基于专家系统的船载卫通站伺服系统故障诊断研究

发布时间：2021-09-22 05:46

　　针对船载卫通站伺服系统故障诊断依赖人工经验且效率低的问题,提出了一种基于专家系统的故障诊断方法。通过分析伺服系统常见故障及诊断流程,依据专家经验从系统状态监测数据中提取故障诊断的特征向量,采用面向对象的方法对专家系统的知识库中的规则建模,最终运用深度优先算法完成故障诊断推理。实验证明:该方法能快速准确的识别伺服系统故障,提高了故障诊断的效率,对提高伺服系统可用性和可靠性具有重要意义。 

【文章来源】：计算技术与自动化. 2020,39(02)

【文章页数】：6 页

【部分图文】：

船载卫通站伺服系统跟踪故障树

图7实验结果表明，故障识别的总平均耗时（ALL）为10.77 s。17种故障识别的平均耗时从左到右依次呈线性上升趋势，同一故障子类中故障树排在靠左位置的相比靠右位置的平均识别时间短（如跟踪接收机失锁故障中陀螺故障G-T比码盘故障G-F平均识别时间短），这与深度优先算法的机制及故障树的组织结构一致；同时，比较同一故障子类中不同故障，特征向量的准确度和计算复杂度越高耗时越长（如停车故障中的驱动设备故障T-Q比掉电故障T-D耗时长）。图7 故障识别时间统计

故障识别时间统计

【参考文献】：
期刊论文
[1]船载卫星通信地球站伺服系统硬件设计[J]. 黄剑波,朱宗玖.  通信技术. 2013(12)
[2]智能故障诊断系统中的知识发现方法[J]. 王益玲,赵英凯.  控制工程. 2004(05)
[3]面向对象的油液监测故障诊断系统知识表达模型[J]. 赵涛,周新聪,严新平.  武汉理工大学学报(交通科学与工程版). 2002(05)
[4]基于人工智能方法的复杂过程故障诊断技术[J]. 桂卫华,刘晓颖.  控制工程. 2002(04)
[5]基于组合式神经网络的转子系统状态预测模型[J]. 陈耀武,汪乐宇.  中国电机工程学报. 2001(01)

硕士论文
[1]遥测天线系统故障智能诊断与维护研究[D]. 卞长万.重庆大学 2008



本文编号：3403249