基于通用生成函数的惯导部件可靠性建模

惯性导航系统是飞机、导弹等复杂装备的重要部件。准确评估其可靠性是装备使用、保障和遂行作战任务的基础。在分析基于通用生成函数方法构建多状态可靠性模型研究的基础上,设计了一种基于通用生成函数方法的性能相依多状态系统可靠性建模的仿真算法,以某型飞机的惯性导航计算部件为研究对象对模型的正确性进行了验证,并且和基于贝叶斯网络可靠性建模方法进行了比较,结果表明:①设计方法可行与贝叶斯方法可靠性结果一致且计算速度快,其中贝叶斯算法过程约需3.72e-02 s,而基于UGF的算法需要1.8810e-03 s左右;②所建模型可以获得多状态系统性能状态的分布特性。     

基于链式贝叶斯网络的结构可靠性分析

将贝叶斯网络与传统可靠性方法结合,建立结构系统的可靠性贝叶斯网络模型,通过改进的分支限界法确定结构主要失效模式,并将贝叶斯网络链式化来提升计算效率。根据可靠性方法计算条件概率表;使用概率网络估算法来考虑主要失效模式之间的相关性,计算系统可靠性;当有新信息出现时,利用贝叶斯网络推理,对结构系统可靠性进行评估。以一桁架结构为研究对象,计算结构系统的可靠性,并在新信息出现的情况下对系统可靠性进行了更新。     

基于贝叶斯网络的结构可靠性更新与损伤评估

针对传统可靠性方法无法进行信息更新与处理离散变量的缺点,本文将贝叶斯网络与传统可靠性方法结合,建立复杂结构系统的可靠性贝叶斯网络模型;通过连续变量离散与消除得到传统贝叶斯网络结构,根据可靠性方法计算条件概率表;当证据信息出现时,利用变量消元法进行精确推理,实施结构可靠性更新与损伤评估。以一刚架为研究对象,更新结构的可靠性并评估结构失效情况下两个截面的损伤程度,与蒙特卡洛方法对比,证明了本文方法的精确性和有效性。     

后验概率算法用于位移场的确定

提出了一种基于贝叶斯最大后验估计算法确定固体表面位移场的方法。在图像处理过程中，把位移看作随机变量，首先建立贝叶斯模型，对变形前数字图像中的一个像素点，选定变形前后两幅数字图像中对应的圆形子区，将两子区所对应的所有可能位移逐一代入贝叶斯后验概率公式进行计算，使后验概率最大的位移值就是所求该点的位移。在得到整像素位移之后，引入亚像素重建技术，确定图像的精确位移场。本文通过计算机数字模拟实验和实物标准位移实验，验证了该方法的可行性，并得到了0．02pixel的位移测量精度。     

基于贝叶斯方法的地形辅助导航算法

提出并建立了一种基于贝叶斯方法的地形辅助导航(TAN)模型,推导了模型公式。针对该模型,应用最大后验估计方法,给出了一种近似的实现方法,即基于贝叶斯方法的地形辅助导航算法。仿真结果表明,该算法的均方根误差和圆概率误差等性能均优于SITAN(桑地亚惯性地形辅助导航)算法。     

拉格朗日松弛算法在平台罗经多故障诊断技术中的应用研究

最优多故障诊断问题是一个NP-hard问题。针对平台罗经这一复杂系统，采用有向图描述元件与测试点间的因果依赖关系，并建立系统的多信号模型。在考虑元件发生故障的先验概率的前提下，提出一种基于拉格朗日算法（LRA）和子梯度优化算法（SOA）近最优多故障诊断算法，并在某型平台罗经的方位稳定系统多故障诊断中得到应用。结果表明：该方法相对于传统的单故障诊断方法诊断速度快，适用于平台罗经这类大型复杂系统的多故障诊断。     

