基于多Agent的雷达设备远程故障诊断系统

针对雷达设备的故障检测需求,设计由多个Agent组成的远程故障诊断系统软件结构;提出结合结构和故障的综合方法对雷达诊断问题进行分布式任务分解,明确故障问题;阐述多Agent之间合作完成诊断任务的过程;对系统的硬件结构进行层次划分和功能设计。通过实例说明系统诊断功能的实现。     

基于FTA-FMEA联合法综合诊断电子设备故障

研究将可靠性分析理论应用于电子设备的故障诊断,首先将电子设备的故障诊断划分为模块级和器件级两个层次,利用FTA方法简化模块级诊断的搜索和推理策略,利用FMEA方法建立器件级诊断中的故障字典,两种方法的结合使用,有效提高了诊断效率。     

基于小波SOM神经网络和多Agent系统的微电网故障诊断方法

针对利用传统神经网络对具有运行方式灵活、拓扑结构多样等特点的微电网系统进行故障诊断存在适应性差、需要大量的训练样本的问题,提出了一种将多Agent系统与小波SOM神经网络相结合的故障诊断方法。该方法利用小波SOM神经网络判断故障原因,通过多Agent系统判断故障位置,可以在较少的训练样本的基础上实现故障的准确诊断。仿真测试结构验证了论文所述微电网故障诊断方法的有效性,以及具有需要典型的故障样本少以及对微电网系统拓扑结构的变化具有很好的适应性的优点。     

基于BP神经网络的虚拟故障诊断的实现

针对电子设备故障诊断与维修训练的需求,以某型通信设备电源模块为例,探讨复杂电子设备元件级虚拟故障诊断的设计方案,重点研究了BP神经网络的实现、Delphi与Matlab的混合编程以及电路仿真在虚拟故障诊断中的应用,开发出某型通信设备的元件级虚拟故障诊断系统。实践证明,该系统实现了故障仿真和诊断以及虚拟拆装演示,具有较好的交互性,能够很好地解决虚拟维修过程中遇到的实际问题。     

数字信号处理器的舰船电子设备故障诊断

舰船电子设备故障与多种因素相关,使得舰船电子设备故障变化具有随机性,传统方法难以描述舰船电子设备故障的变化特点,诊断效果差。为了克服当前舰船电子设备故障诊断存在的不足,提出数字信号处理器的舰船电子设备故障诊断模型。首先采用数字信号处理器对舰船电子设备状态信号进行采集,同时去除信号中的一些噪声,然后从舰船电子设备信号中提取有效的特征,通过筛选最有效的舰船电子设备故障诊断特征进行建模,最后引入数据挖掘技术建立舰船电子设备故障诊断模型,并在相同环境下,与其他模型进行舰船电子设备故障诊断仿真模拟测试。结果表明,本文模型的舰船电子设备故障诊断误差要比对比模型更低,且减少了舰船电子设备故障诊断复杂度,诊断效率得到明显的提升。     

基于多Agent的船舶电力系统故障诊断系统设计

在对多Agent技术和船舶电力系统故障诊断系统相关技术进行研究的基础上,设计出基于多Agent技术的船舶电力系统故障诊断系统,阐述了该系统的特点、分类、功能、结构,并就其诊断信息的交互过程做了详细的介绍。文中设计的船舶电力系统故障诊断系统能充分利用已有的诊断资源,提高故障诊断的效率,便于构造大型船舶电力系统故障诊断系统。     

舰载雷达智能故障诊断系统研究

为提高装备维护水平,立足于某型潜用火控雷达,着眼于海军装备故障诊断现状,设计了一种基于多Agent的智能故障诊断系统总体结构,诊断系统能根据设备的结构变化进行动态调整,通过知识库和诊断推理机的分离、诊断Agent的动态生成和管理等技术,使该智能故障诊断系统能方便地应用到其它装备.以BDI结构模型为基础,从基于实例的推理(CBR)、产生式诊断系统和神经网络诊断系统三个方面实现了诊断Agent的诊断功能,可最终将故障定位到可更换的元器件.     

