一、军用电子设备故障诊断专家系统知识库的建立（论文文献综述）
丁健[1]（2021）在《SL-Z25010Y智能电容主控电路故障诊断方法及实现》文中指出近年来在我国电网中,无功功率日益增加,而电网中无功功率过大会增加线路损耗,引起电压跌落,影响电能质量。供电局为解决这一问题,会要求产生大量无功的用户进行无功功率就地补偿,同时,对功率因数不达标的用户进行罚款。智能电容就是为解决电网中无功功率过大这一问题而广泛应用于电网中。智能电容主控电路故障会导致电网无功功率过大,功率因数达不到要求而让用户遭到供电局罚款。传统的智能电容主控电路故障维修主要依赖维修人员的经验,缺乏针对其故障诊断系统的研究,因此,对智能电容主控电路故障理论和技术进行研究很有必要。本文以扬州某公司的SL-Z25010Y智能电容为研究对象,建立SL-Z25010Y智能电容主控电路故障诊断系统专家系统,具体内容如下:首先介绍了SL-Z25010Y智能电容故障诊断的目的和意义,以及国内外故障诊断方法研究现状,具体介绍了几种典型的方法,阐述了故障树分析法和专家系统,针对SLZ25010Y智能电容主控电路故障诊断,提出了将故障树分析法和专家系统相结合作为SL-Z25010Y智能电容主控电路故障诊断方法。其次针对缺乏SL-Z25010Y智能电容主控电路故障这一问题,通过电路分析和专家交流解决,利用SL-Z25010Y智能电容特有的工作方式是组网工作且分主机和从机,为提高诊断效率,明确主机故障、从机故障和主从机共有故障内容。鉴于主机故障会对SL-Z25010Y智能电容组网工作产生较大消极影响,以主机故障为例,建立主机故障树并进行定性分析和定量分析,针对测试顺序因定量分析中有些底事件近似结构重要度相同无法解决,引入改进层次分析法计算权值,根据权值大小确定测试顺序。通过权值大小发现最有可能出现故障的是电压采样电路。将上述分析得到的结果用于专家系统知识库的建立和推理机的设计。采用基于知识的推理方法,正向推理模式和纵向优先的搜索策略来实现推理过程。最后,采用Visual Studio 2017开发平台与Microsoft SQL Server 2015数据库联合构建了智能电容故障诊断专家系统的软件架构,使用SCPI和GPIB总线,完成SL-Z25010Y智能电容主控电路故障诊断专家系统的开发。以电压采样电路故障为例,经测试能够满足SL-Z25010Y智能电容主控电路的故障诊断的需求。
谢辰子[2]（2021）在《电子设备智能故障诊断技术研究》文中指出电子设备伴随我国电子技术的不断发展,已经进入了人们生活和生产的各个领域。市场上各种类型的电子设备应有尽有,极大地满足了人们对电子产品的需求。但是,电子设备在长期使用过程中不可避免会出现相应的故障问题。借助科学合理的故障诊断技术可以有效解决电子设备故障问题。本文主要对电子设备智能故障诊断技术进行分析,目的是确保电子设备的正常运行,进一步推动我国电子行业的可持续发展。
耿浩[3]（2020）在《面向复杂系统的机械故障诊断及评估算法》文中进行了进一步梳理故障诊断是机械故障预测与健康管理系统中必不可少的手段,用于识别和隔离机器运行中产生的故障。它不但可以提供诊断信息,在机器出现故障之前提早订购和更换备件,还可以帮助确定故障的根本原因,以防止问题再次发生。许多分类算法已被应用到机器故障诊断中,但由于没有一种算法可以在所有情况下发挥最佳性能,且针对较为复杂的机械系统,需要两种或多种方法进行评估与测试。因此,选择适当的方法对于最大化诊断准确性至关重要。本文研究的重点是审查和评估几种用于机械故障诊断建模的分类算法,针对不同的应用场景提出适当的故障诊断算法,以建立可用于在较短时间内开发更精确的故障预测与健康管理（PHM）系统的知识库。本文研究中评估的模型包括K最近邻,朴素贝叶斯分类器,贝叶斯信念网络,自组织图,支持向量机和随机森林。为了了解每种模型在不同情况下的功能,本文针对两种不同应用场景下的数据进行基准测试,并分别提出了对应场景下的故障诊断算法。第一个场景是对于来自用于发电应用的大型固定式天然气发动机的模拟健康数据和故障数据。本文提出了基于贝叶斯信念网络的复杂系统故障诊断算法。模拟故障包括废气门阀卡住,喷油嘴堵塞,燃油质量差以及这三种故障模式的所有可能组合。算法研究的挑战在于该系统很复杂,具有许多相互作用的组件和许多可能的故障模式。与每个模型相比,基于贝叶斯信念网络的故障诊断算法表现最佳,因为它可以合并特征和故障模式之间复杂关系的领域知识。它提供了最高的诊断准确度,平均准确率为92.6%,并且给出了最一致的结果。第二个场景为针对在无传感器的环境中测试的滚珠丝杠驱动的线性运动系统,其中只有控制器数据可用（电动机速度和电动机转矩）。本文提出了基于随机森林的线性系统故障诊断算法。目的是诊断两个不同组件（滚珠丝杠和导轨）的预紧力损失。为预加载条件定义了三个级别,新的（绿色）,磨损的（黄色）和有故障的（红色–无预载）。因此,对3个滚珠丝杠和3个具有3种不同预紧力的导轨进行了测试,以模拟9种可能的组合。由于电机控制器信号通常带有噪声,因此本算法研究旨在评估每种模型对噪声和无关数据特征的鲁棒性。考虑到实践中很难获得故障样本,因为机器不经常发生故障并且诱发故障测试的成本很高,因此,它还比较了每个模型需要多少训练样本才能很好地运行。结果表明,基于随机森林模型的故障诊断算法是最鲁棒的,具有最高的诊断准确度,平均准确率达到99.6%,并且需要很少的训练样本。
