遗传BP网络在雷达装备BIT虚警抑制中的应用研究

针对现有故障诊断方法不能有效抑制雷达装备BIT虚警的现象,提出一种遗传算法优化后的BP神经网络技术抑制雷达装备BIT虚警的方法;首先介绍经遗传算法优化后BP神经网络的基本结构和学习算法,再结合雷达装备BIT的特点,以某火控系统雷达发射机作为被故障诊断对象,采用9个具有代表性的雷达发射机故障特征和8个典型故障,以Matlab作为开发工具进行仿真实验;实验结果表明该方法能准确对故障进行定位,有效抑制BIT虚警,提高雷达系统故障诊断能力。     

基于BP神经网络的智能BIT故障诊断系统研究

论述了智能BIT的设计、检测、诊断、决策四个方面的主要研究内容,分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的智能BIT故障诊断系统,并用某雷达录取终端的故障实际数据进行了验证。结果表明将神经网络与智能BIT结合是一种有效的诊断方法,解决了传统BIT故障诊断能力不足,导致系统虚警率过高、自适应性能差等问题,使被测系统具有更高的故障诊断能力。     

采用AI理论降低电子设备BIT虚警率

简要介绍电子设备ＢＩＴ发展状况并分析了ＢＩＴ虚警产生的原因，提出采用模糊专家系统（ＦＥＳ）结合综合环境试验发现产生电子设备ＢＩＴ虚警的工艺和设计缺陷；并对竞争神经网络在电子设备ＢＩＴ运行过程中出现虚警识别进行了研究，结果表明可以有效降低电子设备ＢＩＴ虚警率。     

基于HMM-BP-DS的雷达装备BIT虚警抑制方法

针对雷达装备BIT虚警“假报”、“错报”的两类表现,提出一种基于HMM-BP-DS的虚警抑制方法.首先将雷达系统状态划分为正常、虚警和故障3个状态,利用HMM区分系统是否产生故障,消除“假报”现象;再对故障状态下采集到的雷达数据采用BP神经网络和D-S证据理论处理,对故障进行定位,以消除“错报”现象.实验分析结果表明,该方法能有效降低雷达装备BIT虚警率.     

基于有向图的BIT级联虚警分析

机内测试(BIT)是一种提高系统测试性和诊断能力的重要技术,然而系统部件之间及部件内部存在的关联耦合关系往往导致BIT虚警;采用基于有向图的方法对BIT进行虚警分析,在系统级联图中对一种耦合关系提出同胚的概念,并给出了优化方法,给出BIT虚警分析步骤,分析报故部件的故障可信度和虚警可信度;仿真算例表明该方法可有效地应用于BIT虚警的分析。     

基于BP神经网络的故障诊断技术研究

分析了传统的故障诊断方法的特点和缺点,在此基础上选择BP神经网络应用于故障诊断,详细探讨了BP神经网络的建模方法,根据设备的层次结构和特点,将集成神经网络应用于故障诊断,有效地克服了单一神经网络故障诊断的一些缺点,大大提高了故障诊断的效率和准确率.     

基于BP神经网络的电子电路故障诊断技术

提出利用BP神经网络进行电子电路故障诊断的基本思想、基本步骤,并通过MATLAB软件编程,对实际问题的解决进行仿真,说明该技术的可行性和有效性,为电子电路的故障诊断提出新思路。     

基于ART Ⅱ信息融合的BIT虚警识别

恶劣环境是电子设备ＢＩＴ运行过程中出现虚警的重要原因，由于样本获取困难，无导师学习神经网络得到广泛重视。本文提出采用ＡＲＴ Ⅱ网络对电子设备ＢＩＴ输出信息和环境应力信息进行融合，自适应识别ＢＩＴ状态模式，实验证明ＡＲＴ Ⅱ网络能准确识别ＢＩＴ状态，滤除虚警。     

基于BP神经网络的电子设备故障诊断技术

故障诊断涉及模式分类与识别问题,神经网络对外界输入样本有很强的识别分类能力,能很好地实现非线性曲面的逼近.因此神经网络在设备故障诊断中能很好地得到应用,BP神经网络是目前最为广泛和成功的神经网络之一.介绍了BP神经网络在电子设备故障诊断技术中的应用,讨论了BP神经网络的算法和改进算法及其诊断过程,并对某型电台的故障诊断进行了MATLAB仿真.     

