基于粗糙集的故障预测及诊断技术在卫星中的应用

发布时间：2017-06-30 22:15

  本文关键词：基于粗糙集的故障预测及诊断技术在卫星中的应用，由笔耕文化传播整理发布。

【摘要】：故障预测及诊断技术在航天系统工程中发挥着不可磨灭的作用，可保障航天器在运行阶段具备较高的可靠性和安全性，延长飞行器使用寿命。本文以卫星为诊断对象，粗糙集理论为主线，灰色模型和支持向量机为预测模型，案例诊断方法、故障树诊断方法和贝叶斯网络为诊断模型，以多种计算机语言为工具，研究并开发出一套适用于卫星的故障预测及诊断系统。 在系统地应用（邻域）粗糙集理论之前，对邻域粗糙集邻域半径的确定方法进行了试验分析，得出了新的邻域粗糙集约简时邻域半径的确定原则和方法，并通过对比实验证明了该原则和方法的有效性。 提出了采用灰色模型、粗糙集和支持向量机结合的预测方法。通过对多种灰色系统预测模型的对比分析，验证出新陈代谢灰色预测模型更适用于卫星遥测数据预测。采用粗糙集和支持向量机结合的方法对预测数据进行分类判断。通过对比，验证了网格寻优法更适用于本预测系统。 对案例诊断中案例检索和相似度计算等关键问题进行了研究。选取递进式检索策略，分析得出对于数据缺失情况采用数据剔除的办法进行相似度计算更为准确。利用粗糙集和信息熵理论提出了新的属性权值计算方法，实验结果表明本文方法更具客观性、普适性和精确性。 对故障树和贝叶斯网络模型的定性分析和定量计算进行了对比分析，提出了以故障树进行定性分析、以贝叶斯网络进行定量计算的故障诊断方案。为了达到更为理想的诊断效果，提出了一种基于邻域粗糙集的由故障树向贝叶斯网络转换的约简方法，实验表明经过该方法约简后的网络模型诊断效果更佳。 联系实际需求，以多种计算机语言结合开发了卫星故障预测及诊断系统，实现了诊断系统的可视化、图形化的人机友好交互。在故障树诊断模块中，提出了一种新的数据库架构方法，有效地降低了故障树数据库构建的冗余，并通过对Visio的二次开发实现了故障树的图形化绘制功能。
【关键词】：故障预测及诊断 邻域粗糙集 案例诊断 故障树 卫星
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：V467;TP18
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-16
• 1.1 课题背景及意义10
• 1.2 故障预测及诊断综述10-13
• 1.2.1 故障预测方法分类11
• 1.2.2 故障诊断方法分类11-13
• 1.3 国内外现状13-14
• 1.4 本文的主要研究内容14-16
• 第2章 粗糙集理论基础16-25
• 2.1 引言16
• 2.2 经典粗糙集理论16-18
• 2.2.1 粗糙集的定义16-17
• 2.2.2 依赖度和重要度17
• 2.2.3 粗糙集的约简17-18
• 2.3 邻域粗糙集理论18-20
• 2.3.1 邻域18-19
• 2.3.2 邻域粗糙集下的决策系统19-20
• 2.4 邻域粗糙集约简20-24
• 2.4.1 邻域粗糙集约简算法20
• 2.4.2 新的邻域半径确定原则和方法20-24
• 2.4.3 对比验证24
• 2.5 本章小结24-25
• 第3章 灰色模型与支持向量机结合的故障预测25-40
• 3.1 引言25
• 3.2 灰色模型的预测理论25-28
• 3.2.1 灰色模型基础理论25-26
• 3.2.2 灰色模型的检验26-27
• 3.2.3 新陈代谢灰色模型27-28
• 3.3 支持向量机的分类理论28-33
• 3.3.1 基本思想28-29
• 3.3.2 线性可分情况29-31
• 3.3.3 线性不可分情况31-32
• 3.3.4 核函数32-33
• 3.4 GM、RS 和 SVM 相结合的故障预测33-38
• 3.4.1 GM（1,1）模型的预测33-34
• 3.4.2 RS 和 SVM 结合的分类验证34-37
• 3.4.3 在案例诊断系统下的诊断验证37-38
• 3.5 本章小结38-40
• 第4章 粗糙集理论在案例诊断中的应用40-55
• 4.1 引言40
• 4.2 粗糙集理论下的属性权值40-43
• 4.2.1 代数观下的属性权值40-41
• 4.2.2 信息观下的属性权值41-43
• 4.3 新的属性权值计算方法43-48
• 4.3.1 新的信息观权值公式43-44
• 4.3.2 最优权值公式44-45
• 4.3.3 可信度参数的选取45-46
• 4.3.4 新权值计算公式的应用验证46-48
• 4.4 案例的检索48-54
• 4.4.1 案例的索引48-49
• 4.4.2 相似度计算49-50
• 4.4.3 相似度计算实例验证50-54
• 4.5 本章小结54-55
• 第5章 粗糙集在故障树与贝叶斯诊断中的应用55-68
• 5.1 引言55
• 5.2 故障树诊断方法55-58
• 5.2.1 故障树的基础理论55-56
• 5.2.2 故障树的定性分析56-57
• 5.2.3 故障树的定量计算方法57-58
• 5.3 故障树与贝叶斯网络结合58-64
• 5.3.1 贝叶斯网络理论基础58
• 5.3.2 故障树向贝叶斯网络的转换58-60
• 5.3.3 BN 和 FTA 结合的故障诊断方法60-64
• 5.4 粗糙集对诊断模型的精简64-67
• 5.5 本章小结67-68
• 第6章 卫星故障预测及诊断系统的实现68-76
• 6.1 引言68
• 6.2 系统总体设计68-69
• 6.2.1 总体诊断流程68-69
• 6.2.2 系统模块设计69
• 6.3 故障预测模块设计69
• 6.4 案例诊断模块设计69-72
• 6.4.1 总体设计69-70
• 6.4.2 数据库设计70-71
• 6.4.3 界面实现71-72
• 6.5 故障树诊断模块设计72-75
• 6.5.1 总体设计72-73
• 6.5.2 数据库设计73-74
• 6.5.3 界面实现74-75
• 6.6 本章小结75-76
• 结论76-78
• 参考文献78-83
• 攻读硕士学位期间发表的论文及其它成果83-85
• 致谢85-86
• 个人简历86

