基于大量故障实例的故障诊断系统设计

合集下载

基于机器学习的汽车故障诊断系统设计

基于机器学习的汽车故障诊断系统设计随着科技的不断发展，人们的生活方式也在不断改变。

汽车作为交通工具中的重要一环，已经成为人们生活中不可或缺的一部分。

尤其是在现代城市中，汽车数量越来越多，汽车出行也越来越普遍。

然而，汽车的出现也带来了一些问题，其中之一就是汽车故障的诊断和修复问题。

面对这一难题，基于机器学习的汽车故障诊断系统被提出，成为解决汽车故障的有效方法。

一、基于机器学习的汽车故障诊断系统的基本概念基于机器学习的汽车故障诊断系统，是一种基于人工智能技术的汽车故障诊断系统。

它可以通过学习数据和经验，根据汽车出现的故障，自动地识别故障原因，并给出修复方案。

基于机器学习的汽车故障诊断系统主要由两个部分组成：数据采集和机器学习诊断模型。

数据采集具体指对汽车在工作过程中的各种数据进行采集和记录，如温度、压力、速度等。

机器学习诊断模型则利用这些数据和经验，在经过学习后，可以自动地识别与故障相关的数据特征，并给出与之匹配的故障诊断结果。

二、基于机器学习的汽车故障诊断系统的设计和实现基于机器学习的汽车故障诊断系统的设计和实现，主要需要完成三个方面的工作：数据采集、模型训练和结果输出。

1.数据采集数据采集是基于机器学习的汽车故障诊断系统的第一步，它是建立模型的关键。

数据采集主要是对汽车在工作状态下的各种参数数据进行采集和记录。

例如，引擎水温、油压、转速等等。

这些数据可以通过汽车的控制系统获取，也可以通过添加传感器等方式进行采集。

2.模型训练模型训练是基于机器学习的汽车故障诊断系统的第二步。

模型训练通过对采集的数据进行处理和分析，通过特定的算法和模型进行学习和训练，以达到自动化诊断的目的。

常用的学习和训练技术包括深度学习、神经网络等。

通过模型训练，系统可以自动地将数据特征与故障相关联，并建立相应的关系模型。

3.结果输出结果输出是基于机器学习的汽车故障诊断系统的最后一步。

它是对模型训练的企业线性应用。

系统通过对车辆采集的数据进行分析处理，可以生成相关的诊断结果，并输出给用户。

基于大量故障实例的故障诊断系统设计

知识数据库存储和管理大量的故障知识，每个
组件（Ｒ构建１知识数据库。１ＬＵ知识ＬＵ）个个Ｒ数据库存储的每个记录描述该ＬＵ的１条专家规Ｒ则，１可靠的故障实例，１神经网络结构参或个或套
设备或系统隔离故障于元件级时，要建立的故障需
树字典极其庞大，于管理与使用］难。它们都有知
识库或者字典库不易获取与扩展，于实现自学习难功能的缺点。
当前，神经网络技术日趋成熟，故障诊断领在域得到了广泛的应用。本文所述的故障诊断系统
基于大量故障实例的故障诊断系统设计
杨茂兴，陈广才
（军第一航空学院，南信阳４４０）空河６００
摘要：些具有组分结构的系统（机载火力控制系统）当复杂，想获得全套系统精确的故障一如相要
ｓｓｅｃｎｉｔｄｏｈｎｗｌｄｅｄｔｂｓｓｈｙｔｍｏｓｓｅｆｔｅｋｏｅｇａａａｅ，ｔｅＥＳ（ｐｒｙｔｍ）ｕｉａｄｔｅＡＮＮ（ｔｆｉｌＮｅｒｌＮｅｗｏｋｎｔＥｘｅｔＳｓｅｎｔｎｈＡｒｉｉａｕａｔｒ）ｕｉｃ．ＴｈｅＡＮＮｎｔｓａｌｇｏｕｓｍｏｅａｄｍｏｅｆｕｔｃｓｓａｅａｄｄｉ，ａｄｔｅＥｎｔｓａｌｂｕｉｈｌｒｗｐａｒｎｒａｌａｅｒｄｅｎｎｈＳｕｉｈｌｅｉｒｖｄａｄｅｐｎｅｙｍｐｏｅｎｘａｄｄｂ

