论文部分内容阅读
随着计算机技术的发展及智能技术的应用,故障诊断技术已开始进入了一个新阶段,即智能化诊断阶段。这是一种基于人工智能技术的诊断方法,对复杂大系统的诊断极为有效。本文针对新一代航天器和武器型号提出的“自诊断、自标定、自对准”要求展开对捷联惯性导航系统电子线路故障自诊断技术的研究。
故障树分析法是分析系统可靠性和安全性的一种重要方法,可以用它来分析系统故障产生的原因,计算系统各单元的可靠度,以及对整个系统的影响。专家系统是一种模拟人类推理机制的智能化方法,它将人类知识以数据库的形式植入软件并通过模拟人类分析判断的过程和方法对故障特征进行故障推理。自适应谐振(ART)神经网络能在故障模式未知的情况下,根据系统状态的变化程度对系统状态进行判别,而且由于ART网络为自适应自组织网络,在网络结构层次上对环境变化具有强大的适应能力。
捷联惯性导航系统电子线路故障自诊断技术结合ART神经网络故障特征提取和专家系统推理诊断自动化、智能化的特点实现对捷联惯性导航系统电子线路的故障自动化诊断。ART神经网络通过其自适应谐振原理对故障诊断目标信号进行处理提取故障特征,专家系统则通过其智能推理诊断机制对故障特征进行逻辑推理实现故障诊断。
本文以激光惯测组合为研究对象采用故障树分析技术对捷联惯性导航系统得故障模式和故障分布进行探索性研究并建立相应故障分布树。在分析理解专家系统的组成结构、工作原理的基础上,重点对专家系统应用于故障诊断的推理机制和软件流程进行了深入研究。同时,围绕故障诊断中的故障特征提取对ART神经网络进行了深入研究,分析了ART网络的网络结构、工作原理和稳定性,对ART神经网络应用于故障特征提取的算法进行了详细研究并针对其不足进行了算法改进和仿真。最后根据理论指导建立了故障自诊断技术的相应信号检测硬件系统和故障专家诊断软件系统。通过对某捷联惯性导航系统电子线路故障诊断实验板进行在线故障自诊断实验,对故障自诊断技术进行了理论验证和工程实现。