【相似文献】

中国期刊全文数据库 前10条

1 朱永利,吴立增,李雪玉;贝叶斯分类器与粗糙集相结合的变压器综合故障诊断[J];中国电机工程学报;2005年10期

2 杨洪波,陈军,阮雪榆;基于有限元仿真结果的知识发现[J];上海交通大学学报;2003年07期

3 刘庆珍,蔡金锭,王少芳;基于粗糙集-神经网络系统的电力电子电路故障诊断[J];电力自动化设备;2004年04期

4 刘知贵,梁辰,黄正良,蒲洁;粗集理论及其在智能控制中的应用综述[J];西南科技大学学报;2004年04期

5 肖健梅,张腾飞,王锡淮;基于粗糙集的高速公路交通流神经网络模型[J];计算机工程;2005年10期

6 谢克明,杨静;粗糙集理论及其在智能控制领域的应用前景[J];太原理工大学学报;1999年04期

7 安利平,刘喜华,吴育华;不相容决策系统中获取规则的粗糙集方法[J];青岛大学学报(工程技术版);2002年01期

8 张丽,马良;基于粗糙集属性约简的模糊模式识别[J];上海理工大学学报;2003年01期

9 申爱华,陈燕;一种基于粗糙集的数据约简改进算法[J];大连海事大学学报;2004年01期

10 彭强,孙宇;结构树和粗糙集相结合的车辆故障诊断系统[J];汽车工程;2004年04期

中国重要会议论文全文数据库 前10条

1 肖健梅;芦晓明;王锡淮;;集装箱起重机防摇系统粗糙集控制[A];第二十六届中国控制会议论文集[C];2007年

2 李晓丽;王彤;杜振龙;;基于粗糙集理论的流数据最优特征选择[A];第二十二届中国数据库学术会议论文集（研究报告篇）[C];2005年

3 聂力;王翰虎;;一个基于粗糙集理论的分类规则学习算法[A];第十六届全国数据库学术会议论文集[C];1999年

4 王旭阳;王彤;李明;;基于粗糙集理论的分类规则挖掘方法[A];第二十二届中国数据库学术会议论文集（研究报告篇）[C];2005年

5 刘永红;薛青;郑长伟;;基于粗糙集理论的C4ISR评估方法[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年