张创[4]（2020）在《机上故障诊断系统研究与设计》文中研究表明飞机是一种庞大且高安全性要求的重要装备。其故障种类复杂,不仅包括人为操作故障,还包括各种设备通信等故障。传统的机上故障识别,包括飞机维护工作的故障排查,均采用查阅飞机维修手册中的故障代码的方式。随着电子设备的快速发展,机上各系统的信号交联情况愈加复杂,使得现行的人工查手册的故障排查方法已无法满足机上故障的快速准确识别。为此,论文基于所在单位承研项目,设计实现了机上航电、无线电、飞行仪表三大系统中GJB289A、HB6096、RS422、CAN、LAN总线及离散量信号通信故障的实时监测与诊断系统。本文在深入研究机上各总线及非总线信号特征的基础上,设计了机上故障诊断系统,该系统主要包括机上三大系统信号数据的实时采集与存储、故障数据的ICD（Interface Control Document）分析与判读,以及故障定位。主要工作如下:1.在深入分析现有机上故障与诊断技术的基础上,结合系统运行的基本环境指标及系统六性指标等定量设计目标,完成了基于专家系统的机上多种信号故障分析与定位系统的方案设计。2.完成了机上总线故障分析与定位系统软硬件模块的设计。硬件部分完成采集装置中各控制板和信号采集板的设计,包括:核心控制板、矩阵继电器切换板、HB6096隔离信号板、RS422隔离信号版、GJB289A信号板、离散量信号隔离板及隔离电源转换电路等;软件部分完成了机上故障建模、解析、诊断等软件功能模块的优化设计,包括:故障树建立模块、ICD解析模块、监测模块、诊断模块、信息管理模块等,基于C#语言和SQL Server数据库平台,完成了软件驱动及应用程序的实现。3.基于我国某型飞机故障测试用例库,按照论文设计目标,针对EFIS故障、EFCAS故障、无线电罗盘故障及机载综合防撞设备故障这4个故障事例包含的39种故障现象,搭建了验证平台,完成了试验验证。基于一致故障数、基本一致故障数、未通过故障数及通过比率这4种航空领域机上故障定量分析方法,完成了本文设计系统试验结果分析,结果表明:测试通过率综合能力达到89.7%,未通过率10.3%,系统监测诊断多种信号的处理时间小于50ms,论文结果满足机上故障诊断系统的设计要求。
吴冬寒[5]（2020）在《某型雷达健康状态评估与寿命预测方法研究》文中提出随着雷达装备信息化、系统集成化程度的不断提高,对雷达装备故障预测与健康管理技术（Prognosis and Health Management,PHM）的研究和应用也提出了更高的要求。某型三坐标搜索雷达是某型车载防空火控雷达系统中可靠性要求最高、保障难度最大的一部分,为满足雷达装备综合保障的要求,充分发挥其战斗力,需要实现对雷达装备运行状态的监测及健康状态的评估,并根据健康评估状况对其进行剩余使用寿命预测、故障诊断、维修维护预测,从而完成传统的“事后维修”决策向“视情维修”决策的转变。因此,对该雷达装备的PHM技术进行研究是十分必要的,是提高雷达系统综合保障水平及作战效能的重要一步。论文的主要内容和创新点体现在:（1）健康状态评估方面:在总结和梳理装备健康状态评估方法的基础上,按照装备系统分级的思想构建出装备健康状态的评估体系。以某型三坐标搜索雷达为研究对象,分别采用基于故障关联、基于自组织映射网络（SOM）的方法对其收发模块进行健康状态评估,参照专家经验与评估结果对两种评估方法进行对比分析。详细介绍了采用综合评价法对该搜索雷达收发系统进行健康状态评估的过程。（2）剩余使用寿命预测方面:在阐述雷达装备寿命的概念、分析装备剩余使用寿命预测与故障预测的区别后,对装备剩余使用寿命预测的研究方法进行了总结,通过建立基于随机模糊理论和基于加权最小支持向量机（LS-SVM）的预测模型对某型雷达收发模块的剩余使用寿命进行预测,并选取有代表性的样本进行预测对比,分析两种预测模型的优缺点。（3）雷达装备PHM系统方面:结合某型雷达装备的实际使用情况分析系统需求,延续系统分级的设计思路完成系统体系结构的设计,讨论系统数据信息传输过程和各模块功能,采用基于Java的Spring Boot框架与My SQL数据库开发该PHM系统,并对系统中的健康状态评估和剩余使用寿命预测功能模块进行演示。
赵燕辉[6]（2020）在《基于大数据的航电综合分析系统的设计与实现》文中研究指明在现代战争中,飞机作战环境日益复杂,各种作战任务越来越离不开航电系统的支持,一个稳定、功能完善航空电子系统是提升飞机作战性能的核心。为保障航电系统的稳定性与安全性,在航电系统正式应用于飞机前需要对航电系统进行仿真测试,在多年的试验数据分析过程中,专家和工程师们总结了大量分析经验,但是仍存在试验数据监控分析技术手段传统,工序繁琐,人员相关经验依赖性强等问题。在此次研究中,我们使用大数据实验平台代替光纤通道数据监控卡和光纤通道仿真卡,此外,将K-means算法用于数据挖掘,为专家系统的知识获取提供了一种方法,并采用故障树对异常数据进行分析。全文的主要工作如下:1.针对航空电子研究所应用的航空电子数据协议不一致,需要对每种协议类型的数据进行单独分析的问题,提出了基于大数据中心的数据预处理方法,可以兼容多协议格式的数据监控和数据分析。