留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于信息融合技术的航空电子设备故障诊断研究

闫涛,  赵文俊,  胡秀洁,  宋家友

downloadPDF
文章导航 > 电子科技大学学报  > 2015 >  44(3): 392-395
闫涛, 赵文俊, 胡秀洁, 宋家友. 基于信息融合技术的航空电子设备故障诊断研究[J]. 电子科技大学学报, 2015, 44(3): 392-395. doi: 10.3969/j.issn.1001-0548.2015.03.013
引用本文: 闫涛, 赵文俊, 胡秀洁, 宋家友. 基于信息融合技术的航空电子设备故障诊断研究[J]. 电子科技大学学报, 2015, 44(3): 392-395. doi: 10.3969/j.issn.1001-0548.2015.03.013
shu
YAN Tao, ZHAO Wen-jun, HU Xiu-jie, SONG Jia-you. 基于信息融合技术的航空电子设备故障诊断研究[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(3): 392-395. doi: 10.3969/j.issn.1001-0548.2015.03.013
Citation: YAN Tao, ZHAO Wen-jun, HU Xiu-jie, SONG Jia-you. 基于信息融合技术的航空电子设备故障诊断研究[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(3): 392-395. doi: 10.3969/j.issn.1001-0548.2015.03.013
shu

基于信息融合技术的航空电子设备故障诊断研究

doi: 10.3969/j.issn.1001-0548.2015.03.013
详细信息

  • 中图分类号: TN85

基于信息融合技术的航空电子设备故障诊断研究

  • 摘要: 提出一种基于模糊神经网络局部诊断和D-S融合决策的航空电子设备故障诊断方案。首先将设备故障特征信息进行有效组合，构建多个子模糊神经网络完成故障的局部诊断，以获得彼此独立的证据；然后应用Dempster-Shafe证据理论对各个证据进行决策融合，最后根据构建的诊断框架特点用局部诊断输出值及其正确率来获取基本概率赋值。该方案应用于某型号机载电台的仿真结果表明，经过信息融合多级处理后，诊断结论的可信度明显增加，故障识别的正确率得到有效提高。
    Abstract: 提出一种基于模糊神经网络局部诊断和D-S融合决策的航空电子设备故障诊断方案。首先将设备故障特征信息进行有效组合，构建多个子模糊神经网络完成故障的局部诊断，以获得彼此独立的证据；然后应用Dempster-Shafe证据理论对各个证据进行决策融合，最后根据构建的诊断框架特点用局部诊断输出值及其正确率来获取基本概率赋值。该方案应用于某型号机载电台的仿真结果表明，经过信息融合多级处理后，诊断结论的可信度明显增加，故障识别的正确率得到有效提高。
  • [1] 胡林, 莫翠琼, 孙正鑫, 等. 模糊理论在雷抗侦察接收机故障诊断中的应用[J]. 舰船电子对航, 2012, 35(6): 18-22. HU Lin, MO Cui-qiong, SUN Zheng-xin, et al. Application of fuzzy theory to fault diagnosis in radar countermeasure reconnaissance receiver[J]. Shipboard Electronic Countermeasure, 2012, 35(6): 18-22. [2] 文莹, 肖明清, 胡雷刚, 等. 基于粗糙神经网络的航空电子设备故障预测研究[J]. 计算机测量与控制, 2010, 18(4): 807-809. WEN Ying, XIAO Ming-qing, HU Lei-gang, et al. Research of avionics prognostics based on rough neural network[J]. Computer Measurement&Control, 2010, 18( 4): 807-809. [3] 张竞凯, 章卫国, 刘小雄, 等. 一种基于故障树的自动驾驶仪故障诊断专家系统设计[J]. 测控技术, 2010, 29(10): 88-99. ZHANG Jing-kai, ZHANG Wei-guo, LIU Xiao-xiong, et al. Design of a fault-tree-based expert system for flight control system diagnosis[J]. Measurement & Control Technology, 2010, 29(10): 88-99. [4] 郭甜甜, 慕晓冬, 张力, 等. 基于D-S证据理论的无线发射机故障诊断方法[J]. 计算机工程与设计, 2012, 33(6): 2506-2510. GUO Tian-tian, MU Xiao-dong, ZHANG Li, et al. Fault diagnosis method of wireless transmitter based on D-S evidence theory[J]. Computer Engineering and Design, 2012, 33(6): 2506-2510. [5] XIA Fei, ZHANG Hao, HUANG Cong-hua, et al. Fault diagnosis on power plant with information fusion technology[C]//IECON 2011-37th Annual Conference on IEEE Industrial Electronics Society. Vienna, Austria: IEEE Industrial Electronics Society, 2011: 2370-2375. [6] 吴娅辉, 李新良, 张大治. 基于D-S证据理论的航空发动机振动故障分析[J]. 计算机应用与软件, 2012, 29(6): 105-108. WU Ya-hui, LI Xin-liang, ZHANG Da-zhi. Analysis of aero-engine vibration fault based on D-S evidence theory[J]. Computer Applications and Software, 2012, 29(6): 105-108. [7] NIU G, HAN T, YANG S, et al. Multi-agent decision fusion for motor fault diagnosis[J]. Mechanical Systems and Signal Processing, 2007, 21(3): 1285-1299. [8] 李国勇. 智能控制及其MATLAB实现[M]. 北京: 电子工业出版社, 2005. LI Guo-yong. Intelligent control and MATLAB realization [M]. Beijing: Publishing House of Electronics Industry, 2005. [9] 贺建军, 赵蕊. 