【技术实现步骤摘要】
综合化航空电子设备故障智能诊断系统
本专利技术属于机器学习领域中的时序点过程领域，涉及一种基于霍克斯过程(HawkesProcess)通过生存分析对综合化航空电子设备进行故障诊断的系统。
技术介绍
随着大规模集成电路技术的迅速发展及日益广泛的应用，为了维护各种器件及设备，人们必须借助计算机来找出电路的故障，模拟电路故障诊断已成为大规模集成电路课题中令人瞩目的一个课题。模拟电路的故障诊断和定位问题不仅引起广泛的关注，而且是国内外专家设计和使用电子系统的一大难题，其中大规模非线性复杂电路容差情况下的故障即软故障诊断，也是困扰广大科学工作者的难题。迄今为止，很少有文献对软故障即容差电路的诊断给出系统而有效的方法，特别是大规模模拟电路的故障诊断。对于大规模复杂网络，如果直接将每一个具体的元件故障信息存入神经网络中，则存在信息量过于庞大的问题，对其诊断的神经网络结构会更复杂，影响诊断速度。传统的利用神经网络诊断模拟电路方法一般是采用BP算法训练的前馈神经网络。标准的BP网络是根据Widrow—Hof规则，采用梯度下降算法，在非线性多层...
【技术保护点】
1.一种综合化航空电子设备故障智能诊断系统，包括：分别相连数据库的数据预处理模块和故障预测结果评价模块，相连霍克斯过程模块的生存分析预测模块，其特征在于：数据预处理模块从第一数据库中将采集设备数据转换为设备的ID号和设备发生故障时间戳的差值，将这两列数据存入第一数据库中作为故障事件序列，建立基于训练集的独立预后模型和预测模型；霍克斯过程模块从数据预处理模块中读取数据，模拟发生的历史事件，对于未来事件的发生激励，根据每个观察到的设备对故障事件序列进行激励，将设备在过去时间内的故障事件的发生进行霍克斯过程的强度函数建模，周期性地向下位机发送检测信号，通过接收的响应数据帧判断系统...
【技术特征摘要】
1.一种综合化航空电子设备故障智能诊断系统，包括：分别相连数据库的数据预处理模块和故障预测结果评价模块，相连霍克斯过程模块的生存分析预测模块，其特征在于：数据预处理模块从第一数据库中将采集设备数据转换为设备的ID号和设备发生故障时间戳的差值，将这两列数据存入第一数据库中作为故障事件序列，建立基于训练集的独立预后模型和预测模型；霍克斯过程模块从数据预处理模块中读取数据，模拟发生的历史事件，对于未来事件的发生激励，根据每个观察到的设备对故障事件序列进行激励，将设备在过去时间内的故障事件的发生进行霍克斯过程的强度函数建模，周期性地向下位机发送检测信号，通过接收的响应数据帧判断系统是否产生故障和系统故障的类型，对故障类型、故障部位及原因进行诊断，基于霍克斯过程的故障诊断，将检测到的故障信号送入生存分析预测模块辨识故障大小和时变特性，引入时间依存变量，以生存结局和生存时间为因变量构建比例风险回归模型COX回归模型，通过变量赋值定义构建模型所用样本，利用比例风险回归模型COX分析带有截尾生存时间的资料，从霍克斯过程模块中得到生存函数，通过累积风险函数预测设备故障的返回时间；将变化产生的新信息送入故障预测结果评价模块，利用平均绝对误差MAE对最终的故障时间预测的时间戳进行度量，根据不同故障时间戳的单位进行故障分析，完成故障诊断任务。
2.如权利要求1所述的综合化航空电子设备故障智能诊断系统，其特征在于：数据预处理模块从数据库将采集的航空电子设备数据进行处理，只留下该航空电子设备的ID号和航空电子设备发生故障时间，将航空电子设备的故障时间转换为标识某一时刻时间的时间戳，根据所搜集的数据时间间隔设置时间戳的大小，将后一个发生故障的时间戳减去前一个发生故障的时间戳的时间差作为故障事件序列的输入，第一个发生故障的时间戳记为0。
3.如权利要求1所述的综合化航空电子设备故障智能诊断系统，其特征在于：霍克斯过程模块读取数据预处理模块中数据，将每个观察到的航空电子设备，在过去时间内的故障事件的发生进行霍克斯过程强度函数建模，捕捉航空电子设备固有的和长期的基线强度λ0特征，捕获时间相关性的触发内核g(t,ti)，量化每个过去事件随时间演变，激励当前的历史事件，在t单位时间中使用非参数方法直接学习触发内核g(t,ti)的参数族，
其中，t表示当前时间，ti表示i时刻的事件序列，σ表示Sigmoid函数。
4.如权利要求1所述的综合化航空电子设备故障智能诊断系统，其特征在于：霍克斯过程模块在霍克斯过程故障事件序列建模中，根据捕获时间相关性的触发内核g(t,ti)≥0，缩放每个过去历史事件的影响幅度α＞0，基线强度λ0＞0，在特定的历史情况随...
【专利技术属性】
技术研发人员：陈文豪，黄明，李骁，雷志雄，乔文昇，
申请(专利权)人：西南电子技术研究所中国电子科技集团公司第十研究所，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。