2.针对航空电子系统的发展和机载资源共享需要传输和处理的数据呈指数级增长的问题,提出了一种大数据实验平台来代替光纤通道数据监控卡和光纤通道仿真卡,从而实现对光纤通道发送数据的及时、有序的分类存储和管理。3.采用专家系统的概念,将专家的专业知识和相关领域的技术文档转化为知识库中的知识,使得本系统能够以依据专家的知识经验、思维方式去分析试验数据并进行故障诊断处理,通过对试验数据进行分析处理,并捕获异常数据。分析数据,确定异常类型和产生原因。4.该系统基于各种总线协议对试验数据进行可视化,用户可以查阅实时和历史的测试数据,并能够对监控数据进行流量速率统计,对仿真设备的工作在网状态进行监控显示。5.提出将K-means算法用于数据挖掘,为专家系统的知识获取提供了一种方法,降低了试验数据分析系统对工作人员领域经验的依赖性。以上工作,已经通过对系统功能测试完成验证,系统实现了多协议的试验数据监控分析、流量统计、异常数据监控等功能。
孙胜昊[7]（2019）在《炮长瞄准镜故障诊断专家系统的研究》文中研究表明炮长瞄准镜是坦克观瞄系统的重要组成部分,以积木式结构安装在坦克内部,具有观察、搜索、瞄准目标的功能。其精密度高,结构复杂,仅依靠专业人员的维修经验进行检测维修很难保证准确度和维修效率,需要开发智能化检测系统,快速准确地检测炮长瞄准镜性能指标。因此,本文设计了炮长瞄准镜故障诊断专家系统。主要研究内容如下:提出了炮长瞄准镜故障诊断专家系统的知识获取方式,采用减法聚类算法和故障树分析法对炮长瞄准镜的部件和控制信号故障实现了知识获取。在减法聚类算法中引入了斯皮尔曼相关性系数排除了无关输入项的干扰,避免了知识的冗余。根据炮长瞄准镜的组成结构和工作原理,构建了炮长瞄准镜故障树,明确了故障间逻辑关系,确定了故障的具体原因从而完成知识获取。构建了炮长瞄准故障诊断专家系统的知识库。明确了产生式规则的知识表达方式,以SQL Server 2012数据库为搭建工具,根据推理机的推理方式将知识库划分为条件表、规则表、结论表、解释表四部分进行搭建与管理。设计了炮长瞄准镜故障诊断专家系统的推理机。通过对KMP字符匹配算法的改进提高了匹配效率,设置了故障等级解决了规则匹配冲突的问题。在正向推理的方法的思想基础上,采用改进的KMP字符匹配算法将事实与规则进行匹配的方式实现了推理机的设计。实现了炮长瞄准镜故障诊断专家系统的软件开发。将专家系统的结构组成划分为软件的四大模块进行开发,设计了系统软件的工作流程,使用Visual Studio 2013编程工具和SQL Server 2012数据库完成了系统软件的开发。通过实例测试表明,能够实现炮长瞄准镜的故障诊断功能并给出合理的维修建议。
江山青[8]（2019）在《基于规则和案例D-S证据融合的坦克火控系统故障诊断专家系统的研究与应用》文中认为随着各行业技术的飞速发展,我国坦克的性能得到了极大提升,但是随着坦克性能的提升,其设备复杂度也不断提高,给坦克的维修检测、故障诊断带来了极大的挑战。坦克火控系统是坦克火力控制的枢纽,决定了坦克火力的输出情况,直接影响到坦克的作战能力。因此提高坦克火控系统的可靠性和稳定性对于我军作战任务的完成和坦克部队作战能力的提高具有很大的实际意义和价值。首先提出了基于产生式规则的故障诊断推理方法,通过对坦克火控系统各个部件建立故障树和对故障树进行定性、定量分析得到坦克火控系统的产生式规则,根据带可信度因子的产生式规则与事实条件的相似度得到被激发的规则结论的可靠度。其次创建了矩阵的知识表示形式,用矩阵的形式表示案例知识库中的源案例,通过计算待诊断案例与源案例中单个属性的相似度和整体的相似度,最终得到带诊断案例与每一个源案例的相似度。最后提出了通过D-S证据理论对基于规则的推理结果和基于案例的推理结果进行融合的方法。根据实际情况,确定了 D-S证据融合的识别框架和基本概率赋值函数,分析了融合时存在的问题,对于“一票否决”和证据间的高冲突问题进行了改进,把融合后支持度最高的结果作为最终的诊断结果。相比于传统的维修手段和方法,本文所研究的方法极大的提高了坦克火控系统故障诊断的效率。通过对单一的诊断方法与D-S证据融合诊断方法的结果进行对比,证明了 D-S证据融合的有效性,提高了故障诊断的准确率,减少了误诊和漏诊率。用C#编程软件和SQL server数据库实现了故障诊断专家系统的各项功能,使一般的操作人员也能结合本系统对坦克火控系统进行故障诊断。
宋磊[9]（2018）在《军用电子设备预测与健康管理体系结构及关键技术研究》文中研究指明对军用电子设备进行故障预测与健康管理研究,实现武器装备维修策略由“事后维修”、“定时维修”向“视情维修”转变,能够有效提高维修效率,提升现有装备保障水平和作战效能,对于实现强军目标具有重要战略意义。基于此,本文结合军用装备维修实际,主要研究工作包括:第一,针对军用装备部署分散、部队维修力量薄弱、保障资源缺乏的实际,借鉴云计算技术架构,设计了一种基于云服务的军用装备PHM体系结构并提出相应的服务模式。主要是运用软件开放式设计思想,将部队装备管理流程、器材供应流程、维修保养流程和技术服务流程融入云计算框架结构,并结合部队用户实际特点,对服务流程进行了设计优化,对架构可行性进行了初步论证。第二,非线性流形学习方法和隐马尔可夫模型相结合的元件级电路故障诊断技术研究与实现。