汽车故障诊断系统的设计与实现

汽车故障诊断系统的设计与实现随着汽车产业的快速发展和普及，汽车的故障诊断系统变得越来越重要。

一个高效而可靠的汽车故障诊断系统可以帮助汽车技术人员快速准确地检测和解决车辆故障，提高汽车维修效率和质量。

本文将介绍汽车故障诊断系统的设计与实现。

首先，汽车故障诊断系统需要具备以下几个主要功能：1.故障检测和诊断：系统需要通过传感器和网络连接等方式实时监测车辆各系统的状态和参数，如发动机温度、油耗、排放等信息，以便及时发现和诊断可能出现的故障。

2.故障代码读取和分析：系统需要能够读取车辆的故障代码，并对其进行分析和解读，以确定故障类型和位置，并给出解决方案。

3.用户界面和交互：系统需要提供一个友好的用户界面，让用户能够方便地操作和使用系统。

用户界面可以是一个图形界面，显示当前车辆的状态和故障信息，同时提供一些简单的操作选项，如清除故障代码、查看维修记录等。

4.数据管理和处理：系统需要能够管理和处理大量的车辆数据，包括故障信息、维修记录、参数设置等。

这些数据可以用于故障分析和维修记录的生成，为后续的故障诊断提供支持。

在设计和实现汽车故障诊断系统时，需要考虑以下几个关键点：1.系统架构：汽车故障诊断系统可以采用分布式或集中式的架构。

分布式架构可以将车辆的数据和处理逻辑分布在不同的节点上，提高系统的扩展性和稳定性。

集中式架构则将所有的数据和处理逻辑集中在一个服务器上，简单易用。

2.数据采集和传输：系统需要通过传感器等设备采集车辆的各种参数和状态信息，并通过网络传输到中央服务器进行处理。

数据采集和传输的过程需要保证数据的准确性和实时性，同时考虑数据安全和隐私保护。

3.故障诊断算法：系统的核心是故障诊断算法，它需要根据车辆的状态和参数信息，判断是否存在故障，并通过故障代码和其他信息，确定故障的类型和位置。

故障诊断算法可以采用基于规则的方法或基于机器学习的方法。

4.用户界面和交互：用户界面需要简单直观，方便用户进行操作和查看故障信息。

汽车故障诊断系统的设计与实现

汽车故障诊断系统的设计与实现随着汽车的普及和使用率的增加，汽车故障的发生也变得越来越常见。

为了提高汽车维修技术人员的工作效率和准确性，汽车故障诊断系统应运而生。

本文将介绍汽车故障诊断系统的设计与实现，以解决汽车故障诊断中的问题。

一、设计目标汽车故障诊断系统的设计目标是提供高效、准确的故障诊断服务，以帮助维修技术人员快速定位、分析和修复汽车故障。

具体而言，设计目标包括以下几点：1. 实时监测和诊断：系统能实时监测汽车各个部件的工作状态，并能根据故障代码和传感器数据进行故障诊断。

2. 多种通信接口：系统应具备多种通信接口，以便能够适应不同车型的诊断需求。

可以通过OBD接口、CAN总线等与汽车的ECU进行通信。

3. 数据库管理：系统应具备强大的数据库管理功能，能存储和管理大量车型的故障代码、故障现象和解决方案等信息，以提供快速的诊断和修复帮助。

4. 用户友好界面：系统的用户界面应直观友好，操作简单，能够方便地读取和解释故障代码和传感器数据。

二、系统架构汽车故障诊断系统的架构可分为两个主要部分：硬件部分和软件部分。

硬件部分包括OBD接口、CAN分析仪、传感器等设备。

OBD 接口是系统与汽车ECU进行通信的接口，可以读取和解析ECU 中存储的故障代码和传感器数据。

CAN分析仪是用于监听和分析CAN总线上的通信数据，用于获取更详细的汽车工作状态和故障信息。

传感器用于监测车辆各个部件的物理参数，如温度、压力等。

软件部分是汽车故障诊断系统的核心部分，包括故障诊断算法和用户界面。

1. 故障诊断算法：系统需要提供有效的故障诊断算法，能够根据故障代码和传感器数据，准确定位和分析汽车故障。

常用的算法包括模式匹配、统计分析和机器学习等。

2. 用户界面：系统的用户界面应具备良好的交互性和可视化效果，能够直观地展示汽车的工作状态和故障信息。

用户可以通过界面输入故障代码，查看车辆的历史故障记录，并获取针对特定故障的解决方案。

三、实现步骤设计和实现汽车故障诊断系统需要经过以下几个步骤：1. 数据收集和整理：收集不同车型的故障代码和传感器数据，并对其进行整理和存储。

