基于Netica的导弹故障诊断贝叶斯网络模型研究

针对传统导弹装备故障诊断方法效率低、精确度差等问题,提出了采用贝叶斯网络进行导弹测试故障诊断的方法。本文首先对贝叶斯网络进行了概述,然后对导弹模型故障分支进行了贝叶斯网络故障诊断精确推理。进而采用故障树-贝叶斯网络转化法生成导弹典型故障贝叶斯网络模型,并使用贝叶斯工具Netica对该模型进行了案例分析。结果表明该方法可为导弹装备故障的快速定位提供依据,为贝叶斯网络技术在导弹故障诊断领域的应用奠定基础。

故障树分析法及其在导弹故障近似计算中的应用

介绍了故障树分析法的主要分析过程,指出故障树分析法是进行产品设计和系统故障诊断的有效方法,并利用Visual C++语言进行蒙特卡罗仿真,得到了近似计算故障树顶事件发生概率时应选取的最优权因子,最后指出该因子可以用在导弹等特殊设备故障的近似计算中。

导弹故障诊断系统中的故障注入方法研究

应用故障注入方法对系统进行检测是提高系统可靠性的有效途径。针对某型导弹故障诊断系统的特点,在综合分析可能故障注入点的基础上,开发了基于CPCI工业控制计算机的故障注入系统。应用该系统对某型导弹故障诊断系统的性能进行了静态测试验证,达到了预期的效果。

基于BP神经网络的导弹故障自动诊断研究

精确制导空空导弹是一个复杂系统,及时、准确的识别和诊断导弹故障是化解风险的重要措施。由于导弹故障模式复杂,对其故障进行识别和诊断的难度很大。文中以某型空空导弹测试问题为例,提出一种基于BP神经网络算法的导弹故障自动识别与诊断技术。通过对导弹测试数据的采集和整理形成数据样本,利用神经网络系统的学习和判断能力自动识别及诊断导弹故障,并使用Matlab神经网络工具箱进行仿真验证。验证结果证明,该技术能够快速、准确的识别和诊断导弹故障。

证据理论用于导弹决策级故障融合诊断问题探讨

基于融合的故障诊断技术是近年来针对复杂系统故障诊断需要发展起来的一种新的技术方法,其中决策级故障诊断主要是针对故障的决策内容研究解决融合诊断的方法,其建模及表征方法与特征级融合有相当不同。以导弹为应用对象,对Dempster-Shafer证据理论应用于导弹决策级故障融合诊断的有效性进行讨论,指出冲突证据融合、冲突衡量及证据聚类是应用中需要解决的3个关键问题;探讨了问题的解决方法,给出了相关建议。

改进的灰色预测模型在导弹中的应用

灰色预测模型的预测精度往往依赖于原始数据序列的光滑度,然而在实验中得到的原始数据序列通常并不满足光滑性要求。为了提高灰色预测模型的预测精度,保障武器系统的可靠性,提出了一种提高原始数据序列光滑度的方法。方法基于传统灰色GM(1,1)模型,利用更具广泛性的对数——幂函数变换法来改善原始数据序列的光滑度。并应用于导弹故障预测中,取得了良好的效果。仿真结果表明,方法有效地改善了原始数据序列的光滑度,明显地提高了故障预测的精度,可以有效地预测导弹故障。

一种基于跃变量特征值提取的遥测参数异常辨识方法

在导弹飞行试验过程中,如果导弹发生故障,要快速准确地进行异常判决并采取应急措施,而对遥测关键参数的报警分析则是异常快速判决的重要依据。但是弹上遥测数据由于误码的原因存在干扰数据,影响推理结果的准确性。在判断之前要对遥测参数进行预处理,先把误码造成的干扰数据从导弹故障引起的异常数据中分离出来,这样保证用于快速判决的数据是可信度高的,避免干扰数据影响了判决的正常进行。研究了基于跃变量的特征值提取方法,基于统计学原理,对遥测参数实时统计规律,形成判决器,通过判决器可以有效地分离出异常数据中的导弹故障数据与干扰数据。该方法在任务中得到了应用,为任务的快速判决和辅助决策提供了技术支持。

基于粒子群优化技术的导弹模拟故障诊断方法

采用一种基于粒子群优化的特征提取算法,以K-NN分类正确率作为评价准则,应用粒子群优化算法寻找使提取特征的K-NN分类正确率最大的转换矩阵,从而实现特征的提取.算法的特点是结构简单灵活,对数据的分布特征不敏感,适合于对模拟故障特征进行提取.故障诊断示例证明了该特征提取算法在导弹模拟故障诊断中的有效性.