FTA与BP神经网络结合的地平仪故障诊断方法研究

为了提高某型地平仪常见故障的诊断效率与准确率，研究了故障树分析(FTA)与反向传播(BP)神经网络相结合的地平仪故障诊断方法。根据地平仪的结构原理，首先采用FTA法得到了该型地平仪的所有故障模式及最小割集，建立了故障树的结构函数。然后按照最小割集重要度，筛选出BP神经网络训练样本的主要故障模式。最后以某单位该型地平仪的故障统计数据为基础，运用BP神经网络的方法建立了地平仪的故障诊断模型，并对模型进行了验证。验证结果表明，采用FTA法与BP神经网络相结合的故障诊断方法，弥补了2种方法单独诊断时的固有缺陷，提高了故障诊断的准确性和效率。     

基于R-NN的可控硅励磁系统故障诊断

基于同步发电机可控硅励磁系统经常发生故障,提出一种基于粗糙集—神经网络(Roughset-NeuralNetwork)相结合的故障诊断方法。以励磁系统中三相桥式可控硅整流回路为核心进行故障诊断研究,对整流回路故障波形的采样数据样本信息进行预处理,通过运用粗糙集理论的知识约简方法形成故障诊断的确定性规则,从而实现故障分类;然后将其结果与故障信息中的输出样本值作为神经网络的输入,实现故障元的定位。通过计算机仿真,结果表明:该方法对三相桥式可控硅整流回路故障诊断简便准确,诊断速度快。     

基于数据库的数控机床故障诊断专家系统

该文研究数控机床故障诊断专家系统的开发与设计思路。运用故障树分析法FTA（Fault Tree Analysis）建立数控机床主要故障部位的故障树．通过Access建立故障数据库,并采用Visual Basic6．0来开发设计数控机床故障诊断系统,可为机床故障诊断与维修提供帮助。     

故障树专家系统在有效载荷状态诊断的应用

故障树分析法（Fault Tree Analysis,FTA）是分析系统可靠性和安全性的一种重要方法,在各行业故障诊断中得到了广泛的应用。通过将故障树分析法和基于规则的专家系统相结合,对于发现卫星故障并成功维修以确保在轨卫星应用任务的正常运行具有重要意义。文中建立了故障诊断框架,提出适合空间有效载荷故障知识获取及表示方法,可以极大地降低系统知识获取的难度,并提出载荷状态诊断的快速推理机制,实现了对实际任务中有效载荷状态故障的诊断。该诊断方法新颖,具有直观、非接触性、成本低、诊断速度快和正确性高的特点,能够极大地提高卫星运行控制工作的自动化程度、工作效率。     

AHP-TFN在反应-再生系统FTA模型定量分析中的应用

FTA(故障树)分析法是故障诊断领域的一种重要方法,但它在定量分析的过程中存在着基本事件(使用Xi代替,下同)故障概率不确定而无法直接获取的问题。为此本文引入层次分析法(AHP)和三角模糊数(TFN)理论,利用Xi的故障率(次/106小时)和评价者自身存在的模糊性,通过层次分析法得出Xi的故障概率基础数据,通过三角模糊数理论求得Xi的故障概率三角模糊数,从而解决了FTA定量分析中存在的问题,并将AHP-TFN应用到催化裂化装置中完成了反应-再生系统FTA模型的定量分析。     

基于BAM网络的坦克火控系统在线故障诊断方法研究

鉴于传统的坦克火控系统故障诊断技术诊断速度慢,对多故障复合情况难以快速定位等缺点,提出了一种基于BAM网络的在线故障诊断方法;结合BAM网络模型和算法,利用层次分析法建立系统故障模型,使用最小割集对模型进行分解,生成训练BAM网络的正交学习样本空间,给出了一种最优化的权值矩阵生成方法,并应用该方法对某型坦克进行故障诊断;实例证明此方法能够有效减少测试点数量,简化网络结构,实现了单故障和复合型故障的快速定位,提高了故障诊断效率.     

物流服务供应链可靠性诊断的FTA模型及应用

针对物流服务供应链（LSSC）可靠性问题,提出一种基于故障树分析（FTA）模型的LSSC可靠性诊断方法。以物流集成商、物流分包商、制造商构成的三级物流服务供应链为研究对象,建立LSSC可靠性诊断的一般模型;结合实例,构造了LSSC可靠性诊断的FTA模型,通过对FTA模型的最小割集和重要度的求解,得出了LSSC系统失效的故障模式和关键故障因素。     

基于FTA的机载计算机修理模式研究

首先介绍了国内机载计算机维修单位现行的传统修理模式的运作方式,提出了传统模式中故障诊断环节存在的问题。随后,针对问题提出了一种基于FTA的修理模式,其核心思想是:收集和统计历史修理数据,识别典型故障,以典型故障为顶事件实施故障树分析,确定故障诊断优先级,持续改进故障诊断程序以指导未来修理。最后,阐述了采用基于FTA的修理模式对某型处理器电路板实施修理的实践过程,实践结果表明,基于FTA的修理模式可以有效改善故障诊断过程,提升修理品质。     

中波广播发射台的一种扩充故障树诊断方法

针对某中波广播发射机台,利用故障树和故障字典方法相结合的新型故障诊断方法--扩充的故障树诊断技术实现了发射机的实时故障诊断功能,并建立了广播发射机故障树的拓扑结构,给出了故障字典的建立方法和故障诊断的具体实现过程,同时将该方法在Windows系统环境下采用Borland C 进行了编程实现.     

