些缺陷,通过分析现代智能诊断算法的局限性,得出改进人工神经网络的优势。然后结合两种前向神经网络的原理和结构,对变压器内部故障进行了分类和编码。分别设计了相应的故障诊断模型,在MATLAB中做了仿真测试,并给出了仿真程序。仿真结果表明,两种神经网络用于变压器故障识别较为理想,其中PNN网络在样本数量较多时效果更好,有效提高了变压器故障诊断的正确率。     

基于粒子群优化算法的伺服系统测试点优选策略研究

针对某型雷达天线伺服系统测试点多,故障诊断需测试较多测试点而导致的故障诊断时间长,效率低的问题,提出了一种基于粒子群优化的测试点优选方法。该方法首先基于系统所需的故障诊断率和所能容忍的故障虚警率构建目标优化函数,其次利用粒子群算法对目标函数进行优化以选择最少的测试点完成故障定位和诊断。该方法避免了对所有测试点的测试,节省了测试时间,可在最短的时间内完成测试点的优选。仿真实验验证了算法的有效性。     

解决城轨车辆电机空转的非奇异终端滑模控制

使用一种非奇异终端滑模控制方法,解决轨道车辆行驶中出现轮对打滑后的控制问题,基于建立城轨车辆永磁同步电机数学模型,参考非奇异终端滑模控制策略,模拟列车控制系统应对打滑的控制方法。仿真结果表明,与传统PID控制相比,牵引电机可以在更短的时间内到达给定值,且对于扰动具有鲁棒性,使得轨道车辆在打滑发生的情况下可以更快更稳定地恢复到平稳运行区。     

地铁电气柜通用测试仪的硬件设计

地铁控制系统是一个庞大的电气控制系统,在控制系统中包含大量的控制电路和逻辑器件;在地铁系统出厂投入运行之前必须确保控制系统的安全性以及其逻辑功能的准确性,为此对控制系统中所有电气柜的检测是一个必不可少的工序;而以往大多采用人工检测方法,效率低也容易引起人为操作错误;为了能够高效、准确地对电气柜内的接线和元件的逻辑组态进行检测,文章研究并设计开发一种通用电气柜逻辑测试仪,测试仪提供1 000个普通测试点和10个大功率测试点,接线使用标准的接线器,检测操作简单、可靠性高;文章研制的测试仪已成功应用于地铁电气柜的测试中。     

基于改进的自适应回归时序模型故障诊断

汽车变速箱的故障诊断工作比较复杂,由于传统的诊断方法已不能满足复杂的故障现象, 文中提出了一种基于改进的自适应回归时序模型故障诊断方法;方法采用了基于时间序列故障诊断技术,首先测取工作环境下的振动信号,然后建立被诊断对象的时间序列数学模型,最后用信息距离判别法诊断出故障类型,提高了诊断效率;最后在变速箱进行了实验研究;选用型号为621B40型ICP加速度传感器测取变速箱的振动信号,通过设置模型参数(n,m)来模拟故障检测,实验分析表明,提出的算法可以有效地识别变速箱系统中不同严重程度的故障,且与传统的故障诊断算法相比,提出的算法对提高识别率和降低计算复杂度都有着明显的优势。     

基于GA-BP的移动通信设备故障诊断

针对通信设备故障发生随机性强,影响因素多,对应的故障诊断有高度非线性和不确定性的特点,采用BP神经网络算法,优化的GA-BP神经网络算法和POS-BP神经网络算法分别搭建基站设备故障诊断模型,提取设备故障历史数据进行MATLAB仿真,准确预测设备故障类型,帮助提高代维公司调度管理的智能化水平,提高基站设备运维的执行效率。仿真结果表明：本文的BP,GA-BP和POS-BP神经网络算法都能够实现设备故障类别的预测,且GA-BP神经网络算法相比BP和POS-BP神经网络算法对通信设备故障诊断有更好的适应性。     

基于强化学习和蚁群算法的WSN节点故障诊断

为了克服现有的WSN节点故障诊断方法所具有的难以实现在线诊断和诊断精度仍然不够高的缺点,设计了一种基于Sarsa算法和改进蚁群算法的WSN节点在线故障诊断方法。首先,建立了监测区域的网络模型和WSN节点故障诊断模型,然后,采用主成分分析法对节点故障样本数据进行降维,从而提高诊断效率,将样本数据作为层次,将故障诊断类作为各层节点建立层次树,采用改进的Sarsa算法求取各层节点的Q值,并将其用于初始化蚁群算法中路径的信息素,最后,提出了一种改进的蚁群算法求取从第一层出发的蚁群到各层节点之间的路径,将各层中信息素最大的节点作为最终的故障诊断类别。在Matlab环境下进行仿真实验,结果证明文中方法能有效实现WSN节点故障诊断,且与其它方法相比,具有故障诊断精确度高且能在线故障的优点,是一种有效的节点故障诊断方法。     

试飞机载测试系统一体化验证平台的设计与实现

为提高智能车对多车道的实际道路车辆行驶环境的适应性,提出了一种基于三车道模型的车辆检测方法。方法在预处理的基础上利用极角及位置约束的Hough变换得到可能的车道线信息并利用消失点对车道线进行筛选;利用三车道四线模型对车道线进行匹配;对于每条车道,分别利用车辆灰度信息对车道线内车辆进行识别,并利用视频的连贯性对车辆识别结果进行修正并跟踪车辆。该算法通过对车道线的二次筛选,提高了三车道模型的准确率,进一步提高了对于不同车道车辆识别的正确率。实验结果表明,在结构化道路上,对于不同路况,算法均具有较好的实时性和鲁棒性。     