利用非线性流形学习方法在处理高维、非线性数据方面的优点和HMM在模式识别过程中的优势,研究并改进了一种混合诊断模型,用于模拟电路元件级故障早期状态识别。在仿真电路中,将放大器与电容、电阻元件一并进行故障建模,最大范围覆盖电路故障,该方法与常规诊断方法相比,可以有效识别早期故障特征,故障诊断效率有明显提升。第三,基于贝叶斯网络的电子设备模块级故障诊断方法研究与实现。针对军用电子设备集成度高,结构复杂,故障机理难以全面掌握的现实问题,以某型号雷达系统接收机抗干扰信号通路为例,依电路系统拓扑结构和专家经验构建贝叶斯网络模型,利用网络自主学习和推理,实现完整数据和非完整数据情况下的故障模块诊断,解决了复杂系统模块故障定位难的问题。第四,基于粒子群搜索算法和改进灰色模型的电子设备系统状态预测技术研究与实现。针对军用电子设备的渐发性故障进行趋势预测研究,改进并实现了一种基于改进灰色模型的电子系统的短期状态预测方法。使用某型号雷达发射机高压电源纹波电压、栅控行波管管体和收集极电流历史数据作为试验数据,利用改进的PSO算法实现数据快速收敛,确定预测最佳维度,构建多步累加生成的灰色模型GM（1,1）,从而实现对雷达发射机系统状态的预测。
金吉[10]（2018）在《基于专家系统的无人机故障诊断系统研究》文中认为无人战斗机是现阶段实施防控压制和纵深扣击的重要装备,也逐步升级为现代高科技战争的主要作战手段之一,它在战场上的作用是不可估量的。无人战斗机系统技术含量高,设备种类多,战场毁伤概率大,无人机系统的维修保障对作战效能的发挥起着重要的作用,因此军用自动检测与故障诊断系统的开发和利用受到了各军事强国的高度重视。目前,各类军用无人机的自动检测与故障诊断系统的构建方法纷繁复杂,诸多技术发展较为成熟,但是也仍存在一些问题,本文研究基于专家系统的无人机故障诊断系统,主要是对无人机飞行控制系统的性能检测和故障诊断,可以通过检测无人机飞行控制系统的工作性能,从而确定无人机飞控系统的故障状况,从而保障无人机的飞行安全;通过友好的人机交互界面,可以帮助地面维护人员很好的了解无人机飞控系统的工作状态,对保障无人机作战飞机的工作效能的发挥具有重要意义。本文首先介绍了无人机维修保障的重要意义,以及自动测试系统（ATS）的国内外发展现状,通过对无人机ATS和故障诊断系统当前发展局势的学习分析,选择了专家系统的方法和理念以及其相关理论建立无人机飞行控制系统的故障诊断系统。本文对无人机飞行控制系统的组成及功能进行了详细的分析,并对自动检测系统与故障诊断的基本概念及工作原理、专家系统以及故障诊断专家系统的基本概念进行了介绍和学习,结合无人机飞行控制系统特点以及故障诊断专家系统的基本理论,以无人机飞控系统的诊断需求出发,构建故障诊断专家系统。本文对无人机故障知识特点进行了详细的分析,并根据其特点,选则利用“产生式”的表示方法进行知识表示,并模块化的思想构建专家系统的知识库,专家系统推理机的建立是构建专家系统的核心工作,本文通过对推理方法的学习,选择了混合推理的方法,并利用基于神经网络的BP算法作为规则进行推理。通过对算法的合理运用保证了推理机的可靠性。最后,本文根据故障诊断系统的功能需求,选用了Dephi软件平台对系统界面、各个功能模块进行详细的设计,并通过对无人机飞行数据的检测,实现了对本系统各项功能进行验证,可以充分证明本系统设计的有效性。
二、军用电子设备故障诊断专家系统知识库的建立（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、军用电子设备故障诊断专家系统知识库的建立（论文提纲范文）
（1）SL-Z25010Y智能电容主控电路故障诊断方法及实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 故障诊断方法研究概况 |
| 1.2.1 基于解析模型的方法 |
| 1.2.2 基于信号处理的方法 |
| 1.2.3 基于知识的方法 |
| 1.3 主要研究内容与结构安排 |
| 第二章 专家系统与故障树分析 |
| 2.1 专家系统 |
| 2.1.1 专家系统概述 |
| 2.1.2 专家系统的结构 |
| 2.1.3 专家系统的分类 |
| 2.2 故障树分析法 |
| 2.2.1 故障数的建造步骤 |
| 2.2.2 故障树符号 |
| 2.2.3 故障树分析法的数学表示 |
| 2.2.4 故障树的定性分析 |
| 2.2.5 故障树的定量分析 |
| 2.3 基于故障树的专家系统 |
| 2.4 本章小结 |
| 第三章 SL-Z25010Y智能电容故障分析 |
| 3.1 SL-Z25010Y智能电容的组成 |
| 3.2 SL-Z25010Y智能电容工作原理 |
| 3.3 SL-Z25010Y智能电容技术指标 |
| 3.4 SL-Z25010Y智能电容的工作方式 |
| 3.4.1 主机工作方式 |
| 3.4.2 从机工作方式 |
| 3.5 SL-Z25010Y智能电容故障分析 |
| 3.5.1 电源电路5V与采样电路故障分析 |
| 3.5.2 通信电路与显示电路故障分析 |
| 3.5.3 指示灯不亮与按键电路故障分析 |
| 3.5.4 电压过零电路与磁保驱动电路故障分析 |