基于显示连通贝叶斯网络的机场塔台地震易损性分析

将基于性能的多维易损性分析方法,结合显示连通贝叶斯网络,应用于机场塔台的多维易损性分析。考虑地震激励的不确定性,通过非线性时程分析获得结构响应数据;将塔台结构分为三个层次,每个层次按包含的层数分为相应的子层次。根据功能特性确定子层次的评价指标和极限状态,建立服从多元对数正态分布的概率地震需求模型;考虑各种极限状态之间的相关性,建立极限状态方程,确定失效域,通过蒙特卡洛法求得构件的超越概率;建立塔台结构的显示连通贝叶斯网络模型,利用层次分析法获得中间节点的条件概率表,利用MATLAB进行贝叶斯网络的推理计算,实现从单一层次的易损性到整体易损性的推理。     

机场跑道性能退化随机过程模型的贝叶斯数据更新方法

为了精确预测民用机场跑道的剩余使用寿命，利用数据融合技术将两种数据集进行联合分析，采用贝叶斯概率预测方法对机场跑道定期检测数据进行更新。考虑机场道面退化过程的随机性和动态性，建立了一种机场道面性能退化的动态半马尔可夫随机过程模型，利用生存分析对半马尔可夫过程模型的转移概率进行了估计。考虑飞行交通量和道面厚度的双重影响，采用某地方民用机场2007—2017年的道面性能定期检测数据，分析了两种影响因素的作用。利用半马尔可夫过程模型的转移概率对某地方民用机场跑道性能退化过程进行了预测，并采用马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)模拟技术，基于贝叶斯统计分析方法，利用不定期检测数据得到的先验信息对半马尔可夫过程模型的转移概率进行了更新，将更新后的模型应用于民用机场跑道性能预测，并将预测结果和未更新的动态半马尔可夫过程模型预测结果进行了对比分析。结果表明，基于MCMC的贝叶斯分析方法能够融合定期和不定期检测数据确定动态半马尔可夫过程模型的参数先验信息，可以有效地更新机场跑道的性能预估模型，提高模型的预测精度。     

基于Lyapunov指数谱的航空发动机故障诊断研究

提出了基于Lyapunov指数谱和Lyapunov指数谱熵的航空发动机状态识别和故障诊断新方法。基于实测的某型航空发动机振动时间序列求解了系统不同工作状态和故障状态的Lya-punov指数谱;基于Lyapunov指数谱,对该型航空发动机进行了状态识别和故障诊断;为给出对Lyapunov指数谱及其对状态识别和故障诊断的整体表述,定义了Lyapunov指数谱熵,并基于该谱熵对该型航空发动机进行了状态识别和故障诊断。研究结果表明该型航空发动机振动时间序列在不同状态下具有不同的Lyapunov指数谱及其谱熵,即可以Lyapunov指数谱及其谱熵作为识别其状态的特征量,为航空发动机的故障诊断和状态监控提供了新的可靠的方法。     

基于案例推理方法在惯性导航故障诊断专家系统的应用

以测量船惯性导航系统为例,为解决其故障诊断专家系统知识瓶颈问题,特别是突发、原因不详的故障,利用专家知识和以往的工作经验积累,在故障诊断专家系统中融入了基于案例的推理方法。这种推理方法把知识获取简化为领域内经验知识的收集,并以此为基础构造案例库;把基于规则的推理转化为基于案例推理,即在案例库中检索相似的经验知识。采用基于案例推理的方法,可以简化知识获取的过程,求解效率高、质量高,具有持续的学习能力,能有效提高故障诊断系统的智能化程度。文中重点介绍了构建该故障诊断专家系统的案例知识表示方法、案例的索引和检索算法等关键技术。     

知识发现技术在平台自动测试系统故障诊断中的应用

针对平台自动测试系统故障诊断的特点和设计要求,提出了一种将知识发现技术融入故障诊断系统中的新的框架,同时设计了知识发现操作的具体过程。系统运行后,既可以发现新知识,又可以改进原有规则,大大提高了系统的知识获取和故障诊断能力。     