改进的无线射频识别阅读器定位算法

针对RFID故障频率较高而导致RFID阅读器定位准确性较低的问题,提出一种改进的RFID阅读器定位算法。首先对RFID阅读器的故障类型进行分析,然后基于识别区域几何知识和线性二阶锥形规划处理长时大范围故障,并且采用质量指数指标对定位结果进行评价,最后对算法进行仿真测试。仿真结果表明,相对于当前的RFID阅读器定位算法,本文算法不仅提高了定位精度,而且可以提供定位质量信息。     

核电厂数字化化学与容积控制系统上充功能的可靠性分析

将可控链式核裂变技术用于电力生产是原子能利用的重要形式,其中又以水冷热中子反应堆技术为主。水冷堆核电厂数字化仪控系统是核电厂的神经中枢,提高其可靠性,对核安全具有重要意义。为解决核电厂数字化仪控系统实现的备用自投、启动失效等动态行为的可靠性问题,本文研究了化容系统动态故障树分析方法,根据上充控制涉及的控制系统结构和上充泵冷热备用控制逻辑,建立了上充功能失效的动态故障树模型;采用最小割集法和Markov模型进行可靠性定量分析。可靠度分析结果表明,冗余和备用提高了系统的可靠性;重要度分析结果表明,针对系统优化设计,应优先考虑电气开关柜和接线箱,检测维修应优先考虑电气开关柜、过程控制柜。     

基于多区域代理的分布式故障诊断方法

军用大型复杂装备组成涉及多个子系统或多个装备,故障诊断涉及上百个分散测试点数据采集和分离模块的诊断推理。传统装备采用集中测试和诊断方法,配套测试系统结构设计复杂、系统故障诊断算法效率低。本文基于D-矩阵故障诊断原理,提出基于多区域Agent的分布式故障诊断结构模型和区域Agent数据协同、区域Agent测试结果仲裁等问题的解决办法,并以某型舰船装备为例,验证了基于多区域代理的分布式故障诊断技术的有效性。     

基于支持向量机的机载吊舱故障诊断优化算法

提升机载吊舱的后勤保障能力,适应吊舱测试中多型号、多故障类型和测试环境动态变化的测试要求,是打赢现代化战争的重要保障。支持向量机（SVM）算法适用于小样本、高维度、非线性分类问题,SVM相关参数是影响算法性能的重要因素。基于K-CV算法和粒子群算法两种改进的SVM模型可以实现SVM参数优化,K-CV算法可以交叉验证优化模型参数,粒子群算法可以对SVM参数进行动态寻优,建立多核SVM吊舱故障诊断模型。两种算法都可以提高吊舱故障诊断模型的准确率,提高模型的学习能力和泛化能力,有效对吊舱的故障进行定量和定位诊断。     

基于遗传算法的自动驾驶仪测试性分析

为了提高自动驾驶仪故障测试与诊断的快速性与准确性,提出了一种基于遗传算法的自动驾驶仪测试性分析方法;此方法解决了遗传算法应用于测试项目选择的难点,构建了最优的故障测试策略,能以最短时间完成测试并满足测试覆盖性的要求;利用故障测试获得的知识,简化故障与测试间的相关性矩阵,加快了故障诊断的速度;最终获得了故障测试与诊断一体化的方法;实验结果表明,此方法有效提高了故障测试与诊断的速度,并且易于实现。     

基于免疫遗传算法改进的BP神经网络在灭火系统电路板故障诊断中的应用

针对装甲车辆灭火系统电路板规模较大,功能日趋多样与完善的同时,其复杂程度也日益提高,故障层次越来越多,故障现象与故障原因的映射关系更加复杂,组合故障频发,传统的故障诊断方法已不能满足灭火系统电路板故障诊断的要求。设计了基于免疫遗传算法优化的BP神经网络对灭火系统电路板进行故障诊断,并在免疫和遗传过程中保留了部分训练最优解。实现了神经网络收敛速度的提高,使用Matlab编程优化算法并完成了电路板仿真故障的诊断。通过实验验证了该诊断模型的准确性和可靠性,为电气系统通用检测设备的神经网络诊断方法实现提供了理论支撑。     

基于风洞的设备健康管理与数据有效性判定平台研究

低速增压风洞是满足我国航空工业科技发展而建设的一座气动力重大基础试验设施。为了保障该设施的高效率和可靠地运行,以各机电设备、电气测控设备、机械装置为对象,根据其故障模式和故障特点选取合适的监测点,获取实时工作状态数据,再以数据为基础,进行状态监测、故障诊断、故障预测,实现预先性决策和针对性快速维修。基于OSA-CBM 体系构建的风洞健康管理系统,根据设备的运行状态,实现对试验数据的有效性进行实时判定,并实现了风洞装备由事后维修向视情维修转变;实现了装备从使用、维护、管理模式由分散式管理向集约式管理的转变;实现了装备系统故障诊、预测及判读从人工智能向机器智能的转变。     

改进GSO与二维OTSU融合的红外图像多阈值分割方法

针对二维最大累间方差（Nobuyuki OTSU,OTSU）图像分割算法在电气设备故障诊断与定位中,其红外图像的多阈值分割中存在的耗时多、分割精度低、误分割等不足,造成故障区域欠分割或者过分割的问题,提出一种改进的萤火虫算法（glowworm swarm optimization,GSO）与二维OTSU的融合算法来提高电气设备红外图像多阈值分割的实时性与准确度。寻优过程中,将局部寻优扩展到全局寻优,并引入非线性递减步长及新的移动策略对GSO进行优化改进。实验结果表明:该融合算法在分割结果上较二维OTSU及未改进GSO与二维OTSU融合算法更能准确分割运行电气设备图像异常区域,分割速度分别提高19倍、1.28倍,为红外图像早期故障的有效识别与定位奠定基础。