基于改进HMM的潜在电子故障状态识别模型

针对复杂电子装备隐性故障难以诊断的难题,在深入分析隐马尔可夫模型的核心问题及基本算法的基础上,探讨了其在故障诊断应用中存在的主要问题,建立了多状态电子装备可靠性评估模型,利用系统可靠性评估结果作为隐马尔可夫模型的初始模型特征量,改进了传统的隐马尔可夫模型,并对Baum-Welch训练算法进行了优化,形成了一套适于复杂电子装备潜在故障状态跟踪识别的数学模型。实验结果显示,理论方法及模型能够更好地识别潜在故障状态,加快了模型训练速度,提高了故障状态识别率。

基于HMM的多态系统状态识别模型研究

在分析装备三级工作模式基础上,建立了多态系统的可靠性向量模型,基于隐马尔可夫模型(HMM)原理分析了多态系统的状态转移过程,并建立了多状态系统HMM模型,在此基础上利用MATLAB对系统隐藏状态转移和观察状态之间的关系进行了仿真.仿真结果表明,在一定观察序列的情况下,该模型可以实现较高的状态识别率和状态预测精度,为科学合理地诊断多状态系统的潜在故障提供了技术支持,具有重要的理论意义和应用价值.

复杂电子装备潜隐性故障诊断关键技术研究

讨论了开展复杂电子装备潜隐性故障诊断的重要意义,对复杂电子装备潜在故障诊断技术的发展趋势进行了分析,针对电子装备潜隐性故障特征信息少、诊断难的问题,提出了考虑电子装备多态可靠性分析进行潜隐性故障诊断的若干关键技术问题,并给出了相应的解决思路;首先通过开展电子装备多状态的关联性和继承性研究,实现装备潜在故障可靠性状态的科学评定;然后采取动态融合零失效检测数据和故障信息的方法获取潜隐性故障的小样本特征参量集,并将其嵌入潜在故障模式识别模型,从而识别具有明显非线性和不确定性特征的潜隐性故障,为实现复杂电子装备潜隐性故障的早期预测提供了新的技术途径,在装备的生产和使用中有着具有良好的工程应用前景。

电子装备潜隐性故障预报机制研究

根据电子装备潜隐性故障运行过程中的状态继承性与关联性,分析了潜隐性故障预报的技术基础,提出了基于多态可靠性分析的潜在故障状态评估方法,并将失效可靠性向量嵌入推理机制,避免了预报信息不足存在的局限性及大容量知识库的构造;探讨了推理预报机制的功能结构和实现。为电子装备的安全运行、早期预测与预知维修提供了新的思路。

基于模糊积分的潜隐性故障状态转移过程分析

探讨了潜隐性故障的概念,分析了多态系统状态转移的马尔可夫过程,提出了基于模糊积分信息融合技术的故障诊断方法,在利用HMM模型进行初级诊断的基础上,采用加权平均方法确定模糊密度,通过科学计算模糊积分值实现潜隐性故障状态综合诊断识别.最后以某雷达火控设备单元控制模块为例验证了其有效性.该方法克服了智能故障诊断训练样本获取难度大的问题,提高了诊断准确率,对复杂电子装备故障有较好的诊断能力.

HMM在潜在电子故障识别及状态评估中的应用

应用HMM(hidden markov model)故障诊断原理对多状态系统的故障模式进行了识别,在此基础上利用多状态系统可靠性分析对HMM模型进行修正,进一步运用Viterbi算法求得最优状态序列,实现对系统所处故障模式的状态进行评估,并进行了实验验证。结果表明,该方法能够较好解决多状态电子系统的故障模式识别问题,并能对系统所处的失效状态进行有效评估。