基于改进的BP神经网络的FMS故障诊断系统

本文根据FMS故障诊断的特点，用神经网络建立一个FMS故障诊断系统，提出改进的BP算法，并对仿真结果进行分析。     

基于BP神经网络的入侵检测算法

为解决传统入侵检测算法存在的高漏报率及高误报率问题,结合BP神经网络算法的优点,提出一种采用遗传算法来优化BP神经网络算法的入侵检测算法。该算法通过遗传算法找到BP神经网络的最适合权值,采用优化的BP神经网络对网络入侵数据进行学习和检测,解决直接使用BP学习造成的训练样本数量过大而难以收敛的问题,同时缩短样本训练时间,提高BP神经网络分类正确率。仿真实验结果表明,与传统网络入侵检测算法相比,该算法的训练样本时间更短,具有较好的识别率和检测率。     

基于模式相关的改进BP神经网络算法

针对传统的BP神经网络模式分类算法在各个网络输出值较为接近或者模式类之间的网络输出值接近的情况下容易发生误判的问题,提出一种基于模式相关的BP神经网络分类算法,并结合具体电路,运用该方法进行建模、仿真．实验结果表明,采用模式相关的BP神经网络分类算法能够充分利用网络输出层各个节点的所有输出,增强了网络的输出特性,便于正确、方便的进行模式分类,且分类效果良好,具有一定的通用性．     

基于改进BP神经网络的网络故障诊断研究

针对网络故障诊断过程中故障规则难以提取的问题,提出一种基于改进BP神经网络的故障诊断方法。以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。同时,为了避免BP网络的学习算法陷入局部极小值,提高故障诊断的效率和精确度,采用L-M优化算法来对网络进行训练。另外,采取初期终止的方法提高BP网络的泛化能力。实例表明,该方法有效提高了网络故障诊断的有效性。     

基于BP小波神经网络的模拟电路故障诊断

针对现有BP网络在模拟电路故障诊断中存在的问题,提出了一种基于BP小波神经网络的故障诊断方法.该法将小波函数与BP网络结合构成BP小波网络,这种网络具有小波变换的时频局域化性质和BP网络的自学习能力.分别用BP小波网络和传统BP网络对实例电路进行故障诊断,结果表明本方法是有效的,而且比传统BP网络方法的学习收敛速度快得多.     

基于多级BP神经网络的无线电罗盘多故障诊断研究

为了快速准确诊断出无线电罗盘多故障模块,针对诊断过程中的过拟合现象提出了基于提前停止法的学习率可变BP算法,并运用多级BP神经网络诊断思想,得出基于多级BP神经网络的多故障诊断方法;文中根据多级BP神经网络的多故障诊断方法,对具体的机载无线电罗盘测向电路建模仿真,将复杂的无线电罗盘电路分解为3个子网络,并对每个子网络建立合适的故障集,按顺序依次诊断得出无线电罗盘电路中的故障模块;此方法可快速准确定位电路中的多处故障模块,准确率较高且缩短了诊断时间.     

基于BP神经网络的故障诊断模型研究

滚动轴承是旋转机械中最常用的部件之一。滚动轴承很容易损坏，而它的工作条件通常比较复杂，很难对其故障进行准确判断。为了提高滚动轴承故障诊断的有效性，构建了一种新的基于改进量子蜂群算法和BP神经网络的滚动轴承故障诊断模型（IQABC-BP）。首先针对量子蜂群算法在种群初始化和进化过程中存在的问题，提出了一种改进量子蜂群算法，然后利用改进量子蜂群算法对BP神经网络的初始权值、阈值和隐含层单元数进行优化，建立了一种具有超并行超高速的基于改进量子蜂群算法的BP神经网络模型，并应用于滚动轴承的故障诊断中。实验结果表明，IQABC-BP模型收敛速度更快，故障诊断效果更好，具有很好的应用价值。