| 3.5.5 电容器与晶振电路故障分析 |
| 3.5.6 组网故障分析 |
| 3.6 本章小结 |
| 第四章 SL-Z25010Y主机智能电容故障树建立 |
| 4.1 故障树的建立 |
| 4.2 故障树定性与定量分析 |
| 4.2.1 定性分析 |
| 4.2.2 定量分析 |
| 4.2.3 改进层次分析法 |
| 4.3 本章小结 |
| 第五章 SL-Z25010Y主控电路故障诊断专家系统设计与实现 |
| 5.1 开发环境与开发分析 |
| 5.1.1 开发分析 |
| 5.1.2 开发环境 |
| 5.2 知识库的设计 |
| 5.2.1 知识的表示方法 |
| 5.2.2 知识的存储 |
| 5.2.3 知识的管理 |
| 5.3 推理机的设计 |
| 5.3.1 诊断流程设计 |
| 5.3.2 SL-Z25010Y主控电路故障诊断系统推理机的设计 |
| 5.4 专家系统人机界面介绍 |
| 5.4.1 系统总体设计 |
| 5.4.2 测试仪器与计算机连接 |
| 5.4.3 主界面 |
| 5.4.4 知识库管理功能 |
| 5.4.5 诊断实例 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（2）电子设备智能故障诊断技术研究（论文提纲范文）
| 1 传统电子设备故障诊断技术 |
| 1.1 单信号处理技术 |
| 1.2 单信号滤波技术 |
| 2 电子设备智能故障诊断技术 |
| 2.1 知识库的构建 |
| 2.2 推理机的设计 |
| 3 电子设备智能故障诊断技术的发展前景 |
| 3.1 分布式故障诊断 |
| 3.2 远程故障诊断 |
| 3.3 智能诊断决策支持系统 |
| 3.4 便捷式诊断仪 |
| 3.5 诊断Agent |
| 3.6 故障预测预报 |
| 4 结语 |
（3）面向复杂系统的机械故障诊断及评估算法（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 国内外研究现状 |
| 1.4 主要研究内容 |
| 1.5 论文组织 |
| 2 PHM及相关方法介绍 |
| 2.1 PHM概述 |
| 2.2 故障诊断建模方法分析 |
| 2.3 故障诊断建模步骤 |
| 3 基于贝叶斯信念网络的复杂系统故障诊断算法 |
| 3.1 引言 |
| 3.2 发动机训练和测试数据集的特征提取 |
| 3.3 基于贝叶斯信念网络故障诊断网络模型设计 |
| 3.4 实验评估 |
| 3.5 结论 |
| 4 基于随机森林的线性系统故障诊断算法 |
| 4.1 引言 |
| 4.2 数据收集与预处理 |
| 4.3 特征提取 |
| 4.4 基于随机森林的故障诊断预测算法 |
| 4.5 结果与讨论 |
| 5 结论和未来工作 |
| 5.1 结论 |
| 5.2 建议与未来工作 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（4）机上故障诊断系统研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 论文研究的背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 论文研究的主要内容及结构 |
| 第二章 机上故障特征及诊断方法 |
| 2.1 机上故障特征 |
| 2.2 机上故障诊断技术 |
| 2.3 专家故障诊断方法 |
| 2.3.1 具备能力 |
| 2.3.2 组成模块 |
| 2.4 本章小结 |
| 第三章 机上故障诊断系统的方案设计 |
| 3.1 系统设计目标 |
| 3.2 整体方案设计 |
| 3.3 开发环境指标分析 |
| 3.3.1 基本环境指标 |
| 3.3.2 系统六性指标 |
| 3.3.3 硬件开发环境 |
| 3.3.4 软件开发环境 |
| 3.4 本章小结 |
| 第四章 机上故障诊断系统的硬件设计 |
| 4.1 硬件整体构架设计 |
| 4.2 核心控制板设计 |
| 4.3 矩阵继电器切换板设计 |
| 4.4 HB6096 信号隔离板设计 |
| 4.5 RS422 信号隔离板设计 |
| 4.6 GJB289A信号板设计 |
| 4.7 离散量信号隔离板设计 |
| 4.8 隔离电源转换电路设计 |
| 4.9 本章小结 |
| 第五章 机上故障诊断系统的软件设计 |
| 5.1 软件系统架构设计 |
| 5.1.1 软件流程优化设计 |
| 5.1.2 软件数据库设计 |
| 5.2 故障树软件模块设计 |
| 5.2.1 故障树模型建立 |
| 5.2.2 故障树推理流程优化 |
| 5.3 ICD解析模块设计 |
| 5.3.1 ICD总体结构设计 |
| 5.3.2 ICD接口与管理优化 |
| 5.4 故障监测模块设计 |
| 5.5 故障诊断模块设计 |
| 5.5.1 故障诊断流程优化 |
| 5.5.2 故障处理流程优化 |
| 5.6 信息管理模块设计 |
| 5.6.1 数据信息管理模块 |
| 5.6.2 故障信息管理模块 |
| 5.7 软件驱动与应用程序实现 |