基于PLC的电机故障诊断系统设计

基于PLC的电机故障诊断系统设计摘要随着工业自动化程度的不断提高，PLC控制系统已经广泛应用于各个行业中，电机是其中最为常见的使用对象之一。

因此，针对电机的故障诊断成为越来越重要的研究领域。

本文基于PLC的电机故障诊断系统，设计开发了一个完整的故障诊断系统。

首先介绍了故障诊断的概念和方法，然后详细讨论了系统的硬件和软件设计，最后通过实验验证了系统的可行性和有效性。

关键词：PLC；电机故障诊断；故障分类；故障诊断系统AbstractWith the increasing degree of industrial automation, PLC control system has been widely used in various industries,and motor is one of the most common objects of use. Therefore, motor fault diagnosis becomes an increasingly important research field. Based on the PLC motor fault diagnosis system, this paper designs and develops a complete fault diagnosis system. Firstly, the concept and method of fault diagnosisare introduced. Then, the hardware and software design of the system are discussed in detail. Finally, the feasibility and effectiveness of the system are verified through experiments.Keywords: PLC; motor fault diagnosis; fault classification; fault diagnosis system引言随着工业自动化程度的不断提高，电机成为各个行业中最为常见的使用对象之一。

基于故障树汽车中控门锁典型故障诊断与分析

（a ）中控门锁系统故障树图1（b ）中控门锁系统故障树中控门锁系统故障电路故障所有门锁失效熔断器熔断遥控器失效车身控制系统故障遥控器本身故障开关故障没电线路故障没匹配好门控灯开关故障分开关至电动机断路输入电动门锁的电源线路故障电源与门锁执行器有故障不能自动落锁（闭锁）中控门锁系统故障门锁工作混乱门锁工作不良（不能全部完成开锁闭锁）开锁或闭锁继电器故障连接线路故障门锁控制开关损坏门锁电机损坏控制单元控制程序错乱控制线间隙短路相关电路损坏控制模块终止了自动闭锁功能车速传感器损坏导线接头松脱开关出头烧坏触点接触不良线圈烧断诊断工艺流程如图2所示。

图2宝来车门遥控失效故障二：新买的宝来1.6L轿车，隔天车主发现中控门锁失效。

检修过程及分析：接车后，检查支架上的S14（10A）熔断丝，发现已烧毁。

维修人员为车辆更换了保险丝，发现中控门锁恢复正常。

所以认为可能是瞬间过流的偶发性故障，因此没有做进一步检查。

车主将车提走，但是第二天车主又将车开过来，反映中控门锁又失效了，再次检查还是支架上的保险丝烧断。

询问车主，车主反映在车上加装了防盗器，因此，维修人员怀疑在加装防盗器时可能使得线路破损或者防盗器本身在工作时就有较大的电流。

维修人员在征得车主同意后，将车辆的防盗器拆除，复原原来车上的电路。

但是几天后故障再次出现，同一个保险丝烧断。

查看相关的电路图，发现支架上的S14保险丝同时给车内的照明灯和舒适系统的中央控制单元供电，车内照明灯包括了左右化妆镜照明灯、左右前车门警报灯、前后左右阅读灯等多个部图3宝来中控门锁失效3总结本文通过对不同车型以及各种中控门锁电路的了解、分析、电器与电路故障总结，最终能够准确、快速判断出汽车电器与电路部分的故障，并作出合理的维修、改进方案。

