期刊简介
本刊是由中国航天科工集团公司主管, 由航天科工集团十七所主办。它是仿真技术领域的综合性科技期刊。98年起已列入国家科技部中国科...【详细查看】
过刊浏览
信息公告
- 15/01 中国航天科工信...
- 14/09航天工业机关服务...
- 14/10航天信息股份有限...
- 14/12湖南航天工业总公...
- 14/08中国航天科工集团...
- 14/07中国航天科工集团...
- 14/06 南京航天管理干...
基于故障树和神经网络的火箭故障诊断方法
【出 处】:《
计算机仿真
》
CSCD
2010年第7期 38-42页,共6页
【作 者】:
刘小明
[1] ;
李辉
[1] ;
蒋吉兵
[2]
【摘 要】
针对运载火箭的复杂特性以及传统BP算法的收敛速度慢、极易陷入局部极小的缺点和实际的故障样本少的特性,提出了一种基于故障树和SVM(Support Vector Machine)算法神经网络的故障智能诊断方法。通过采用分层树形结构表示规则间的逻辑关系、广义规则表示知识及条件表等拆解节点,从而建立基于故障树的知识库。用SVM算法来构建计算网络;网络不仅能对线性函数进行计算而且也能将非线性问题线性化,从而使得该方法在应用中具有极强的泛化性;故利用该网络的智能学习功能来对输入数据进行智能计算判别,从而达到对运载火箭故障的分析、定位和诊断。最后,以CZ-3型运载火箭为诊断对象进行了仿真验证,结果表明该方法提高了诊断能力。
相关热词搜索: 运载火箭 表 广义规则 支持向量机 故障诊断 Launch vehicle Table Generalized rules SVM Fault diagnosis
上一篇:目标特性在导弹引战配合仿真中的应用
下一篇:无人机Ad Hoc网络拓扑控制算法研究