基于信息融合技术的大型水轮发电机故障诊断[J]. 中南大学学报, 2007, 38(2): 333-338. HE Jian-jun, ZHAO Rui. Hydroelectric generating sets fault diagnosis based on information fusion technology[J]. Journal of Central South University, 2007, 38(2): 333-338. [10] HAN Min, SUN Yan-nan, FAN Ying-nan. An improced fuzzy neural network based on T-S model[J]. Expert Systems with Applications, 2008, 34(4): 2905-2920. [11] LOHANI A K, KUMAR R, SINGH R D. Hydrological time series modeling: a comparison between adaptive neuro-fuzzy, neural network and autoregressive technique[J]. Journal of Hydrology, 2012, 6(6): 23-25. [12] 高新波. 模糊聚类分析及应用[M]. 西安: 西安电子科技大学出版社, 2004. GAO Xin-bo. Fuzzy clustering analysis and application[M]. Xi’an: Publishing House of Xidian University, 2004. [13] XU Chun-mei, ZHANG Hao. Study of fault diagnosis of D-S evidence theory based on neural network for tuibine[J]. Energy Procedia, 2012, 16: 2027-2032. [14] 吴玉彬, 张合新, 吕永佳. 基于D-S证据理论的某飞行器地面电源故障诊断研究[J]. 航天控制, 2011, 29(6): 79- 83. WU Yu-bin, ZHANG He-xin, LÜ Yong-jia. Research of certain aircraft ground power fault diagnosis based on D-S evidence theory[J]. Aerospace Control, 2011, 29(6): 79-83.
  • [1] 巩彬, 安爱民, 石耀科, 杜先君.  一种基于IMODA自适应深度信念网络的复杂模拟电路故障诊断方法 . 电子科技大学学报, 2024, 53(): 1-18. doi: 10.12178/1001-0548.2023047
    [2] 闫丽丽, 颜金歌, 张仕斌.  基于自适应网络的量子模糊推理系统 . 电子科技大学学报, 2023, 52(4): 482-488. doi: 10.12178/1001-0548.2022220
    [3] 李享, 黄洪钟, 黄鹏, 李彦锋.  基于动态贝叶斯网络的电源系统可靠性分析与故障诊断 . 电子科技大学学报, 2021, 50(4): 603-608. doi: 10.12178/1001-0548.2020416
    [4] 杜娟, 刘志刚, 宋考平, 杨二龙.  基于卷积神经网络的抽油机故障诊断 . 电子科技大学学报, 2020, 49(5): 751-757. doi: 10.12178/1001-0548.2019205
    [5] 谢朝阳, 李贵杰, 彭忠明, 黄洪钟.  基于证据理论和代理模型的QMU分析 . 电子科技大学学报, 2018, 47(1): 66-72. doi: 10.3969/j.issn.1001-0548.2018.01.010
    [6] 邵继业, 谢昭灵, 杨瑞.  基于GA-PSO优化BP神经网络的压缩机气阀故障诊断 . 电子科技大学学报, 2018, 47(5): 781-787. doi: 10.3969/j.issn.1001-0548.2018.05.023
    [7] 姜书艳, 罗刚, 夏登明, 李琦, 宋国明.  片上网络互连线延迟故障测试方法研究 . 电子科技大学学报, 2016, 45(4): 557-563. doi: 10.3969/j.issn.1001-0548.2016.04.008
    [8] 李旻, 咸卫明, 龙兵, 王厚军.  基于特征优选模拟电路故障诊断方法 . 电子科技大学学报, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015
    [9] 黄金, 凌云, 邱昆.  基于FC over WDM架构的航电网络研究 . 电子科技大学学报, 2014, 43(6): 823-828. doi: 10.3969/j.issn.1001-0548.2014.06.005
    [10] 屈剑锋, 柴毅, 郭茂耘.  无线传感器网络下的并行粒子滤波目标跟踪算法 . 电子科技大学学报, 2011, 40(2): 231-236. doi: 10.3969/j.issn.1001-0548.2011.02.015
    [11] 余静, 杨红雨, 马博敏, 杜冬, 邓兵.  证据理论在机场动态容量预测模型中的研究 . 电子科技大学学报, 2010, 39(1): 141-144. doi: 10.3969/j.issn.1001-0548.2010.01.032
    [12] 刘海燕, 赵宗贵, 刘熹.  D-S证据理论中冲突证据的合成方法 . 电子科技大学学报, 2008, 37(5): 701-704.
    [13] 雷霖, 代传龙, 王厚军, 赵旭.  粗糙集-神经网络集成的WSN节点故障诊断 . 电子科技大学学报, 2008, 37(4): 565-568.
    [14] 李斌, 李文锋.  智能物流中面向RFID的信息融合研究 . 电子科技大学学报, 2007, 36(6): 1329-1332,1349.
    [15] 翟东海, 李力, 靳蕃.  模糊神经网络用于非线性系统模型辨识 . 电子科技大学学报, 2004, 33(5): 577-581.
    [16] 陈艳琴, 罗大庸.  多信息融合技术及在无损检测中的应用 . 电子科技大学学报, 2003, 32(6): 661-664,668.
    [17] 张冰, 邱志强.  模糊神经网络在雷达网数据融合中的研究 . 电子科技大学学报, 2001, 30(1): 29-32.
    [18] 李艾华, 张西宁, 屈梁生.  印刷电路板诊断信息流模型及其应用 . 电子科技大学学报, 2000, 29(1): 49-53.
    [19] 王光泰, 周先敏, 徐继麟.  多传感器信息最优融合 . 电子科技大学学报, 1997, 26(5): 465-467.
    [20] 潘中良, 陈光.  模拟电路故障诊断的神经网络专家系统方法 . 电子科技大学学报, 1997, 26(4): 405-408.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  4624
  • HTML全文浏览量:  148
  • PDF下载量:  331
  • 被引次数: 0
出版历程
  • 刊出日期:  2015-06-15

