自动测试系统通用性研究

针对现代电子装备自动测试系统,阐述自动测试系统通用性实现方法,提出激励资源、信号接口装置设计原则,同时探讨了神经网络与自适应算法实现故障诊断与定位中的可行性,并给出一种故障诊断自适应算法实现的方法。     

舰船电子装备的状态监测与故障诊断

现代舰船电子装备迅猛发展,推动了装备检测技术的不但进步。论文从舰船电子装备状态监测和故障诊断维修的特点出发,提出了实现舰船电子装备状态监测和故障诊断技术的基本构想与设计方案以及实现途径,指出了系统的优点与发展方向。     

基于多信号模型的某短通系统诊断策略设计

针对某短通系统测试性差的问题,在深入研究多信号模型与诊断策略设计理论的基础上,提出了一种基于多信号模型的诊断策略设计方法。以该系统的窄带发信分系统为例,首先研究了基于TEAMS软件的多信号建模方法,然后根据模型文件获取了系统的D矩阵,最后利用RIG算法生成系统的诊断策略。测试性分析结果表明,该方法有效提高了系统的测试性指标,生成的诊断策略可用来对该型装备进行故障诊断。     

基于多信号模型的舰船电子装备测试性分析和评估

针对舰艇电子装备测试性设计特点,结合一种简单而有效的系统建模表示方法多信号模型,提出采用一种基于多信号模型的舰艇电子装备的测试性分析和评估方法.并以某型舰船电子装备为例,应用TEAMS软件平台,从系统的多信号模型建立、测试性分析和测试性诊断能力评估三个方面介绍了舰船电子装备的测试性分析与评估技术应用,为对舰船电子设备进行测试性设计指标进行评估探索了一种有效的技术途径.     

粗糙集理论在装备故障诊断中的应用

针对目前部队的装备故障诊断能力较弱的现状,通过几种故障诊断方法的比较,选取出粗糙集作为装备故障诊断方法,从而对已得到的装备状态的测试数据进行分析,利用粗糙集的约简算法消除冗余信息,利用决策表的形式从不完备的、不精确的测试数据中导出诊断规则,并应用于某型电台装备中进行故障诊断。结果表明,诊断结果快速准确,为今后进一步研究粗糙集算法在故障诊断中应用提供了依据。     

可靠性分析技术在电子装备故障诊断中的应用

结合电子装备的故障诊断特点，介绍了一种基于可靠性分析技术（故障树分析FTA和故障模式、影响分析FMEA的非实时故障诊断方法。分别从电子装备的模块级和器件级两上层次论述了诊断知识的表示和推理策略。     

基于CAWOA-BP的船舶凝给水系统故障诊断

为克服传统专家经验在故障诊断方面的不足,实现船舶凝给水系统的智能诊断,在标准BP神经网络基础上提出一种优化后的CAWOA-BP故障诊断模型。采用混沌映射以及自适应权重调整策略优化WOA鲸鱼算法,利用优化后的WOA鲸鱼算法改进BP神经网络的权值及阈值矩阵。由于船舶凝给水系统的状态监测数据是复杂多维度数据,利用UMAP降维算法对原始数据进行降维。最后,利用降维处理后的数据训练CAWOA-BP神经网络模型,实现故障诊断。通过对正常及故障数据的学习,发现优化后的CAWOA-BP模型相比于标准BP,WOA-BP,PSO-BP故障诊断模型具有更高的准确率、精确率、召回率及预测误差。研究表明,基于优化后的CAWOA-BP神经网络故障诊断方法能够更加精确实现船舶凝给水系统的故障诊断。     

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。     

虚拟仪器技术在舰船电子装备测试系统中的应用

如何以较低的成本和较为有效的方法对海军现代电子装备进行自动故障诊断一直是装备维修部门特别关注的问题。文章分析了现代电子装备系统的特点,总结了虚拟仪器的发展、优势和关键技术,并对新一代电子装备测试系统进行了展望。     

动力装置虚拟协同训练系统设计

针对某型动力装置实装训练成本高、装备损耗大以及存在较大安全隐患等问题,设计一种以计算机为主要硬件运行环境、以SimuWorks仿真平台为基础的装备协同虚拟训练系统。该系统采用SimuMMI进行二维人机交互界面的开发,通过图片和动画实现阀门、管路、仪表等设备的动态逻辑实时交互功能;通过多流程的仿真设计模式实现人员多岗位、全系统、多工况的训练模式。应用结果表明:该系统与实际装备具有高度相似性,能够实时仿真某型系统运行状态,满足多人多岗位协同训练要求,提高训练效率,降低训练成本。     

