装甲装备自动装填系统状态监测与故障诊断的研究

发布时间：2020-05-29 04:24

【摘要】：传统的故障诊断方法即消耗人力、物力导致资源的严重浪费,并且传统的故障诊断方法故障确诊率相对较低。近些年来,智能的故障诊断算法已经成为对复杂系统故障诊断的研究方向之一。装甲装备自动装填系统部件构成和电路逻辑复杂,考虑故障诊断结果需给出元器件级维修建议,从而能进行故障精确定位,达到相对全面地实现装甲装备自动装填系统的状态监测与故障诊断目的。首先,通过对状态监测与故障诊断常用算法进行详细分析对比,提出了每种方法在实际工程应用中存在的不足。以研究对象的实际控制特点出发,分析并论证了本文所提状态监测与故障诊断算法的可行性。其次,通过对自动装填系统的结构和控制原理进行分析,对故障模式进行详细梳理,利用粗糙集属性约简消除冗余的知识获取方法,对所获得的知识进行属性约简,对有效区间进行融合并优化初始断点集,从而得到离散约简后的提取规则。利用故障树分析法按照零部件因果关系进行逐层推理,找出导致该故障发生的直接原因。达到了提高故障诊断速度和决策准确性的目的。再次,提出了带有时间标签改进型类Jeffery证据更新规则算法,保证了故障诊断的实时性和证据的真实可信性,利用故障诊断所获取的当前证据对上一时刻获取的故障诊断证据进行实时更新,将更新得到的诊断证据的基本置信度换算成Pignistic概率进行故障决策,该算法完善了普通的模糊理论和传统证据理论的缺陷问题,得出的故障诊断结果准确、实时、可信。最后,形成一套完整的装甲装备自动装填状态监测与故障诊断系统。系统采用Visual Studio 2010软件和SQL Server 2008数据库进行开发。系统经过测试和实施效果良好,具有操作灵活、简单便捷等特点。系统应用改进型证据更新规则的动态故障诊断算法解决了装甲装备装填系统故障的成因复杂,单因素、单模型不足以精确定位元器件级故障的问题,达到了有效提高故障诊断确诊率的目的。故障诊断的结果对比分析不难看出本文提出改进型证据更新规则故障诊断算法优势明显,在解决动态故障诊断问题中发挥了作用。
【图文】：

12 2( 2 1 2 ), 1,2, ,nk k i i kiy f w y b k n b== = + ， 络的误差函数如下式（2-6）所示：211( 2 )2ik kkE y y== 典型的结构优点在于：将模糊推理系统的推理能力和决策能力习能力强结合，对大量数据进行处理，通过自学习来调整神经函数和模糊规则，这样的典型结构能够提高系统性能指标目的[则具体关系如下所示: A1且 y 是 B1，则函数1 1 1 1f = m x + n y + r，， A2且 y 是 B2，则函数2 2 2 2f = m x + n y + r， 的典型结构如下图 2-1 所示:A1TTN第1层 第2层 第3层 第4层 第5层X ,Y

图 3-1 自动装填系统程控盒Figure 3-1Automatic filling system program control box动装填系统控制原理备自动装填系统工作原理大致如下所述：. 炮筒调至装填角闭锁，到位指示灯亮，准备装弹。. 按下装填按钮，旋转输弹机开始旋转、进行弹种选择后装填完毕停止。. 提升机构开始动作，将提升弹头至推送线，准备推送弹药。. 推弹机向炮膛内推送弹头，记忆装置将会消除记忆标志随后推弹链. 推送弹药过后，抛壳机构开始动作，抛壳机构抬框架至抛壳位置. 在抛壳前，开窗机构开窗，随后抛壳机抛壳后开窗机构进行关窗. 提升机构开始工作，将降药筒至装填线，推送药筒入膛，随后将回。. 整体操作即将完成，提升机构和抛壳机构框架将会恢复到原位。. 最后，火炮解脱闭锁并返回瞄准线，等待下一周期动作。
【学位授予单位】：广西科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.52;E92

【相似文献】

相关期刊论文 前10条

1 韩麒麟;荆竹;;飞机故障诊断中飞参的数据支持作用研究[J];电子制作;2019年12期

2 王彦梅;李佳民;;农用汽车发动机状态监测系统与诊断方法研究[J];农机化研究;2018年02期

3 王渊明;徐策;侯继超;张禹生;;烟草机械中故障诊断技术的应用[J];南方农机;2018年04期

4 周雪军;;故障诊断技术在烟草机械中的应用和发展趋势[J];科技风;2018年22期

5 陈亚明;颜云;;故障诊断方法现状及发展方向研究[J];电工技术;2018年18期

6 单建虎;;石化转动设备状态监测与故障诊断平台及应用[J];石化技术;2017年10期

7 石志军;陈信在;高金宝;;舰船电子装备电路板的故障诊断策略研究[J];科技与企业;2016年01期

8 谢敏;楼鑫;罗芊;;航天器故障诊断技术综述及发展趋势[J];软件;2016年07期

9 付丽莉;;汽轮机故障诊断技术的发展分析和研究[J];科技创新与应用;2015年08期

10 谢春萍;梁家荣;;星型网络的几种故障诊断度研究[J];广西大学学报(自然科学版);2015年03期

相关会议论文 前10条

1 张利;徐娟;张建军;程龙;赵佛晓;;基于网格的远程协同故障诊断资源管理模型研究[A];全国第20届计算机技术与应用学术会议（CACIS·2009）暨全国第1届安全关键技术与应用学术会议论文集（上册）[C];2009年