基于信息融合技术的航空电子设备故障诊断研究

doi: 10.3969/j.issn.1001-0548.2015.03.013
  • 刊出日期: 2015-06-15

  • 中图分类号: TN85

摘要: 提出一种基于模糊神经网络局部诊断和D-S融合决策的航空电子设备故障诊断方案。首先将设备故障特征信息进行有效组合，构建多个子模糊神经网络完成故障的局部诊断，以获得彼此独立的证据；然后应用Dempster-Shafe证据理论对各个证据进行决策融合，最后根据构建的诊断框架特点用局部诊断输出值及其正确率来获取基本概率赋值。该方案应用于某型号机载电台的仿真结果表明，经过信息融合多级处理后，诊断结论的可信度明显增加，故障识别的正确率得到有效提高。

English Abstract

闫涛, 赵文俊, 胡秀洁, 宋家友. 基于信息融合技术的航空电子设备故障诊断研究[J]. 电子科技大学学报, 2015, 44(3): 392-395. doi: 10.3969/j.issn.1001-0548.2015.03.013
引用本文: 闫涛, 赵文俊, 胡秀洁, 宋家友. 基于信息融合技术的航空电子设备故障诊断研究[J]. 电子科技大学学报, 2015, 44(3): 392-395. doi: 10.3969/j.issn.1001-0548.2015.03.013
shu
YAN Tao, ZHAO Wen-jun, HU Xiu-jie, SONG Jia-you. 基于信息融合技术的航空电子设备故障诊断研究[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(3): 392-395. doi: 10.3969/j.issn.1001-0548.2015.03.013
Citation: YAN Tao, ZHAO Wen-jun, HU Xiu-jie, SONG Jia-you. 基于信息融合技术的航空电子设备故障诊断研究[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(3): 392-395. doi: 10.3969/j.issn.1001-0548.2015.03.013
shu

    全文HTML

参考文献 (1)

目录

    /

    返回文章
    返回

    期刊在线

    编辑办公

    友情链接

    版权所有 © 《电子科技大学学报》编辑部

    地址: 成都市建设北路二段四号电子科技大学主楼中350室 电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

    本系统由 北京仁和汇智信息技术有限公司 开发