| 5.7.1 驱动程序实现 |
| 5.7.2 应用程序实现 |
| 5.8 本章小结 |
| 第六章 测试验证与结果分析 |
| 6.1 测试系统的搭建 |
| 6.2 测试结果的提取 |
| 6.3 结果分析与讨论 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）某型雷达健康状态评估与寿命预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 PHM技术研究现状 |
| 1.2.2 雷达装备PHM技术研究现状 |
| 1.3 主要研究内容及结构安排 |
| 第二章 装备健康状态评估方法研究 |
| 2.1 装备健康状态评估体系的构建 |
| 2.1.1 评估指标的确定 |
| 2.1.2 指标体系的构建 |
| 2.2 基于统计模型的健康状态评估 |
| 2.2.1 基于阈值的评估方法 |
| 2.2.2 基于概率分布的评估方法 |
| 2.3 基于机器学习的健康状态评估 |
| 2.3.1 基于神经网络的评估方法 |
| 2.3.2 基于贝叶斯网络的评估方法 |
| 2.4 基于综合评价法的健康状态评估 |
| 2.4.1 层次分析法 |
| 2.4.2 模糊评价法 |
| 2.4.3 基于关联规则的权重模型 |
| 2.5 本章小结 |
| 第三章 某型雷达健康状态评估 |
| 3.1 某型三坐标搜索雷达简介 |
| 3.2 收发模块健康状态评估 |
| 3.2.1 收发模块的健康状态指标 |
| 3.2.2 基于故障关联的健康状态评估 |
| 3.2.3 基于SOM的健康状态评估 |
| 3.2.4 对比分析 |
| 3.3 收发系统健康状态评估 |
| 3.3.1 常权综合模型 |
| 3.3.2 变权综合模型 |
| 3.4 本章小结 |
| 第四章 某型雷达寿命预测方法研究 |
| 4.1 雷达装备寿命概述 |
| 4.2 雷达装备剩余使用寿命预测方法 |
| 4.3 基于随机模糊理论的收发模块RUL预测 |
| 4.3.1 建立基于健康指数的预测模型 |
| 4.3.2 验证预测模型 |
| 4.4 基于LS-SVM的收发模块RUL预测 |
| 4.4.1 最小二乘支持向量机 |
| 4.4.2 遗传算法 |
| 4.4.3 建立加权LS-SVM预测模型 |
| 4.4.4 收发模块RUL预测 |
| 4.5 对比分析 |
| 4.6 本章小结 |
| 第五章 某型雷达PHM系统的设计与实现 |
| 5.1 需求分析 |
| 5.2 系统设计 |
| 5.2.1 系统架构 |
| 5.2.2 功能模块 |
| 5.2.3 数据信息 |
| 5.3 系统开发与实现 |
| 5.3.1 开发环境与技术 |
| 5.3.2 健康状态评估模块 |
| 5.3.3 寿命预测模块 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 进一步研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）基于大数据的航电综合分析系统的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 航空电子系统国内外发展情况 |
| 1.2.2 仿真测试分析技术的国内外发展情况 |
| 1.2.3 专家系统的国内外发展情况 |
| 1.3 课题来源及本文结构和内容 |
| 第二章 基本概念与相关技术分析 |
| 2.1 机载数据总线协议介绍 |
| 2.1.1 1394 协议 |
| 2.1.2 1553 B协议 |
| 2.1.3 FC协议 |
| 2.2 系统技术分析 |
| 2.2.1 故障诊断技术分析 |
| 2.2.2 专家系统技术分析 |
| 2.2.3 故障树技术分析 |
| 2.2.4 数据挖掘技术分析 |
| 2.3 本章小结 |
| 第三章 系统算法研究及总体设计 |
| 3.1 系统算法技术研究 |
| 3.1.1 知识获取算法分析 |
| 3.1.2 K均值算法分析 |
| 3.1.3 大数据中心技术架构分析 |
| 3.1.4 K均值算法优化 |
| 3.1.5 算法评估与性能分析 |
| 3.2 系统软件总体架构设计 |
| 3.2.0 系统需求分析 |
| 3.2.1 软件架构设计 |
| 3.2.2 系统模块划分 |
| 3.3 本章小结 |
| 第四章 系统的开发与实现 |
| 4.1 大数据中心平台的设计与实现 |
| 4.1.1 大数据中心架构设计 |
| 4.1.2 数据通信实现 |
| 4.1.3 数据订阅与消息过滤实现 |
| 4.2 试验数据监控平台的设计与实现 |
| 4.2.1 用户权限管理模块设计与实现 |
| 4.2.2 数据监控模块设计与实现 |
| 4.3 异常数据检测平台的开发与实现 |
| 4.3.1 专家系统结构模型建立 |
| 4.3.2 异常数据检测模块实现 |
| 4.4 系统功能验证与分析 |
| 4.4.1 系统部署环境 |
| 4.4.2 功能验证 |
