[发明专利]一种新型自行火炮系统故障诊断的方法

说明书

本发明涉及一种新型自行火炮系统故障诊断的方法，用于解决自行火炮当前的维修保障工作缺乏实时性、科学性和精确性的问题。首先采集自行火炮系统的状态信息并处理；然后从数据中提取特征；最后采用基于神经网络与基于DS证据理论相结合的方式进行故障诊断，本发明有效的提高了诊断的实时性和准确性。

技术领域

本发明属于系统故障诊断测试技术领域，特别涉及到一种新型自行火炮系统故障诊断方法。

背景技术

自行火炮是集机、电、液和光等技术为一体的高科技重型武器装备。高新技术的应用，一方面大大提高了自行火炮的综合战斗性能；另一方面对自行火炮装备的维修保障工作也带来了新的课题。自行火炮是否发挥其应有的作战作用，在很大的程度上取决于它的自身装备维修保障的状况。但是在对自行火炮当前的维修保障工作，在模式上主要还是停留在定期维修和事后维修的层次上，在手段上主要还是靠长期积累的经验和对以往故障统计的规律为依据，缺乏科学性和精确性。目前武器装备的维修保障还难以实现对自行火炮现有异常状况进行实时的诊断和对战术状况进行监控，更无法实现对装备质量和效能进行评估和量化，因此也就无法准确定位我军现役自行火炮的实际战斗力水平，所以研究开发自行火炮的故障诊断系统具有非常重要的现实意义。

发明内容

有鉴于此，本发明提出了一种新型自行火炮系统故障诊断的方法。本发明采集自行火炮系统中的特征信号，根据被测对象以及诊断系统自身资源选择从数据层、特征层、决策层分别进行增强诊断，通过神经网络得出初步的诊断结果，利用DS证据理论实现结果的进一步融合。

具体技术方案如下：

一种新型自行火炮系统故障诊断的方法，包括以下步骤：

步骤一、数据采集：采集自行火炮系统的状态信息，并进行处理；

步骤二、特征提取：从数据中提取可能表征故障信息的信息；

步骤三、故障诊断：判断被测对象是否发生了故障，根据提取的数据特征和正常态，或者数据特征和故障态比较，实现故障的识别。

进一步的，基于数据融合进行故障诊断，具体是将多个传感器的数据，从数据层、特征层、决策层分别进行增强诊断，具体在哪一个层次进行融合诊断，取决于被测对象以及诊断系统自身资源。

进一步的，故障诊断采用基于神经网络与基于DS证据理论相结合的方式进行，神经网络用于得出初步的诊断结果，利用DS证据理论实现结果的进一步融合，用于避免初步诊断结果的误差。

进一步的，在初步诊断阶段，利用神经网络把待诊断设备的故障特征数据根据不同工况，划分为不同的数据子集，同时根据各子集构造相应的BP神经网络故障诊断模型，利用不同的数据子集进行网络训练直至网络诊断精度达到设定值，可以认为模型训练完毕；利用训练完成的神经网络诊断模型对即将等待测试的数据进行诊断；神经网络诊断模型得出初步结果之后，利用神经网络诊断结果构建DS证据网络证据体，利用DS证据理论融合理论，实现诊断结果的二次融合。

进一步的，步骤一中的数据处理包括将传感器采集到的数据进行滤波降噪处理。

进一步的，特征提取包括提取表示波动的信息、偏离的信息、以及频率的信息。

有益效果

1)本发明采集了多个特征，避免了采集单一特征导致诊断不准确的问题；

2)本发明采用神经网络得到初步的诊断结果，摆脱了依赖经验的困境，实现了快速、准确的目标；

3)本发明利用DS证据理论实现结果的进一步融合，有效的避免了初步诊断结果的误差，进一步提高了诊断结果的准确性。

附图说明

图1为本发明基于故障诊断原理实现框图；

图2为本发明故障诊断模型结构示图。