基于狀態(tài)監(jiān)測的復(fù)雜電子系統(tǒng)故障診斷方法研究.pdf

1、復(fù)雜電子系統(tǒng)故障診斷是一項十分復(fù)雜、困難的工作。與一般的系統(tǒng)不同，復(fù)雜電子系統(tǒng)的故障有層次性、傳播性、相關(guān)性和不確定性等獨有的特征。因此，單一地利用目前常見的基于信號處理的方法、基于解析模型的方法或基于知識的診斷方法都不足以對復(fù)雜電子系統(tǒng)進行及時有效的故障診斷，給出全面合理的結(jié)論。本文針對復(fù)雜電子系統(tǒng)的特點，提出了一種基于狀態(tài)監(jiān)測的復(fù)雜電子系統(tǒng)故障診斷方法，將復(fù)雜電子系統(tǒng)故障診斷過程劃分為“故障檢測”、“故障定位”、“故障辨識”三步進行

2、的策略，實現(xiàn)復(fù)雜電子系統(tǒng)由表及里，由粗到精的故障診斷。論文主要的研究工作有： 1、基于小波變換奇異性分析的故障檢測技術(shù)研究。故障檢測是故障診斷的基礎(chǔ)，故障的產(chǎn)生往往表現(xiàn)為檢測信號中奇異信號的出現(xiàn)。信號奇異點的位置和奇異值的大小包含著豐富的故障信息，對故障檢測至關(guān)重要。本文對基于小波變換模極大值的信號奇異性檢測方法進行了深入研究，在此基礎(chǔ)上對Mallat等人經(jīng)典的Lipschitz指數(shù)估計算法進行了改進，提出了一種新的估計算法。仿

3、真結(jié)果表明，本文提出的新算法比經(jīng)典算法具有更高的估計精度和魯棒性。 2、基于貝葉斯最大后驗概率準(zhǔn)則的故障定位推理算法研究。本文研究了一種基于貝葉斯最大后驗概率準(zhǔn)則的故障定位推理算法，該算法以系統(tǒng)多信號流圖模型為基礎(chǔ)，結(jié)合系統(tǒng)先驗故障概率計算系統(tǒng)各組件的后驗故障概率，以后驗故障概率最大為故障定位的準(zhǔn)則。將此問題歸納為集合覆蓋問題(SetCoverProblem，SCP)，利用拉格朗日松弛算法進行求解，避免了復(fù)雜系統(tǒng)故障字典的組合爆

4、炸，實現(xiàn)了復(fù)雜系統(tǒng)的故障定位推理。 3、針對復(fù)雜電子系統(tǒng)整機故障先驗分布概率難以獲得的情況，本文提出了以復(fù)雜電子系統(tǒng)各組件故障隨時間的分布函數(shù)代替整機故障分布函數(shù)確定系統(tǒng)組件當(dāng)前時刻故障先驗概率的思路，對基于貝葉斯最大后驗概率準(zhǔn)則的故障定位推理算法進行了改進。由于組件故障隨時間的分布函數(shù)包含了時間信息，因此以此為依據(jù)得到的故障定位結(jié)論更切合系統(tǒng)運行實際。 4、對于系統(tǒng)組件故障隨時間的分布函數(shù)也無法獲得的情況，本文提出采用

5、故障檢測傳感器檢測概率和虛警概率作為故障診斷依據(jù)的模糊故障診斷方法。首先將N個故障觀測傳感器張成N維故障觀測空間，然后在故障觀測空間設(shè)計了模糊函數(shù)以描述實際觀測向量與故障特征向量的相似度，將故障診斷問題歸納為實際觀測向量在故障觀測空間中的歸類問題，設(shè)計了一種模糊多故障診斷算法。 5、基于支持向量機(SupportVectorMachine，SVM)的故障模式辨識。故障模式辨識本質(zhì)上是一個多類別模式識別問題。本文針對復(fù)雜電子系統(tǒng)完

6、備故障樣本集獲取困難，需要進行小子樣學(xué)習(xí)的特點采用支持向量機進行模式識別。在研究標(biāo)準(zhǔn)支持向量機算法、分析常見多類分類支持向量機存在不足的基礎(chǔ)之上提出了一種基于遺傳算法(GeneticAlgorithm，GA)的多分類支持向量機決策樹優(yōu)化方法。該方法可以根據(jù)具體問題自適應(yīng)地生成最優(yōu)或近優(yōu)SVM決策樹。實驗結(jié)果表明，新方法在提高分類效率、保證分類精度的同時可以大大降低SVM決策樹“誤差積累”的影響。 6、基于狀態(tài)監(jiān)測的復(fù)雜電子系統(tǒng)診