【摘 要】
：
随着自行火炮功能、结构和集成技术的日益复杂,故障诊断和维修保障的要求也越来越高。同时,自行火炮使用人员的流动性大,需要保障装备的培训学习效果和减少诊断推理对专业技能及经验的依赖,以便使用人员和维修人员能够快速熟悉装备,并在故障发生时准确迅速地应用知识完成故障诊断和故障排除。IETM的应用不仅为复杂装备的故障诊断提供了便利,还能满足装备的维护保障和培训需求。为了提升自行火炮的故障诊断效率和保障能力,
论文部分内容阅读
随着自行火炮功能、结构和集成技术的日益复杂,故障诊断和维修保障的要求也越来越高。同时,自行火炮使用人员的流动性大,需要保障装备的培训学习效果和减少诊断推理对专业技能及经验的依赖,以便使用人员和维修人员能够快速熟悉装备,并在故障发生时准确迅速地应用知识完成故障诊断和故障排除。IETM的应用不仅为复杂装备的故障诊断提供了便利,还能满足装备的维护保障和培训需求。为了提升自行火炮的故障诊断效率和保障能力,本文从系统模型设计、知识表示与存贮、诊断推理过程三个方面研究基于IETM框架的自行火炮故障诊断系统的设计和实现方法。主要研究内容包括:（1）针对如何在IETM框架下实现自行火炮故障诊断系统的问题,本文结合自行火炮的结构和故障信息特征,分析了基于IETM的故障诊断系统的设计需求、技术难点和实现方法。对系统模型进行了设计,并给出了系统核心模块的功能框架。（2）针对IETM数据直接用于系统诊断推理存在的原子性细分不足问题,基于IETM故障信息数据模块设计了系统的知识库。给出了知识的获取方式和表示方式,设计了以故障代码、故障部位、故障描述为核心的故障知识存贮结构。并结合数据库技术实现IETM数据到系统知识库的转换。知识存贮结构能关联IETM中数据为系统的诊断推理提供数据支持。（3）设计了系统的推理机,并基于知识存贮结构,对其中的诊断推理流程进行设计。为发挥IETM的交互能力,克服单纯机器推理固有的局限性,设计了交互式诊断的推理流程。方法通过规则推理与人机交互相结合的模式,增强了推理的灵活性。同时,为解决故障知识间不确定关系引起的故障原因难以确定的问题,设计了基于模糊故障树和贝叶斯网络的诊断推理流程。通过模糊故障树和贝叶斯网络技术将故障间的不确定性通过概率进行描述。推理过程中,在自行火炮故障树基础上引入频率、装备结构层次、故障间的隶属度关系等因素,通过模糊算子计算了底事件模糊概率。并将其作为先验概率,利用贝叶斯定理计算贝叶斯网络中根节点的后验概率,通过比较后验概率,确定最可能的故障原因。方法有效降低了人为主观因素带来的影响,满足了系统不精确推理和快速推理的需求。最后以某型自行火炮为例,构建了故障诊断原型系统,并通过实例分析验证了本文提出模型和方法的有效性。
其他文献
股权质押作为一种融资方式,具有成本低、限制条件少、操作简单等优势,受到了部分上市公司的青睐。股权质押虽具有诸多优点,但是也存在着潜在的风险。当控股股东进行高比例的股权质押活动时,会加大现金流权和控制权的分离程度,引发代理问题,将会损害债权人和中小股东的利益。同时,在高比例的股权质押下控股股东还会为了维持自身利益的最大化而去损害公司价值。因此,研究控股股东股权质押对公司价值影响的路径和程度,对于加强
近年来,汽车数量增加导致的交通问题层出不穷,由此引发的自动驾驶研究已被国内外众多企业提上日程。随着深度学习的发展,一般简易交通场景下的目标检测精度已可达驾驶标准,但面对复杂场景下的目标检测,道路中存在遮挡目标和小目标检测,通过传统算法无法获取更高精度的检测。因此,本文采用了深度学习为基础的目标检测技术,分析自动驾驶复杂场景下目标检测的重难点,进而研究适用于复杂场景下的目标检测算法。具体的研究工作如