6 赵明清;陶树平;;基于模糊等价关系的粗糙集[A];第二十届全国数据库学术会议论文集（技术报告篇）[C];2003年

7 葛丽;傅彦;;粗糙集在科学数据属性约简中的应用[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

8 陈楚湘;沈建京;陈冰;尚长兴;王运成;;运用粗糙集理论建立中老年肺炎中医症候诊断标准[A];第二十九届中国控制会议论文集[C];2010年

9 赵荣珍;杨娟;黄显华;;粗糙集理论的故障知识发现及其工程应用模式研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

10 顾成杰;张顺颐;刘凯;黄河;;基于粗糙集和禁忌搜索的特征选择方法[A];江苏省电子学会2010年学术年会论文集[C];2010年

中国重要报纸全文数据库 前10条

1 李春;提升电源健康监控水平故障预测技术显身手[N];中国电子报;2008年

2 ;栉风沐雨铸辉煌 继往开来谱华章[N];人民邮电;2006年

3 王玮 蔡莲红;数据挖掘走入语音处理[N];计算机世界;2001年

4 暴青雨　赵彦斌;“枪”有病,能自检[N];光明日报;2011年

5 本报记者 张峰;为存储保驾护航[N];网络世界;2004年

6 暴青雨　本报特约通讯员 赵彦斌;为了战时能打赢[N];解放军报;2011年

7 本报记者 李智 通讯员 梁宪生;零的突破[N];山西经济日报;2001年

8 通讯员 周勇邋记者 常素莉;邢钢新光凯乐公司产品打入印度市场[N];河北经济日报;2007年

9 李磊;让电子政务更聪明[N];计算机世界;2001年

10 王丽霞;实时监测　远程锁定[N];人民邮电;2007年

中国博士学位论文全文数据库 前10条

1 张国军;基于粗糙集的相对属性约简算法及决策方法研究[D];华中科技大学;2010年

2 马君华;粗糙集属性约简和聚类算法及其在电力自动化中的应用研究[D];华中科技大学;2010年

3 杨习贝;不完备信息系统中粗糙集理论研究[D];南京理工大学;2010年

4 纪霞;不完备信息系统中粗糙集理论的扩展研究与应用[D];安徽大学;2010年

5 赵佰亭;混合决策系统的粗集模型及在转台故障诊断中的应用[D];哈尔滨工业大学;2010年

6 刘业政;基于粗糙集数据分析的智能决策支持系统研究[D];合肥工业大学;2002年

7 丛蓉;作战指挥决策支持系统目标融合识别研究[D];大连理工大学;2010年

8 哈斯巴干;神经网络及其组合算法的遥感数据分类研究[D];中国科学院研究生院（遥感应用研究所）;2003年

9 张贤勇;基于精度与程度逻辑组合的几类粗糙集模型及其算法研究[D];四川师范大学;2011年

10 刘洪波;汉语认知脑数据挖掘相关算法及应用研究[D];大连理工大学;2006年

中国硕士学位论文全文数据库 前10条

1 吕望;基于粗糙集的车辆超载自动检测方法研究[D];长沙理工大学;2010年

2 田静宜;基于粗糙集和神经网络的柴油机故障诊断研究[D];中北大学;2011年

3 于兴网;粗糙集属性约简算法在数据挖掘中的研究[D];重庆大学;2004年

4 雷明;基于粗糙集理论的决策表压缩[D];华北电力大学（北京）;2010年

5 魏悦亮;粗糙集在数据挖掘不确定性问题中的研究[D];中国石油大学;2010年

6 袁晓娟;基于粒计算的双论域粗糙集模型研究[D];兰州大学;2010年

7 武金艳;粗糙集与证据理论在医疗智能诊断系统中的应用研究[D];湖南大学;2010年

8 穆海芳;基于粗糙集理论的故障诊断知识获取研究[D];合肥工业大学;2010年

9 李琴;基于粗糙集的商业智能决策的研究与应用[D];广东工业大学;2011年

10 张贤勇;粗糙集的数学基础研究与两个广义粗糙集模型的探讨[D];四川师范大学;2004年

  本文关键词：基于粗糙集的故障预测及诊断技术在卫星中的应用，由笔耕文化传播整理发布。

，

本文编号：503693