雷达系统智能故障诊断技术研究

论文摘要

针对目前已经服役的XX型雷达系统外场级故障诊断能力不足的实际情况和需求，本文采用系统工程方法对其开展了三个层次的在线智能故障诊断技术研究，即雷达系统级故障诊断、电路板级故障诊断和元器件级故障诊断技术研究，特别针对其雷达元器件级故障诊断采用了三种智能故障诊断方法进行了探讨和研究，以提高其雷达系统的保障性水平及作战效能。论文的主要工作和取得的成果如下：1)针对雷达系统外场检测诊断，研究了一种以故障树诊断技术为基础的雷达系统级故障诊断专家系统。2)针对雷达电路板的外场在线测试诊断需要，给出了一种雷达电路板级的故障诊断方法。利用雷达原有信号，不需要信号激励源，电路板级故障诊断技术将采样的输入、输出信号与其标准信号进行频谱相关性分析，在信号的相应频域范围内提取相关性系数，由相关性系数的值进行逻辑推理，判断电路板是否存在故障情况。通过某型雷达扫描电路板进行实例研究，表明本文的针对雷达电路板级故障诊断方法的有效性。3)基于雷达系统级和电路板级故障诊断方法研究的基础上，设计了一种雷达外场故障诊断系统方案，并给出雷达故障诊断系统的具体软件系统结构，各模块的功能及各部分的实施方法。4)针对提高雷达元器件故障诊断率的需求，设计了一种基于小波神经网络的故障诊断方法。首先提出了利用基于提升框架的小波变换对电路板内的模拟电路测试点采样信号进行小波分解，并提取每层小波系数的均值作为故障特征值，组合不同的测试点故障特征值成为故障特征矢量，将故障特征矢量作为小波神经网络的训练样本及输入矢量；并给出了用于雷达元器件级故障诊断的小波神经网络结构及网络的反传误差学习算法，以某型雷达的高压电源为例进行了基于小波神经网络的雷达元器件级故障诊断方法仿真验证，结果表明本方法的效果较好于基于神经网络的故障诊断方法。5)针对小波神经网络受网络结构复杂性和样本复杂性影响较大，提出了一种基于支持向量机的雷达元器件级故障诊断方法。该方法是基于最小二乘小波支持向量机的雷达元器件级故障诊断方法，首先也是采用基于提升框架的小波变换对故障状态下的输出电压信号进行小波分解得到小波系数，并将每层小波系数的能量信息进行处理得到故障特征矢量，分别采取贝叶斯证据框架和量子进化算法来选取最小二乘小波支持向量机分类器模型参数，然后采用高分辨的故障特征矢量训练多类最小二乘小波支持向量机分类器。并对某型雷达扫描电路进行了仿真验证故障诊断方法的有效性，仿真结果表明最小二乘小波支持向量机的故障诊断准确率比基于径向基核函数的最小二乘支持向量机高，特别是基于量子进化优化LS-WSVM参数的参数选取方法更有效，该诊断方法对雷达元器件级故障诊断取得了较好的效果。6)针对故障诊断的模糊推理知识处理困难，提出了一种基于优化模糊推理的雷达元器件级故障诊断方法。将基于模糊推理的模糊逻辑系统用于雷达元器件级故障诊断，采用量子进化算法优化模糊逻辑系统的规则中隶属函数，然后通过自适应遗传算法来选择构成故障诊断模糊逻辑系统的最优模糊规则子集，以减小规则的数量，提高分类精度，使得雷达元器件级故障判断比较简易，并对雷达功率放大电路进行了元器件级故障诊断的仿真验证，仿真验证结果表明该雷达元器件级故障诊断方法的有效性。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• §1.1 选题背景及意义
• §1.2 故障诊断技术的发展
• §1.2.1 依赖于模型的故障诊断方法
• §1.2.2 基于直接可测信号的故障诊断方法
• §1.2.3 基于知识处理的智能故障诊断方法
• §1.3 雷达系统智能故障诊断的发展概述及问题分析
• §1.4 论文主要工作及章节安排
• §1.4.1 主要工作
• §1.4.2 章节安排
• 第二章 基础知识
• §2.1 小波变换理论
• §2.1.1 小波变换的基本概念
• §2.1.2 多分辨分析和Mallat快速算法
• §2.2 神经网络
• §2.2.1 BP神经网络
• §2.2.2 BP网络的学习算法
• §2.3 支持向量机基本理论
• §2.3.1 统计学习理论
• §2.3.2 支持向量机
• §2.4 模糊数学
• §2.4.1 概述
• §2.4.2 模糊集合
• §2.4.3 模糊关系矩阵
• §2.5 遗传算法
• §2.5.1 遗传算法的计算流程
• §2.5.2 遗传算法基本理论
• 第三章 基于雷达系统级和电路板级的故障诊断系统
• §3.1 引言
• §3.2 雷达系统级故障诊断方法
• §3.2.1 某型雷达系统级组成及雷达信号
• §3.2.2 基于专家系统的雷达系统级故障诊断方法
• §3.3 雷达电路板级故障诊断方法
• §3.3.1 雷达信号的相关性分析
• §3.3.2 雷达电路板级的故障诊断方法
• §3.3.3 雷达电路板级的故障诊断实例
• §3.4 雷达故障诊断系统软件设计
• §3.4.1 软件系统主要任务
• §3.4.2 软件系统结构
• §3.4.3 数据管理模块的设计
• §3.4.4 模拟维修训练模块的设计
• §3.5 本章小节
• 第四章 基于小波神经网络的雷达元器件级故障诊断
• §4.1 引言
• §4.2 基于小波神经网络的雷达元器件级故障诊断方法
• §4.2.1 基于小波提升框架的故障特征参数提取
• §4.2.2 小波神经网络故障分类
• §4.3 雷达高压电源的故障诊断实例研究
• §4.3.1 高压电源故障仿真
• §4.3.2 小波神经网络训练样本获取
• §4.3.3 基于小波神经网络与神经网络的故障诊断对比
• §4.4 小结
• 第五章 基于支持向量机的雷达元器件级故障诊断
• §5.1 引言
• §5.2 最小二乘小波支持向量机
• §5.3 基于LS-WSVM的雷达元器件级故障诊断方法
• §5.3.1 故障特征参数提取
• §5.3.2 基于贝时斯证据框架的模型参数选取
• §5.3.3 基于量子进化算法的模型参数优化
• §5.3.4 多类LS-WSVM故障分类
• §5.4 雷达扫描电路板故障诊断实例研究
• §5.4.1 扫描电路板故障仿真及特征参数提取
• §5.4.2 基于LS-SVM的故障诊断模型建立
• §5.4.3 故障诊断结果对比
• §5.5 本章小结
• 第六章 基于模糊推理的雷达元器件级故障诊断
• §6.1 引言
• §6.2 基于模糊推理的雷达元器件级故障诊断方法
• §6.2.1 模糊逻辑系统
• §6.2.2 基于量子进化算法的故障诊断模糊规则选取
• §6.2.3 基于自适应遗传算法的故障诊断模糊规则优化
• §6.3 雷达功率放大电路板故障诊断实例研究
• §6.3.1 功率放大电路板故障仿真及特征参数提取
• §6.3.2 模糊规则的选取
• §6.3.3 模糊规则的优化
• §6.3.4 故障诊断验证
• §6.4 本章小结
• 第七章 回顾与展望
• §7.1 论文工作回顾
• §7.2 展望
• 致谢
• 参考文献
• 附录
• 攻读博士学位期间的论文、科研工作及获奖情况