| 4.4.3 性能验证 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 前景展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（7）炮长瞄准镜故障诊断专家系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究的目的和意义 |
| 1.3 国内外研究现状 |
| 1.4 专家系统系统概述 |
| 1.5 主要研究内容 |
| 第2章 炮长瞄准镜故障诊断专家系统知识获取的研究 |
| 2.1 炮长瞄准镜的结构及故障分析 |
| 2.1.1 工作原理的概述 |
| 2.1.2 炮长瞄准镜的故障分析 |
| 2.2 基于引入相关性系数的减法聚类的信号故障知识获取 |
| 2.2.1 减法聚类算法 |
| 2.2.2 斯皮尔曼相关性系数 |
| 2.2.3 炮长瞄准镜信号故障的知识获取 |
| 2.2.4 算例分析 |
| 2.3 基于故障树分析法的部件故障知识获取 |
| 2.3.1 故障树的建立步骤 |
| 2.3.2 故障树的数学表示方式 |
| 2.3.3 炮长瞄准镜故障树的建立 |
| 2.3.4 炮长瞄准镜故障树的定性分析 |
| 2.3.5 炮长瞄准镜故障树的定量分析 |
| 2.3.6 炮长瞄准镜的部件故障知识获取 |
| 2.4 本章小结 |
| 第3章 炮长瞄准镜故障诊断专家系统的知识库和推理机设计 |
| 3.1 专家系统的知识表达 |
| 3.1.1 知识的表示原则 |
| 3.1.2 知识的表达形式 |
| 3.2 炮长瞄准镜故障诊断专家系统知识库的建立 |
| 3.2.1 炮长瞄准镜故障诊断专家系统的知识表示 |
| 3.2.2 炮长瞄准镜故障诊断专家系统知识库的建立 |
| 3.2.3 炮长瞄准镜故障诊断专家系统知识库的管理 |
| 3.3 专家系统推理机的机制 |
| 3.3.1 推理机的推理方法 |
| 3.3.2 推理机的推理策略 |
| 3.3.3 推理机的冲突消减策略 |
| 3.3.4 改进的KMP模式匹配算法 |
| 3.4 基于改进的KMP模式匹配算法的推理机设计 |
| 3.5 算例分析 |
| 3.6 本章小结 |
| 第4章 炮长瞄准镜故障诊断专家系统的软件设计与实现 |
| 4.1 软件的总体设计 |
| 4.2 软件的工作流程 |
| 4.3 炮长瞄准镜故障诊断专家系统功能模块的实现 |
| 4.3.1 登入模块 |
| 4.3.2 知识库管理模块 |
| 4.3.3 知识获取模块 |
| 4.3.4 故障诊断模块 |
| 4.3.5 辅助模块 |
| 4.4 本章小结 |
| 第5章 结论 |
| 参考文献 |
| 致谢 |
（8）基于规则和案例D-S证据融合的坦克火控系统故障诊断专家系统的研究与应用（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 故障诊断技术的发展和现状 |
| 1.3 坦克火控系统概述 |
| 1.4 专家系统概述及现状 |
| 1.4.1 专家系统的发展 |
| 1.4.2 专家系统概述 |
| 1.4.3 专家系统的分类 |
| 1.5 本文研究内容和结构安排 |
| 第二章 基于规则的故障诊断推理 |
| 2.1 故障树分析法 |
| 2.1.1 故障树的建立原则 |
| 2.1.2 故障树定性分析 |
| 2.1.3 故障树定量分析 |
| 2.2 带可信度因子的产生式规则 |
| 2.3 规则前件与事实条件的相似度计算 |
| 2.4 规则结论的可信度计算 |
| 2.5 本章小结 |
| 第三章 基于案例的故障诊断推理 |
| 3.1 案例推理的过程 |
| 3.2 案例的知识表示 |
| 3.3 案例相似度计算 |
| 3.4 实例分析 |
| 3.5 本章小结 |
| 第四章 基于规则和案例D-S证据融合的诊断 |
| 4.1 D-S证据理论的基本概念 |
| 4.2 D-S证据融合的混合故障诊断 |
| 4.2.1 融合要素 |
| 4.2.2 融合存在的问题 |
| 4.2.3 解决方案 |
| 4.2.4 融合步骤 |
| 4.3 单一诊断方法与混合诊断方法结果对比 |
| 4.4 本章小结 |
| 第五章 火控系统故障诊断实现 |
| 5.1 系统的设计目标 |
| 5.2 火控系统故障诊断专家系统结构 |
| 5.2.1 人机操作界面 |
| 5.2.2 系统各模块示意图 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者及导师简介 |
| 附件 |
（9）军用电子设备预测与健康管理体系结构及关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作及论文结构 |
| 1.4 本章小结 |
| 第二章 军用电子设备PHM体系结构研究 |
| 2.1 PHM技术概况 |
| 2.1.1 PHM定义及内涵 |
| 2.1.2 PHM研究方法 |
| 2.2 典型PHM系统体系结构 |
| 2.2.1 PHM视情维修的开放体系结构(OSA-CBM) |
| 2.2.2 典型的PHM系统体系结构 |
| 2.3 基于云服务的军用装备PHM系统需求分析和架构设计 |
| 2.3.1 军用电子设备的特征和故障诊断特点 |