基于人工鱼群算法的船舶电子设备故障智能诊断方法

为实现电子设备的高效维护,确保船舶安全航行,设计了基于人工鱼群算法的船舶电子设备故障智能诊断方法。采用离散小波变换法分解电子设备运行信号样本,通过计算不同尺度下的小波能量值完成船舶电子设备故障特征参数的提取,将其作为基于RBF神经网络的故障诊断模型的输入,利用人工鱼群算法对故障诊断模型的权值、阈值参数作优化处理,最终输出不同类型故障发生概率,实现电子设备故障诊断。实验结果表明,正常以及不同故障状态下,电子设备运行信号的时域波形存在很大差异,研究方法可实现故障特征参数的提取,并完成故障类型的识别,30次迭代后MSE指标即可降至最低,仅为10^-4。     

基于数字信号处理技术的船舶电子设备故障诊断

当前船舶电子设备故障诊断方法无法准确表达船舶电子设备故障变化特点,船舶电子设备故障诊断成功率低,出现了大量错误的船舶电子设备故障诊断结果,同时船舶电子设备故障诊断实时性差,为此设计了基于数字信号处理技术的船舶电子设备故障诊断模型。首先分析当前船舶电子设备故障诊断模型存在缺陷的原因,通过数字信号处理技术采集船舶电子设备工作状态信号,并从信号中提取船舶电子设备故障特征向量,然后将船舶电子设备故障特征向量作为极限学习机的输入,通过确定极限学习参数建立船舶电子设备故障诊断模型,最后在Matlab2016平台上进行了船舶电子设备故障诊断仿真模拟测试。结果表明,本文模型可以提取描述船舶电子设备工作状态的信号,提取特征向量可以很好描述船舶电子设备故障类型,使得船舶电子设备故障诊断成功率得到提高,故障诊断的错误率降低,有利于船舶电子设备故障处理。     

某型平台罗经专家故障诊断系统知识库和推理机研究

某型平台罗经是大型复杂精密机械电子设备,为了快速提高维修速度,需建立一套高效适用的专家诊断系统,而专家知识库是系统的关键组成部分。在充分分析平台罗经各种故障类型的基础上,选择采用故障树诊断方法、专家系统方法、神经网络方法相结合,建立了一套高效的故障诊断系统知识库。     

动力辅助系统分布式多Agent控制理论与试验研究

针对船舶动力辅助系统复杂性和分布式的特点以及复杂环境中不确定条件下自治控制的需求,提出了将分布式多Agent控制方法应用于动力辅助系统控制系统。在此基础上,结合某船冷却水系统,建立了多Agent控制结构,研究了Agent之间的协作模型,并通过将各个Agent功能及协作算法以软件的形式嵌入在欧姆龙CJ2M型PLC中,开发了其控制器。为了验证控制器的有效性,搭建了控制系统硬件在环仿真试验平台,并通过模拟两种典型场景得到了可视化的试验结果。结果表明,该控制方法大大提高了系统的自治水平和鲁棒性。     

基于DSP的船舶电子设备故障诊断研究

船舶运输在全球经济中发挥着不可替代的作用,船舶电子设备的稳定工作对于保障船舶运输安全以及船舶自动化控制系统的可靠性具有非常重要的作用。对船舶电子设备故障进行诊断研究可以有效发现设备故障位置,并及时采取措施。本文提出一种基于BP神经网络和DSP技术的船舶电子设备故障诊断系统,以DSP为硬件核心实现神经网络解决电子设备故障诊断问题,重点介绍神经网络算法的实现以及数据采集电路的设计等。     

船舶动力定位系统级故障诊断技术

针对松散耦合的船舶动力定位系统分布式体系结构，提出了一种基于改进的二值PMC模型约分布式系统级故障诊断算法。采用自诊断与互诊断相结合的方法，给出了分布式诊断算法、图论模型、诊断内容及算法中使用的报文种类、故障向量。基于软件故障注入思想设计了四种故障，并对该算法进行了诊断验证。结果表明：改进的PMC模型适用，所提出约分布式系统故障诊断算法正确，故障诊断与验证应用程序可靠、实用。     

