论文题目: 机电系统BIT间歇故障虚警抑制技术研究
论文类型: 博士论文
论文专业: 机械工程
作者: 柳新民
导师: 温熙森
关键词: 机内测试,虚警,间歇故障,故障诊断,隐马尔可夫模型,支持向量机,无监督学习,聚类
文献来源: 国防科学技术大学
发表年度: 2005
论文摘要: 机内测试(Built-in Test,BIT)技术在提高武器装备和机电系统的测试性、简化维修过程和降低保障费用等方面发挥了重要作用,但虚警率高的问题一直阻碍着BIT效能的充分发挥和更广泛、更深入的应用。国内外装备实践表明:间歇故障是导致机电系统BIT虚警的一个主要原因,诊断间歇故障能有效地提高机电系统BIT的性能和降低虚警。 目前机电系统BIT在诊断间歇故障降低虚警方面主要存在两方面的问题:一是缺乏从机理上研究间歇故障及其对BIT性能的影响,从而影响了间歇故障诊断的有效性;二是间歇故障的诊断方法存在不足,如:基于概率统计与随机过程的诊断方法学习和适应能力较差,而以神经网络为代表的机电系统BIT智能诊断方法需要大量训练样本,而这在很多情况下是不现实的。 本文以“十五”预研课题“机电产品BIT设计技术研究”为背景,针对机电系统BIT虚警率高和间歇故障诊断方面存在的问题,系统分析了间歇故障影响机电系统BIT性能的原因与机理,对间歇故障诊断与虚警抑制技术进行了深入研究。 论文的主要研究内容包括: 1.系统地分析和研究了间歇故障影响机电系统BIT性能的机理和建模问题。 (1) 在论述间歇故障是产生BIT虚警的一个主要原因的基础上,系统分析了间歇故障产生的原因与机理,定性定量地分析了间歇故障影响机电系统BIT性能的机理。研究表明:间歇故障是导致机电系统BIT虚警率升高和故障检测率降低的一个重要因素,诊断间歇故障能同时提高故障检测率和降低虚警。这为间歇故障诊断和虚警抑制技术的研究提供理论依据。 (2) 根据机电系统各种状态的表现及相互转移关系,建立了状态马尔可夫模型和系统隐马尔可夫模型(HMM),为间歇故障诊断和虚警抑制技术的研究奠定基础。 2.深入研究了间歇故障诊断和虚警抑制的模型与方法。 (1) 为解决间歇故障变化无规律、时有时无的问题,提出了基于HMM的机电系统BIT间歇故障诊断方法。系统研究了基于HMM的机电系统BIT故障诊断方法及其参数选择问题,针对有间歇故障训练样本和无间歇故障训练样本两种情况,分别提出基于HMM模型和基于HMM阈值的机电系统BIT间歇故障诊断方法。实验结果表明:这两种方法都能准确地诊断出间歇故障,有效地提高机电系统BIT的性能和降低虚警。 (2) 为解决间歇故障诊断中训练样本少的问题,提出了基于支持向量机(SVM)的机电系统BIT间歇故障诊断方法。该方法通过少量样本训练出有效的模型,实现对间歇故障的诊断。实验结果表明:基于SVM的机电系统BIT间歇故障诊断方法在小样本情况下,能准确辨识出多种间歇故障,其诊断性能优于神经网络方法,能有效提高机电系统BIT的性能和降低虚警。 (3) 为进一步提高机电系统BIT诊断间歇故障的能力,综合HMM适合处理连
论文目录:
摘要
ABSTRACT
插图和附表索引
第一章 绪论
1．1 研究背景及意义
1．2 文献综述
1．2．1 机电系统 BIT的产生、发展及其虚警问题
1．2．2 诊断间歇故障是 BIT虚警抑制技术研究的重要内容
1．2．3 诊断间歇故障抑制 BIT虚警的研究现状与存在的问题
1．3 论文的主要研究内容及组成
1．3．1 论文研究的主要问题
1．3．2 论文的研究内容和组织结构
第二章 间歇故障影响机电系统 BIT性能的机理分析与建模
2．1 间歇故障是产生机电系统BIT虚警的一个主要原因
2．1．1 机电系统 BIT产生虚警的主要原因概述
2．1．2 间歇故障是产生机电系统 BIT虚警的一个主要原因分析
2．2 非永久故障产生的原因与机理
2．2．1 非永久故障的概念及其相互关系
2．2．2 非永久故障的产生规律
2．2．3 非永久故障产生的原因与机理分析
2．3 非永久故障影响机电系统 BIT虚警的机理分析
2．3．1 非永久故障产生机电系统 BIT虚警的原因分析
2．3．2 间歇故障对机电系统 BIT性能影响的定性分析
2．3．3 间歇故障对机电系统 BIT性能影响的定量分析
2．4 机电系统及其各个状态模型的建立
2．4．1 机电系统各状态的马尔可夫模型
2．4．2 机电系统的隐马尔可夫模型
2．5 本章小结
第三章 基于 HMM的间歇故障诊断与虚警抑制技术研究