编写汽车中控门锁电路故障树图，搜集和掌握中控电路常见故障的分析与诊断流程，并完成汽车中控电路典型故障诊断方法的分类整理及诊断流程的分析归纳。

以便于对汽车典型的中控门锁故障进行排除。

故障诊断设计方案

故障诊断设计方案
故障诊断设计方案是一种用于识别和解决电子、机械、软件等系统中出现的问题的计划。

该方案通常由多个步骤组成，包括问题定义、数据收集、分析和解决方案的开发。

故障诊断设计方案可以用于各种设备和系统，包括汽车、航空航天、医疗设备和工业控制系统等。

故障诊断设计方案的第一步是定义问题。

这可能涉及与客户交流，以了解他们所遇到的问题，或者通过观察设备或系统的行为来识别问题。

一旦问题被定义，就需要进行数据收集。

这可以包括收集日志、测试数据、传感器数据和其他相关信息。

收集到数据后，需要对其进行分析。

这可能涉及使用统计学、机器学习和其他技术来查找数据中的模式和异常。

分析结果可以帮助确定问题的根本原因，并提出解决方案。

解决方案的开发可能涉及对软件、硬件或其他组件进行修改或更换。

这需要进行测试和验证，以确保解决方案有效，并没有引入新的问题。

故障诊断设计方案是一个逐步的过程，需要实施一系列措施来确保成功。

这可以包括培训员工，建立监测系统，以及持续进行数据分析和解决方案改进。

通过采取这些措施，可以提高设备和系统的可靠性和效率，降低维护成本，提高用户满意度。

- 1 -。

《基于深度学习的故障诊断系统设计与实现》

《基于深度学习的故障诊断系统设计与实现》一、引言在现代工业生产过程中，设备故障诊断是一个关键环节。

传统的方法往往依赖于专业人员的经验和技能，这无疑限制了诊断的准确性和效率。

因此，为了实现高效、精准的故障诊断，我们设计并实现了一个基于深度学习的故障诊断系统。

该系统能够自动分析设备运行数据，快速定位故障原因，为维护和修复提供有力支持。

二、系统设计1. 数据预处理在深度学习系统中，数据的质量和格式对模型的训练和性能具有重要影响。

因此，在数据输入系统之前，我们需要对原始数据进行预处理。

预处理过程包括数据清洗、归一化、特征提取等步骤。

我们使用专业的数据处理工具，对数据进行格式转换和异常值处理，确保数据的质量和一致性。

2. 模型选择与构建在模型选择上，我们采用了深度卷积神经网络（CNN）和循环神经网络（RNN）的组合模型。

这种模型可以同时捕捉设备的静态特征和动态特征，提高故障诊断的准确性。

我们使用Python 的深度学习框架（如TensorFlow或PyTorch）进行模型构建。

3. 数据标签与训练我们使用无监督学习和半监督学习方法对数据进行标签。

首先，我们使用无监督学习对数据进行聚类，初步确定故障类型。

然后，我们使用半监督学习对聚类结果进行修正和优化，为每个故障类型打上准确的标签。

在模型训练过程中，我们使用交叉验证和梯度下降等优化技术，提高模型的训练速度和性能。