云计算在舰船设备远程故障诊断中的应用

随着现代船舶技术的发展,远程诊断技术逐渐成为船舶诊断系统的主流技术。近年来,船舶设备不断向自动化和智能化方向发展,设备和控制系统日益复杂,如何存储和处理海量的设备监测数据,成为远程诊断技术的重点。云计算利用并行计算、虚拟化、分布式技术提高存储能力和计算效率,在海量数据处理方面具有很大的优势。本文研究云计算在船舶设备远程故障诊断中的应用,以及基于模糊C均值聚类算法的Map/Reduce的故障诊断并行计算模型,最后给出仿真结果。     

贝叶斯统计在机电设备故障诊断中的应用

应用现代概率分析中的贝叶斯(Bayes)方法于机电设备故障诊断中。进行机电设备故障诊断的难点在于故障和征兆信息的随机性、模糊性和某些信息的不确定性。贝叶斯方法的基本特征是处理任何统计分析问题时,在利用样本所提供的信息的同时,也必须利用先验信息。本文研究表明,使用贝叶斯方法于机电设备故障诊断,给出的故障诊断结论和推断在理论上有较高的可信度,技术上可行。该方法不足体现在诊断结论强烈依赖于领域专家或诊断工程师的知识,先验概率即使能够给出其可信度的期望值也不会很高,并且征兆和故障之间的关系复杂,故障诊断知识库难以建立,独立性假设难以满足。     

基于分布式模糊神经网络的船舶机电故障诊断

为了更好地保障船舶航行安全,及时准确地对船舶机电设备进行监测分析,修理出现的故障,提出了一种基于分布式模糊神经网络的船舶大型机电设备故障诊断的方法.该方法融合了模糊理论和神经网络各自的优点,能自适应从学习样本数据中提取故障模型,能实时地进行故障诊断,且网络结构简单,训练速度快,准确率高.通过对某船转子系统的故障诊断实验,证明了此法的有效性和优越性.对于大型的复杂设备,基于分布式模糊神经网络的故障诊断方法优势明显,具有很好的应用前景.     

利用复合神经网络进行柴油机故障诊断

在对ART-2和并行BP人工神经网络模型进行分析的基础上,提出了一种针对大型复杂设备进行故障诊断的复合神经网络诊断策略:先运用ART-2识別单一类故障,再使用并行BP网络实现并发故障和新故障的分离,解决了对复杂设备并发故障诊断和新故障都能有效识別的问题。该模型利用柴油机缸盖振动数据进行诊断验证,能够有效识別并发故障和新故障等复杂故障类型。     

燃气轮机混合智能故障诊断专家系统

该文针对燃气轮机的状态监测和故障诊断问题。在单一故障诊断方法无法获得较为满意的诊断结果的情况下,提出了综合利用算法诊断、规则诊断和模型诊断等方法的混合智能诊断方法,根据系统故障诊断过程在不同状态下所具有的特点和任务,利用神经网络、规则推理和建立诊断数学模型等方法来有效的完成诊断任务。     

基于模糊神经网络和D-S证据理论的故障诊断方法研究

提出一种基于模糊神经网络和D-S证据理论的故障诊断方法.该方法利用模糊逻辑和神经网络的优势,通过数据融合充分利用各种信息,提高诊断的精度.经箅例证明,该方法可靠、有效,对于复杂装备的故障诊断有一定意义.     

基于FNN的船舶舵伺服系统故障诊断研究

分析某型船舶舵伺服系统的故障信息,建立了模糊神经网络故障诊断模型.利用模糊逻辑处理数据以便于充分利用经验知识;利用神经网络诊断,避免了复杂故障树诊断系统的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,并采用改进的BP算法训练神经网络,解决了收敛速度和收敛振荡的问题.诊断实例结果表明:该故障诊断系统具有较强的鲁棒性和泛化能力;该算法采用无模型化诊断,容易实现自学习,可不断完善系统性能,具有一定的理论和工程应用价值.