3．1 HMM的基本算法
3．1．1 前向一后向算法
3．1．2 Viterbi算法
3．1．3 Baum-Welch算法
3．2 基于 HMM的机电系统BIT故障诊断模型与方法研究
3．2．1 基于HMM的故障诊断模型与方法
3．2．2 HMM类型与参数的选择研究
3．3 基于HMM的间歇故障诊断与虚警抑制方法研究
3．3．1 机电系统的HMM模型
3．3．2 基于HMM的机电系统BIT间歇故障诊断方法研究
3．4 本章小结
第四章 基于 SVM的间歇故障诊断与虚警抑制技术研究
4．1 SVM的基本原理
4．1．1 机器学习的基本问题
4．1．2 统计学习理论的核心内容
4．1．3 支持向量机
4．2 基于SVM的机电系统BIT故障诊断模型与方法研究
4．2．1 多类问题的 SVM算法
4．2．2 基于 SVM的故障诊断原理
4．2．3 基于 SVM的故障诊断实验与结果
4．2．4 SVM与神经网络的诊断性能对比
4．3 基于 SVM的间歇故障诊断与虚警抑制方法研究
4．3．1 基于 SVM的机电系统 BIT间歇故障诊断原理
4．3．2 基于 SVM的间歇故障诊断实验与结果
4．4 本章小结
第五章 基于 HMM-SVM的间歇故障诊断与虚警抑制技术研究
5．1 基于 HMM-SVM并联模型的机电系统 BIT故障诊断方法研究
5．1．1 基于 HMM-SVM并联模型的故障诊断方法
5．1．2 并联模型的故障诊断实验与结果
5．1．3 并联模型与 HMM和 SVM诊断方法的对比
5．2 基于HMM-SVM串联模型的机电系统BIT故障诊断方法研究
5．2．1 基于 HMM-SVM串联模型的故障诊断方法
5．2．2 串联模型的故障诊断实验与结果
5．2．3 串联模型与 HMM和 SVM诊断方法的对比
5．2．4 HMM-SVM并联模型和串联模型的比较
5．3 基于 HMM-SVM的间歇故障诊断与虚警抑制方法研究
5．3．1 基于 HMM-SVM的机电系统 BIT间歇故障诊断方法
5．3．2 基于 HMM-SVM的间歇故障诊断实例
5．4 本章小结
第六章 基于无监督1-DISVM的间歇故障诊断与虚警抑制技术研究
6．1 改进决策1-SVM(1-DISVM)的提出
6．1．1 1-SVM的基本原理
6．1．2 1-SVM算法在分类上的不足
6．1．3 改进决策1-SVM的算法(1-DISVM)
6．2 基于1-DISVM多分类模型的机电系统 BIT故障诊断方法研究
6．2．1 1-DISVM多分类模型的原理
6．2．2 基于1-DISVM多分类模型的故障诊断方法
6．2．3 故障诊断实例
6．2．4 1-DISVM多分类模型的特点
6．3 基于1-DISVM聚类模型的机电系统 BIT故障诊断方法研究
6．3．1 基于1-DISVM聚类模型的故障诊断方法
6．3．2 故障诊断应用
6．3．3 结论
6．4 基于1-DISVM的间歇故障诊断与虚警抑制方法研究
6．4．1 基于1-DISVM多分类模型的间歇故障诊断方法研究
6．4．2 基于1-DISVM聚类模型的间歇故障诊断方法研究
6．5 本章小节
第七章 间歇故障诊断与虚警抑制技术的应用
7．1 某稳定跟踪平台的 BIT系统设计
7．1．1 稳定跟踪平台的基本组成和功能特点
7．1．2 具有间歇故障诊断能力的稳定跟踪平台BIT系统设计
7．2 诊断间歇故障抑制捷联惯导系统 BIT的虚警
7．2．1 捷联惯导系统及原有 BIT
7．2．2 改进的捷联惯导 BIT系统及诊断实例
7．2．3 应用建议
7．3 本章小节
第八章 结论与展望
8 ．1 总结与结论
8．2 研究展望
致谢
参考文献
附录:攻读博士学位期间发表的论文
发布时间: 2005-11-07
相关论文
- [1].贝叶斯网络故障诊断与维修决策方法及应用研究[D]. 李俭川.中国人民解放军国防科学技术大学2002
- [2].基于独立分量分析的旋转机械故障诊断方法研究[D]. 焦卫东.浙江大学2003
- [3].基于支持向量回归技术的大型复杂机电设备故障诊断研究与应用[D]. 王然风.太原理工大学2005
- [4].基于支持向量机的故障智能诊断理论与方法研究[D]. 何学文.中南大学2004
- [5].基于模型的控制系统鲁棒故障诊断技术研究[D]. 姜云春.国防科学技术大学2006
标签：机内测试论文; 虚警论文; 间歇故障论文; 故障诊断论文; 隐马尔可夫模型论文; 支持向量机论文; 无监督学习论文; 聚类论文;