三、系统实现1. 硬件环境我们的系统采用分布式计算架构，可以充分利用服务器集群的计算资源。

硬件环境包括高性能服务器、存储设备和网络设备等。

我们使用Docker等容器化技术进行部署和管理，确保系统的稳定性和可扩展性。

2. 软件环境在软件环境方面，我们采用Python作为主要编程语言，使用TensorFlow或PyTorch等深度学习框架进行模型构建和训练。

此外，我们还使用了数据预处理工具、数据库管理系统等软件工具，确保系统的功能和性能。

四、实验与结果分析我们在多个设备上进行了实验，并与其他传统故障诊断方法进行了对比。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ｆ１ｂ１１ｂＧ１ｅ１１ｅ５１ｃ１１ｃ１ｈ
… … … … … … …
Ｆｊｂ１ｊｂＧｊｅ１ｊｅ５ｊｃ１ｊｃｈｊ
… Ｆｍ … ｂ１ｍ … ｂＧｍ … ｅ１ｍ … ｅ５ｍ … ｃｍ１ … ｃｍｈ
标识为ＥＲ的１行记录对应了专家系表２中，统知识库中的１条专家诊断规则，代表了各种故障现象的某种组合，描述了这组故障现象与各个故障 …ｔ原因的关系，并且可以方便地与“ 型故Ｉｆｈｅｎ… ” 障诊断规则相互转化；标识为ＥＸ的１行记录对应了１条可靠的故障实例，也可以作为专家系统的临时故障诊断规则；标识为ＮＮ的１行记录则对应了输出层的权值。１个隐含层神经元到输入层、上述记录数据的定义如下。 …， …，ａｉ＝１，２，ｎ；２，Ｇ。ｙ表示已有ｙ＝１，ｉ。ｙ专家诊断规则序号，随诊断系统的成熟而Ｇ为总数，表示专家诊断规则中故障现象Ｓ扩大。ａｉｉ取１时，ｙ在本组故障现象中发生；取０时，表示故障现象Ｓｉ未发生。 …， …，ｂ２，ｍ；２，Ｇ。ｙ表示已有ｊ＝１，ｙ＝１，ｙｊ。专家诊断规则序号，随诊Ｇ为专家诊断规则的总数，反映专家诊断规断系统的成熟而扩大。ｂｙｊ取１时，则中故障原因Ｆ取０时，表ｊ与本组故障现象有关；示与本组故障现象无关。此外，随着故障诊断知识的逐步积累，借助于神经网络ＡＮＮ学习训练，可将ｂｙｊ进行模糊化处理，调整为［内的数值，以描述在当前故障现象下０，１］
１故障诊断系统的总体架构
该故障诊断系统具有专家规则诊断、可靠的故障查询诊断和神经网络诊断３种方式。它由专家系统单元、知识数据库和神经网络单元３部分组成，如 ·４６·
《 · 数字技术与机械加工工艺装备２新技术新工艺》０１１年第１０期
定期训练模块和运算模块组成，主要用来实现整个诊断系统的自学习功能。
图１故障诊断系统原理框图
知识数据库存储和管理大量的故障知识，每个组件（构建１个知识数据库。１个ＬＬＲＵ）ＲＵ知识数据库存储的每个记录描述该ＬＲＵ的１条专家规则，或１个可靠的故障实例，或１套神经网络结构参数。专家系统单元由专家规则添加与修改模块和专家规则推理模块组成，实现机载火力控制系统ＬＲＵ基于规则的故障诊断。神经网络单元由神经网络构造模块、神经网络
