论文部分内容阅读
快速准确的故障检测和诊断是装备战斗力的重要组成部分。某型装备是综合光、机、电部件于一体的复杂系统,出现的故障多数较为复杂、不确定,在实际维护时,目前的配套检测诊断设备只有性能测试和简单故障判定功能,无法全面、准确的给出装备故障状态；此外,配套检测诊断设备的故障知识较为固定、老化,缺乏自主学习和更新功能。针对复杂装备故障诊断实际需求,本文将某型装备故障智能诊断技术作为研究对象,在分析该装备及其故障特点的基础上,提出基于BP神经网络方法和模糊理论的智能诊断方法,并对实现该智能诊断方法所涉及的诊断模型设计、软件实现、故障知识数据库、自主知识学习、人机交互等关键技术进行了深入系统的研究。本文主要研究内容包括：(1)诊断对象研究和故障数据库建立。在分析装备组成及其工作原理的基础上,本文制定了故障信息格式；分析了故障样本的规律及特点,其中针对故障征兆-原因映射关系的非线性和不精确性进行了重点研究；提出了复杂装备故障诊断方案。(2)基于BP神经网络的故障智能诊断方法和技术研究。针对故障征兆-原因非线性复杂映射关系和自主学习能力,本文引入BP神经网络方法,构建了基于BP神经网络方法的智能诊断模型,研究了模型实现的技术途径。(3)基于模糊理论的故障智能诊断方法和技术研究。针对故障征兆-原因不精确映射关系,本文引入模糊综合评判方法,构建了模糊故障智能诊断模型,研究了模型实现的技术途径。(4)复杂装备故障智能诊断模型的软件实现。基于对故障知识和智能诊断技术的研究,本文采用面向对象的编程思想,在Microsoft VC++ 6.0编程环境下,以Microsoft Access 2003作为数据库软件,编制了复杂装备故障智能诊断软件系统。(5)软件系统的功能、性能实验和分析。利用故障样本,本文对复杂装备故障智能诊断软件系统进行了测试,对软件系统的诊断功能、性能等方面进行了分析。