行人重识别技术被广泛用于智能安防以及搜寻走失儿童等社会安全问题。有监督行人重识别和无监督行人重识别作为行人重识别的两个方向。在实际应用中,有监督行人重识别虽然取得了很好的结果,但是需要耗费大量的成本去标注数据。因此当行人在不同域的场景出现时,基于无监督学习的行人重识别应用更加广泛。与有监督方法相比,无监督行人重识别通过使用带标签的源域数据和不带标签的目标域数据进行训练,且这两个数据集通常采集的图像
差分演化（Differential Evolution,DE）作为一种基于种群的全局优化算法,具有不受梯度信息限制和控制参数少等特点,被广泛应用于传统数学方法无法求解的复杂优化问题中。DE中不同的变异策略具有不同的搜索性能,选择和问题特征相匹配的变异策略会极大地提高算法的搜索性能,因此自适应变异策略选择成为提升DE算法性能的最有效方法之一。然而,现有的变异策略自适应选择方法通常以近几代演化数据的统
作为一种基于种群的全局优化算法,差分演化算法（Differential Evolution,DE）凭借其简单的结构和高效的性能,从演化算法家族中脱颖而出。DE的性能受算法参数和变异策略的影响,自适应参数和变异策略控制是提升DE优化性能的最有效方法。然而,现存自适应参数和变异策略控制方法存在两方面问题:（1）忽略了对演化历史种群数据中隐含的有益特征信息的挖掘以及这些特征信息的合理利用;（2）不同状态
疲劳检测是一个非常重要的研究领域,疲劳状态严重影响个体的生产效率和工作安全,如果不能及时识别和处理,可能会导致不良后果。因此,对疲劳状态进行有效的检测和管理非常重要,能确保人们的身体安全,有助于推动社会的进步。由于疲劳状态是一种高度个体化和主观感受强烈的生理状态,这使得建模和分析疲劳状态变得更加困难。本文研究的重点在于使用多模态生理信号（脑电信号、心电信号和肌电信号）来检测操作员在模拟飞行操作环境
随着无人机技术的飞速发展,无人机自组网成为无人机应用中备受关注的研究领域之一。无人机自组网可以解决无人机之间通信障碍的问题,广泛应用于军事和民用领域。然而,无人机节点的能量消耗不均衡以及链路通信稳定性差的问题仍然是制约无人机自组网性能的主要瓶颈,而合适的路由协议是解决上述问题的关键。动态源路由（Dynamic Source Routing,DSR）协议广泛应用于资源受限的自组网,具有较低的路由开销
近年来,基于深度学习的遥感图像目标检测在很多场景和领域中得到了广泛的应用。但在针对海面遥感目标的检测任务时,由于卫星遥感图像数据采集成本高、成像质量不稳定,导致可用于深度学习训练的样本非常少。因此,为了更加容易地获得数量多、质量好、样式可控的海面遥感目标图像,本文提出了基于样式（Style）的海面遥感目标图像生成对抗网络。该方法结合了生成对抗网络（Generative Adversarial Ne
当今社会移动互联网高速发展,网络数据呈指数级增长。然而这些海量数据大多属于无结构异质数据,尽管其蕴含丰富价值,却难以被有效利用。通过实体关系抽取技术,可以有效地提取出无结构文本中的实体与实体之间的关系,并将这些关系以结构化的三元组形式呈现,从而有效地提取出文本中的重要信息,满足人们对无结构数据的需求。这些结构化三元组对知识图谱,推荐系统,自动问答等人工智能领域有着重要的意义与价值。近年来随着深度学
极化码（Polar Codes）是在理论上被证明可达香农极限的信道编码方案,与其他纠错码相比具有编译码复杂度低、构造简单等特点,但传统的译码算法建立数学模型和求解都较为复杂。通信系统中的译码过程可以看作是对信息的分类,而深度学习可以对大量训练数据进行有效处理并从中学习到相关的特征,能够解决很多非线性的复杂建模任务,因此可以将深度学习用于通信系统中的译码过程。有鉴于此,本文对极化码与深度学习相结合的