AIRCRAFT CONTROL SURFACE FAULT DIAGNOSIS AND EVALUATION OF FLIGHT PERFORMANCE

针对操纵面故障将严重影响飞机的飞行安全,提出一种能快速实现故障诊断及性能评估的系统方法。首先,当系统状态维数较高时,采用容积卡尔曼滤波算法的球形积分准则和径向积分准则优化Sigma 点的采样策略和权重分配,较好地解决了无迹卡尔曼滤波算法滤波性能明显下降的问题;然后,利用飞机等速平飞运动特征计算故障下的升力系数和阻力系数,得出能反映飞机性能的飞行包线;最后,通过仿真结果验证了本文所提方法的可行性。     

转台的粗糙神经网络故障诊断系统设计

针对转台故障的多样性与复杂性,设计了独立于专家的粗糙神经网络故障诊断系统。首先建立转台故障诊断决策表,然后用粗糙集方法约简冗余属性,最后设计了神经网络分类器和辨识器。实验结果显示,诊断系统能较好地区分和辨识具有相同故障现象的不同故障,诊断正确率达到96.7%。将粗糙集理论与神经网络相结合,简化了信息表达空间,减小了神经网络结构的复杂性,并具有强大的容错和抗干扰能力,工程实用性强。     

飞机机翼损伤的气动模型及故障诊断研究简

为了确保机翼损伤后飞机的飞行安全，提出了一种在线的故障诊断方法. 首先，根据输入输出特性，采用遗忘因子递推最小二乘法对飞机故障后的气动导数进行辨识，建立了机翼损伤故障的数学模型；然后，结合多模型方法和中心差分卡尔曼滤波器（central difference Kalman filter，CDKF）各自的优点，实现对机翼损伤的故障诊断，并采用强跟踪滤波器在线更新CDKF 的采样点，以增强CDKF 的自适应能力. 最后，通过仿真结果验证了本文所提方法的有效性.     

野值存在情况下组合导航系统的容错技术研究

提出了“故障诊断周期”的概念，并基于一个诊断周期内占多数的数据均超过门限时才认为故障，否则认为是野值的故障原则对故障蜮野值情况分别处理。该容错方法不仅可以避免因野值造成的组成模式的频繁，而且还通过剔除野值对滤波的影响，提高了系统滤波精度和数据的连续性，并提高了系统故障检测的灵敏度。这在仿真中都得到了证明，说明该方法行之有效，在工程实际中也可以应用。     

基于C-SVM的组合导航系统故障诊断算法

为了提高捷联惯性组合导航系统的可靠性,将聚类支持向量机(C-SVM)应用于故障诊断技术,基于SINS/DVL/MCP/TAN组合导航系统建立了C-SVM故障诊断模型,将SINS/MCP、SINS/TAN和SINS/DVL三个子滤波器的相关特征量(残差值和状态检测函数)作为样本对C-SVM进行训练,并应用交叉验证法选择参数组.根据训练好的C-SVM模型分别对三个传感器进行故障诊断,若发生故障则屏蔽相应传感器的输出信息,利用其余的传感器进行重构.仿真结果表明,C-SVM的故障诊断正确率较高,特别是当训练样本数有限的情况下也能够达到较好的性能,克服了传统的神经网络在训练样本数较少时推广性能不足的问题,因此是一种理想的故障诊断技术.     

基于邻域粗糙集的转台故障诊断

针对转台的故障类型和特点,设计了基于邻域粗糙集的故障诊断系统。邻域粗糙集以邻域关系代替经典粗糙集的等价关系,通过邻域信息粒子逼近论域空间,可以直接处理数值型属性。提出了一种基于邻域等价关系的混合约简算法,通过计算条件属性的依赖度,对原始决策表进行约简,有效地剔除了系统的冗余属性。在约简决策表的基础提取分类规则,并最终生成分类机。通过对转台故障诊断的实验,验证了该方案的有效性和可行性。