| 2.3.2 需求分析 |
| 2.3.3 基于云服务的军用电子设备PHM系统架构设计 |
| 2.4 本章小结 |
| 第三章 军用电子设备元件级故障诊断研究 |
| 3.1 局部保持投影算法(LPP算法) |
| 3.2 隐马尔可夫模型(HMM模型) |
| 3.3 故障诊断流程与步骤 |
| 3.4 模拟电路仿真实验 |
| 3.4.1 电路分析 |
| 3.4.2 实验环境设置 |
| 3.4.3 数据采集和处理 |
| 3.4.4 数据降维 |
| 3.4.5 故障识别 |
| 3.4.6 实验结果 |
| 3.5 本章小结 |
| 第四章 军用电子系统的模块级故障诊断研究 |
| 4.1 贝叶斯网络简介 |
| 4.1.1 基本概念 |
| 4.1.2 贝叶斯网络推理 |
| 4.1.3 贝叶斯网络学习 |
| 4.2 基于贝叶斯网络的电子系统故障诊断研究 |
| 4.2.1 贝叶斯网络故障建模 |
| 4.2.2 贝叶斯网络诊断步骤 |
| 4.3 本章小结 |
| 第五章 军用电子系统的状态预测研究 |
| 5.1 故障预测技术现状及分类 |
| 5.2 状态特征分析 |
| 5.3 状态预测方法 |
| 5.3.1 灰色模型 |
| 5.3.2 粒子群优化算法(PSO) |
| 5.4 应用实例 |
| 5.4.1 雷达发射机高压电源状态预测 |
| 5.4.2 雷达发射机栅控行波管状态预测 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（10）基于专家系统的无人机故障诊断系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 国外发展现状 |
| 1.3 国内发展现状 |
| 1.4 选题意义 |
| 1.5 本文研究内容 |
| 第2章 无人机飞行控制系统的故障诊断系统 |
| 2.1 无人机飞控系统的组成及功能 |
| 2.1.1 飞控计算机子系统 |
| 2.1.2 传感器子系统 |
| 2.1.3 伺服作动器子系统 |
| 2.2 自动检测系统与故障诊断 |
| 2.2.1 自动检测系统的基本组成 |
| 2.2.2 故障诊断的基本概念 |
| 2.2.3 自动检测系统的故障诊断原理 |
| 2.3 专家系统基本概念 |
| 2.4 本章小结 |
| 第3章 自动检测与故障诊断系统总体设计 |
| 3.1 飞控系统被检测单元 |
| 3.1.1 舵机 |
| 3.1.2 传感器 |
| 3.2 无人机飞控系统的维修需求 |
| 3.3 本系统性能要求 |
| 3.4 系统的任务和工作流程 |
| 3.5 自动检测与故障诊断系统功能 |
| 3.6 本章小结 |
| 第4章 故障诊断专家系统的构建 |
| 4.1 故障诊断专家系统知识库的建立 |
| 4.1.1 知识表示方法的选取 |
| 4.1.2 知识库的设计 |
| 4.1.3 知识表的构建 |
| 4.1.4 专家系统知识获取方式 |
| 4.2 无人机飞控系统故障诊断专家系统推理机的构建 |
| 4.2.1 推理方法选取 |
| 4.2.2 算法设计 |
| 4.3 本章小结 |
| 第5章 故障诊断系统的软件实现 |
| 5.1 系统设计开发软件及语言 |
| 5.2 系统软件开发需求 |
| 5.3 故障诊断系统软件设计 |
| 5.3.1 数据通讯模块 |
| 5.3.2 信号输出模块 |
| 5.3.3 故障诊断模块 |
| 5.4 故障诊断系统软件实现 |
| 5.4.1 故障诊断系统软件界面特点 |
| 5.4.2 故障诊断系统软件界面设计 |
| 5.4.3 系统调试 |
| 5.4.4 软件实现 |
| 5.5 本章小结 |
| 结论 |
| 附录 |
| 附录 A |
| 附录 B |
| 附录 C |
| 参考文献 |
| 攻读硕士学位期间所发表的论文 |
| 致谢 |
四、军用电子设备故障诊断专家系统知识库的建立（论文参考文献）
- [1]SL-Z25010Y智能电容主控电路故障诊断方法及实现[D]. 丁健. 南京信息工程大学, 2021(01)
- [2]电子设备智能故障诊断技术研究[J]. 谢辰子. 中国设备工程, 2021(03)
- [3]面向复杂系统的机械故障诊断及评估算法[D]. 耿浩. 中国矿业大学, 2020(07)
- [4]机上故障诊断系统研究与设计[D]. 张创. 西安电子科技大学, 2020(08)
- [5]某型雷达健康状态评估与寿命预测方法研究[D]. 吴冬寒. 西安电子科技大学, 2020(05)
- [6]基于大数据的航电综合分析系统的设计与实现[D]. 赵燕辉. 电子科技大学, 2020(07)
- [7]炮长瞄准镜故障诊断专家系统的研究[D]. 孙胜昊. 沈阳工业大学, 2019(01)
- [8]基于规则和案例D-S证据融合的坦克火控系统故障诊断专家系统的研究与应用[D]. 江山青. 北京化工大学, 2019(06)
- [9]军用电子设备预测与健康管理体系结构及关键技术研究[D]. 宋磊. 电子科技大学, 2018(11)
- [10]基于专家系统的无人机故障诊断系统研究[D]. 金吉. 河北科技大学, 2018(04)