2 商斌梁;张振仁;;基于小波与遗传算法的气阀机构的故障诊断[A];2001年中国智能自动化会议论文集（下册）[C];2001年

3 李娟;;浅谈泵站设备故障诊断问题[A];2009全国大型泵站更新改造研讨暨新技术、新产品交流大会论文集[C];2009年

4 刘波;刘少华;姚国仲;申立中;;冗余电位器加速踏板故障诊断策略研究~[A];内燃机科技（高校篇）——中国内燃机学会第六届青年学术年会论文集[C];2015年

5 张彼德;;汽轮发电机组振动多故障诊断的神经网络方法研究[A];第八届全国振动理论及应用学术会议论文集摘要[C];2003年

6 魏伟胜;;γ射线故障诊断技术[A];中国化工学会2003年石油化工学术年会论文集[C];2003年

7 李铁军;赵海文;李慨;沈志忠;;基于多智能体的机电系统控制与故障诊断的研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

8 许智灵;;冷藏集装箱故障诊断与处理的探讨[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

9 张乐功;王军;李健蓉;;应用状态监测及故障诊断技术 提高设备管理与维修现代化水平[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

10 闫晓鹏;栗苹;章涛;王永强;;无线电引信故障诊断策略研究[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅲ）[C];2008年

相关重要报纸文章 前10条

1 武汉科技学院纺织服装学院 林子务;故障诊断中的数学概念[N];中国纺织报;2004年

2 邢小兵 记者 王瑶;我国首个航天器在轨故障诊断与维修实验室成立[N];解放军报;2014年

3 杨亚洲 邢小兵 记者 齐小英;航天器故障诊断与维修室在西安成立[N];陕西日报;2013年

4 李萍;济钢EAM离线网络点检和故障诊断管理系统开发应用[N];世界金属导报;2007年

5 ;点火系故障诊断[N];华夏时报;2001年

6 李继光;铡草机常见故障诊断及排除[N];云南科技报;2003年

7 何攻 何延青;与Windows 2003亲密接触之常见故障诊断[N];电脑报;2003年

8 ;为企业长远效益的增长助力[N];中国信息化周报;2019年

9 记者冯竞;“ B737飞机故障诊断与维修指导系统”开发成功[N];科技日报;2002年

10 宗樾;空调常见故障诊断[N];中国质量报;2004年

相关博士学位论文 前10条

1 茆志伟;活塞式发动机典型故障诊断及非稳定工况监测评估方法研究[D];北京化工大学;2018年

2 刘颉;基于振动信号分析的旋转机械故障诊断方法研究[D];华中科技大学;2018年

3 杭芹;用于聚变电源的故障诊断算法研究[D];中国科学技术大学;2019年

4 黄杰;基于智能学习的电喷汽车故障诊断与监测评估系统的研究[D];中国农业大学;2018年

5 王奉涛;非平稳信号故障特征提取与智能诊断方法的研究及应用[D];大连理工大学;2003年

6 钱华明;故障诊断与容错技术及其在组合导航系统中的应用研究[D];哈尔滨工程大学;2004年

7 蒋丽英;基于FDA/DPLS方法的流程工业故障诊断研究[D];浙江大学;2005年

8 韩彦岭;面向复杂设备的远程智能诊断技术及其应用研究[D];上海大学;2005年

9 张君;小波分析技术在汽轮机故障诊断中的应用研究[D];华北电力大学（河北）;2005年

10 邓学欣;开放式故障诊断构架及动态测试分析方法研究[D];天津大学;2004年

相关硕士学位论文 前10条

1 杨哲;大型轧机AGC缸内泄漏故障诊断研究[D];武汉科技大学;2019年

2 王卉;装甲装备自动装填系统状态监测与故障诊断的研究[D];广西科技大学;2019年

3 张懋石;基于深度学习的飞行器动力系统故障诊断[D];厦门大学;2018年

4 林俊才;基于FastAP算法的港口机械故障诊断方法研究[D];武汉理工大学;2018年

5 何万县;基于EVIT的数据中心服务器故障诊断技术创新研究[D];郑州大学;2019年

6 谢蓉仙;基于移动互联网的旋转机械故障诊断试验平台与方法研究[D];太原理工大学;2019年

7 屈晓伟;数据挖掘在卫星关键部位故障诊断中的应用研究[D];西安理工大学;2019年

8 许强唯;基于信息融合的变压器状态评估与故障诊断[D];上海电机学院;2019年

9 周于杰;同步发电机励磁装置分级递阶故障诊断研究[D];重庆理工大学;2019年

10 高洁;基于贝叶斯网络的复杂工业过程故障诊断问题研究[D];浙江大学;2019年

本文编号：2686391