基于故障树的电梯故障诊断专家系统设计

设计了一种基于故障树的专家系统结构,建立了电梯系统的故障树模型和专家诊断知识库,提出了一种基于故障树专家系统的电梯故障诊断方法,开发了基于该方法的电梯故障诊断实验平台.该方法通过对电梯系统故障树模型进行分析提取故障树最小割集及最小割集重要度,并作为诊断规则并存入专家系统知识库,运用基于故障树最小割集重要度的推理机实现故障树与专家系统的交互操作,最后完成诊断并输出结果.实验表明,该方法较好地解决了专家系统知识获取难和知识完整性差的问题,实现了电梯故障的快速准确诊断.     

基于FTA的智能型故障诊断方法研究

故障诊断是人工智能的一个重要研究内容。在对故障树分析法的相关概念进行必要阐述后,就基于故障树分析法的智能型故障诊断方法进行了深入的分析与探讨,指出FTA与其它人工智能技术相结合,建立高效、实用的故障诊断系统是故障诊断技术的主要发展方向之一。     

基于案例推理和故障树分析法融合的飞机故障诊断

本文简述了案例推理和故障树诊断两种方法,提出将它们进行融合诊断的思想。一方面,将案例推理得到的、但在故障树中却不存在的底事件加入到故障树,完善了故障覆盖面;另一方面,由案例库统计得到的故障树最小割集重要度,使故障定位更精确,由故障树分析法完成的成功的诊断实例,再添加到案例库中。     

知识存储与诊断专家系统在低温系统中的应用

为实现EAST低温系统的智能故障诊断,提出一种基于故障树的低温系统知识存储与诊断专家系统。根据故障树模型的结构,设计知识在关系型数据库中的分级存储方式。应用故障树分析法进行故障建模与诊断推理,结合可靠性因子辅助不确定性推理,并以实例说明推理算法。模拟诊断结果表明,该系统具有友好的人机接口,运行稳定且诊断结果及时可靠。     

基于嵌入式工程机械监控和故障诊断系统的设计

介绍了基于ARM-Linux嵌入式系统的监控和故障诊断系统,时该系统的软硬件设计方法等进行了阐述.综合运用了GPRS无线通讯技术,故障树分析法,专家系统等理论,研究工程机械监控和故障诊断.该系统集实时数据采集、信号处理、在线状态监测、网络通讯、故障诊断于一体,采用专家控制诊断系统,实现了工程机械监控诊断系统的可靠化、小型化和智能化,该系统具有很高的产业化价值.     

TCAS视频存储器板卡故障诊断系统研究

TCAS是保障飞机飞行安全的重要机载电子设备,然而国内对TCAS系统板卡只能进行板卡级的测试,不能进行元件级的维修和测试。以TCAS系统中的视频存储器板为例,根据板卡电路特点及适航要求提出一种改进后的基于故障树分析的元件级故障诊断新方法,该方法通过对待测板卡提供外围激励信号、编写程控控制命令、故障树分析和编写输出结果优化程序等对待测板卡进行故障检测与定位,该系统通过调试与运行证明效果良好,并由实验数据得出故障检测精度大大提高,为国内自主研发元件级自动检测设备和机载电子板卡的深度维修提供了可靠的理论依据。     

.NET平台下故障树分析技术的实现及应用

故障树分析是一种自上而下的方法,通过对可能造成系统故障的硬件、软件、环境、人为因素进行分析,分析得出故障原因的各种可能组合方式,由总体至部分,按树状结构,逐层细化的一种分析方法.开发了故障树分析工具,提供了对规范化故障树定性的割集计算、简化等功能,提出了基于容斥定理的定量化顶事件概率简化计算方法,可满足企业对部件级元件进行故障详细分析的需求.还给出了所开发的系统实现界面,系统已在某企业中得到了具体的应用.     

基于虚拟仪器的导航装备性能检测及故障诊断系统

某引进地面导航装备,工作体制独特,信号种类繁多,交连关系复杂,传统的检测维修方式难以保障该设备的正常使用,为此本文提出了基于PXI总线的智能诊断系统;详细说明了系统的硬件和软件组成以及故障诊断方法,以虚拟仪器和计算机自动化技术为基础,对故障树自动检测方法进行了探讨和研究,结合该系统需求,使用关系数据库,建立了系统故障检测故障树,并在测试主程序中进行了实现;与原有测试方法相比,该系统减少了测试的时间和强度,提高了工作效率,同时也避免了人工测试带来的误差。     

Milling Fault Detection Method Based on Fault Tree Analysis and Hierarchical Belief Rule Base

Expert knowledge is the key to modeling milling fault detection systems based on the belief rule base. The construction of an initial expert knowledge base seriously affects the accuracy and interpretability of the milling fault detection model. However, due to the complexity of the milling system structure and the uncertainty of the milling failure index, it is often impossible to construct model expert knowledge effectively. Therefore, a milling system fault detection method based on fault tree analysis and hierarchical BRB (FTBRB) is proposed. Firstly, the proposed method uses a fault tree and hierarchical BRB modeling. Through fault tree analysis (FTA), the logical correspondence between FTA and BRB is sorted out. This can effectively embed the FTA mechanism into the BRB expert knowledge base. The hierarchical BRB model is used to solve the problem of excessive indexes and avoid combinatorial explosion. Secondly, evidence reasoning (ER) is used to ensure the transparency of the model reasoning process. Thirdly, the projection covariance matrix adaptation evolutionary strategies (P-CMA-ES) is used to optimize the model. Finally, this paper verifies the validity model and the method's feasibility techniques for milling data sets.