基于改进深度学习算法的船舶柴油机故障诊断技术

随着数据挖掘技术的发展,深度置信网络(DBN)这类深度学习算法被越来越多运用到工程领域。在故障诊断领域,结合DBN强大的自适应特征提取和非线性映射能力,可以摆脱以往对专家经验的依赖。基于此,本文为有效地监测柴油机气缸运行状态,提出一种基于改进深度学习算法的船舶柴油机故障诊断技术。先将原始信号的频域形式输入DBN当中,采用蚱蜢优化算法(GOA)搜索DBN的最优参数组合,并建立起最佳的柴油机气缸故障诊断模型。经测试验证,本文提出的诊断模型能够准确识别柴油机气缸运行状态并进行故障诊断,诊断率可以达到99.5%以上,具有较好的工程实用价值。     

电罗经故障诊断的案例推理原理与方法研究

针对电罗经的特点和传统专家系统的不足,分析了基于案例推理(Case-Based Reasoning,CBR)技术的一般过程,指出了CBR具有获取知识容易、问题解释清晰、道理易于理解等优势,提出将基于CBR技术应用于电罗经的故障诊断,开发基于CBR的电罗经故障诊断系统,进而详细阐述其CBR原理构建、系统结构设计、案例组织形式设计、检索策略设计和工作流程,并研究其系统实现方法.案例分析结果表明,所开发的基于CBR的电罗经故障诊断系统能够有效提高其维修的正确性和高效性.     

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。     

基于数据驱动的船用冷藏集装箱智能故障诊方法研究

采用数据驱动方法,避开船用冷藏集装箱复杂的控制策略,建立系统或部件模型用于智能故障诊断。根据正常运行状态的实验数据“训练”冷凝器模型,利用该模型预测冷凝器的运行状态,并与实际的故障数据进行比较。结果表明,数据驱动模型具有较高的预测精度,能够分辨故障状态,实现智能故障报警。     

设计模式在设备故障红外智能诊断软件中的应用

诊断软件由于其诊断对象的复杂性和诊断策略的多样性,为设计模式的使用提供了较大空间.将设计模式引入船用机电设备故障红外智能诊断软件的开发,并具体讨论了一些常见的模式如Adapter、Bridge、Strategy和Observer等在软件各个模块和环节中的应用.实验证明,设计模式的使用,简化、明晰了软件的结构,加强了软件的通用性、稳定性和灵活性,提高了软件的可理解性和可维护性,并使得丰富红外诊断软件的接口和功能变得更为容易,进一步拓宽了软件的使用范围.     

基于BP网络的线性电路软故障诊断

线性电路的软故障诊断一直是个难点,BP神经网络可用于模式识别和分类。本文主要介绍了BP网络的基本算法、训练过程及其改进,分析了BP网络在模拟电路故障诊断中的实用性。     

装甲车辆电气系统测试节点与诊断策略的设计

开展测试性分析与故障诊断策略设计是测试性设计工作的重要组成部分,能否通过测试性分析设计出最优的故障诊断策略直接影响着系统故障检测能力和故障隔离能力的提高。首先对某型装甲车辆电气系统的组成原理及工作流程进行了分析,针对该系统诊断能力不足,不能对故障进行隔离的缺点,运用拓扑图论对系统进行了测试性建模,并对系统的可靠性影响进行了分析,其次最后设计出合理有效的故障诊断策略。     

基于D-S证据理论的直流电机故障诊断研究

多传感器、多手段检测的信息融合技术在电机故障诊断中的应用日益广泛。提出了一种基于D-S证据理论和BP算法的故障诊断方法,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,首先通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,然后利用多源信息间的冗余性和互补性,有效提取故障特征信息。将该方法应用于某型船直流电机的故障诊断,结果表明,该算法提高了故障诊断的可靠性和灵敏度。     

基于事故树的系统故障诊断和修复

采用事故树分析法对故障系统进行分析,在事故树逻辑简化的基础上分别构建系统的故障诊断模型和故障维修模型;在事故树定性和定量分析的基础上,对系统事故树模型中的基本原因事件的故障检测时效比和维修时效比进行分析;制定系统的故障诊断和修复流程,快速、及时地对故障系统做出响应,保证舰船生命力。结果表明:基于事故树的系统故障分析法为系统的故障检测和抢修决策提供依据,对大型复杂系统的生命力研究具有一定的适用性。     

基于经验模态分解的大型轮船锚机齿轮箱故障诊断

经验模态分解法(EMD)是一种针对信号变化的自适应处理方法。针对某大型轮船锚机齿轮箱,首先通过测量不同转速和位置的振动信号预估故障源;其次对采集出的原始故障信号进行处理,提取故障特征,即通过EMD将原始信号分解为若干个IMF分量,不同的IMF分量包含不同频段所对应的能量,然后再对IMF分量进行包络分析和谱分析,最终便可确定故障源,并对其进行修复。通过测试比较,验证了EMD理论方法的正确性和有效性。