共查询到16条相似文献,搜索用时 78 毫秒
1.
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。 相似文献
2.
基于BP神经网络的智能BIT故障诊断系统研究 总被引:2,自引:0,他引:2
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。 相似文献
3.
采用AI理论降低电子设备BIT虚警率 总被引:1,自引:0,他引:1
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。 相似文献
4.
5.
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。 相似文献
6.
基于BP神经网络的故障诊断技术研究 总被引:4,自引:0,他引:4
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. 相似文献
7.
8.
基于ART Ⅱ信息融合的BIT虚警识别 总被引:1,自引:0,他引:1
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。 相似文献
9.
10.
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。 相似文献
11.
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。 相似文献
12.
13.
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。 相似文献
14.
15.
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. 相似文献
16.
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。 相似文献