裝備智能故障診斷及測試性驗證與評價方法研究.pdf

1、故障診斷能力和測試性水平是衡量航空裝備整體性能的重要指標，為裝備的采辦、驗收、科學決策、健康管理提供了重要依據(jù)。本文針對目前航空裝備故障診斷性能不佳，測試性驗證與評價結論置信度較低的問題，研究了容差模擬電路軟故障智能診斷技術、故障樣本優(yōu)化分配技術、測試性水平綜合評價技術。主要研究內容如下：
　　針對目前機載電子設備故障診斷正確率較低的問題，本文提出了基于AdaBoost算法的組合分類器智能診斷方法。首先，利用波形有效點提取法提取電

2、路故障特征；其次，利用遺傳算法(Genetic Algorithm，GA)優(yōu)化誤差反向傳播神經(jīng)網(wǎng)絡(Back Propagation，BP)構建GABP單分類器；最后，利用AdaBoost算法對GABP單分類器進行提升，得到組合分類器，在此基礎上進行故障診斷。實例表明，該方法可以有效地提高容差模擬電路軟故障的診斷精度。
　　針對測試性驗證中故障樣本分配結果不合理的問題，提出了故障樣本的多指標集成加權分配方法。首先，綜合分析故障屬性

3、和環(huán)境因子對分配結果的影響；其次，引入神經(jīng)網(wǎng)絡預測模型計算故障率，引入模糊模式識別方法確定嚴酷度等級和故障危害度，引入灰色關聯(lián)分析法計算故障—環(huán)境關聯(lián)度；最后，利用集成加權模型計算影響指標的權重。實例表明，該方法提高了指標計算精度，降低了分層抽樣的方差，提高了分配結果的置信度。
　　針對“小子樣、多階段、異總體”情況下先驗信息融合困難、測試性水平評價結果置信度較低的問題，提出了一種基于動態(tài)Bayes理論的測試性綜合評價方法。首先，