雷達系統(tǒng)智能故障診斷技術(shù)研究.pdf

1、針對目前已經(jīng)服役的 XX 型雷達系統(tǒng)外場級故障診斷能力不足的實際情況和需求，本文采用系統(tǒng)工程方法對其開展了三個層次的在線智能故障診斷技術(shù)研究，即雷達系統(tǒng)級故障診斷、電路板級故障診斷和元器件級故障診斷技術(shù)研究，特別針對其雷達元器件級故障診斷采用了三種智能故障診斷方法進行了探討和研究，以提高其雷達系統(tǒng)的保障性水平及作戰(zhàn)效能。論文的主要工作和取得的成果如下： 1)針對雷達系統(tǒng)外場檢測診斷，研究了一種以故障樹診斷技術(shù)為基礎(chǔ)的雷達系統(tǒng)級故

2、障診斷專家系統(tǒng)。 2)針對雷達電路板的外場在線測試診斷需要，給出了一種雷達電路板級的故障診斷方法。利用雷達原有信號，不需要信號激勵源，電路板級故障診斷技術(shù)將采樣的輸入、輸出信號與其標準信號進行頻譜相關(guān)性分析，在信號的相應(yīng)頻域范圍內(nèi)提取相關(guān)性系數(shù)，由相關(guān)性系數(shù)的值進行邏輯推理，判斷電路板是否存在故障情況。通過某型雷達掃描電路板進行實例研究，表明本文的針對雷達電路板級故障診斷方法的有效性。 3)基于雷達系統(tǒng)級和電路板級故障診

3、斷方法研究的基礎(chǔ)上，設(shè)計了一種雷達外場故障診斷系統(tǒng)方案，并給出雷達故障診斷系統(tǒng)的具體軟件系統(tǒng)結(jié)構(gòu)，各模塊的功能及各部分的實施方法。 4)針對提高雷達元器件故障診斷率的需求，設(shè)計了一種基于小波神經(jīng)網(wǎng)絡(luò)的故障診斷方法。首先提出了利用基于提升框架的小波變換對電路板內(nèi)的模擬電路測試點采樣信號進行小波分解，并提取每層小波系數(shù)的均值作為故障特征值，組合不同的測試點故障特征值成為故障特征矢量，將故障特征矢量作為小波神經(jīng)網(wǎng)絡(luò)的訓練樣本及輸入矢量

4、；并給出了用于雷達元器件級故障診斷的小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及網(wǎng)絡(luò)的反傳誤差學習算法，以某型雷達的高壓電源為例進行了基于小波神經(jīng)網(wǎng)絡(luò)的雷達元器件級故障診斷方法仿真驗證，結(jié)果表明本方法的效果較好于基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法。 5)針對小波神經(jīng)網(wǎng)絡(luò)受網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜性和樣本復(fù)雜性影響較大，提出了一種基于支持向量機的雷達元器件級故障診斷方法。該方法是基于最小二乘小波支持向量機的雷達元器件級故障診斷方法，首先也是采用基于提升框架的小波變換對故障狀態(tài)

5、下的輸出電壓信號進行小波分解得到小波系數(shù)，并將每層小波系數(shù)的能量信息進行處理得到故障特征矢量，分別采取貝葉斯證據(jù)框架和量子進化算法來選取最小二乘小波支持向量機分類器模型參數(shù)，然后采用高分辨的故障特征矢量訓練多類最小二乘小波支持向量機分類器。并對某型雷達掃描電路進行了仿真驗證故障診斷方法的有效性，仿真結(jié)果表明最小二乘小波支持向量機的故障診斷準確率比基于徑向基核函數(shù)的最小二乘支持向量機高，特別是基于量子進化優(yōu)化LS-WSVM參數(shù)的參數(shù)選取方

6、法更有效，該診斷方法對雷達元器件級故障診斷取得了較好的效果。 6)針對故障診斷的模糊推理知識處理困難，提出了一種基于優(yōu)化模糊推理的雷達元器件級故障診斷方法。將基于模糊推理的模糊邏輯系統(tǒng)用于雷達元器件級故障診斷，采用量子進化算法優(yōu)化模糊邏輯系統(tǒng)的規(guī)則中隸屬函數(shù)，然后通過自適應(yīng)遺傳算法來選擇構(gòu)成故障診斷模糊邏輯系統(tǒng)的最優(yōu)模糊規(guī)則子集，以減小規(guī)則的數(shù)量，提高分類精度，使得雷達元器件級故障判斷比較簡易，并對雷達功率放大電路進行了元器件級