微电子、现代机载火控系统广泛应用微计算机、自动控制、网络和光学等技术，是一种复杂的光电系统，普遍具有多级组分结构，不易建立用于故障诊断的精确数学模型。实现其故障诊断的一般方法是，构建基于专家知识规则的故障诊断系统和基于故障字典的故障诊断系统。前者难于获取较全面的专家规则，后者适用范围虽然较广，但应用于复杂的大型需要建立的故障设备或系统隔离故障于元件级时，
表１ＬＲＵ外场维修记录
ＲＵ名：飞机编号：Ｌ编号测量参数与测量方式故障模块记录日期
ＥＲ１ａ１１ＥＲＧａＧ１ＥＸ１ｄ１１ＥＸ
５ｄ５１
ＮＮ１ＮＮｈ
ω １１ ω ｈ１
１］。它们都有知树字典极其庞大，难于管理与使用［
图１所示。
识库或者字典库不易获取与扩展，难于实现自学习功能的缺点。当前，神经网络技术日趋成熟，在故障诊断领域得到了广泛的应用。本文所述的故障诊断系统采用基于规则的专家系统与神经网络的方法，充分利用在外场获得的大量故障实例和神经网络的更好地实现故障诊断规则的获取、扩自学习功能，充和更新。
，ＹＡＮＧＭａｏｘｉｎＣＨＥＮＧｕａｎｃａｉｇｇ（，）ＴｈｅＦｉｒｓｔＡｅｒｏｎａｕｔｉｃＩｎｓｔｉｔｕｔｅｏｆｔｈｅＡｉｒＦｏｒｃｅＸｉｎａｎ４６４０００，Ｃｈｉｎａｙｇ：，（），，ＡｂｓｔｒａｃｔＳｏｍｅｈｉｅｒａｒｃｈｓｓｔｅｍｓｓｕｃｈａｓａｉｒｂｏｒｎｅｆｉｒｅｃｏｎｔｒｏｌｓｓｔｅｍＡＦＣＳａｒｅｖｅｒｃｏｍｌｅｘａｎｄｉｔｉｓｈａｒｄｔｏｏｂ－ｙｙｙｙｐｔａｉｎｔｈｅｉｒａｎａｌｔｉｃｍｏｄｅｌｓｆｏｒｄｉａｎｏｓｉｓ．Ｂｕｔｏｎｅｆａｕｌｔｄｉａｎｏｓｉｓｓｓｔｅｍ，ｗｈｉｃｈｉｓｂａｓｅｄｏｎｓｍｔｏｍｉｎｆｏｒｍａｔｉｏｎｆｒｏｍｒｅｃｉｓｅｙｇｇｙｙｐｐ，ａｌａｒｅｎｕｍｂｅｒｏｆｆａｕｌｔｃａｓｅｓｃｏｌｌｅｃｔｅｄｂｍａｉｎｔｅｎａｎｃｅａｔａｉｒｆｉｅｌｄｏｒｒｅｌａｓｔａｔｉｏｎｃａｎｂｅｄｅｓｉｎｅｄ．Ｔｈｅｄｉａｎｏｓｉｓｅｒｓｏｎｎｅｌｇｙｙｇｇｐ，）ｃｏｎｓｉｓｔｅｄｏｆｔｈｅｋｎｏｗｌｅｄｅｄａｔａｂａｓｅｓｔｈｅＥＳ（ＥｘｅｒｔＳｓｔｅｍ）ｕｎｉｔａｎｄｔｈｅＡＮＮ（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋｕｎｉｔ．ｓｓｔｅｍｇｐｙｙ，ＴｈｅｒｏｗＡＮＮｕｎｉｔｓｈａｌｌｕａｓｍｏｒｅａｎｄｍｏｒｅｆａｕｌｔｃａｓｅｓａｒｅａｄｄｅｄｉｎａｎｄｔｈｅＥＳｕｎｉｔｓｈａｌｌｂｅｉｍｒｏｖｅｄａｎｄｅｘａｎｄｅｄｂｇｐｐｐｙｏｏｄｔｈｅＡＦＣＳｎｅｕｒａｌｎｅｔｗｏｒｋｓｗｉｔｈｍａｎｆａｕｌｔｃａｓｅｓａｎｄｃａｒｒｉｎｏｕｔｓｉｍｕｌａｔｉｎｏｅｒａｔｉｏｎ．Ｉｔｈａｄａｓｅｌｆｓｔｕｄｔｒａｉｎｉｎ－ｇｙｙｇｇｐｙｇ，ａｎｄｃｏｕｌｄｄｉａｎｏｓｅｎｅｗｔｅｆａｕｌｔｓｗｈｉｃｈｔｈｅＥＳｒｕｌｅｓｄｉｄｎｏｔｍａｔｃｈｗｉｔｈ．ｆｕｎｃｔｉｏｎ－ｇｙｐ：，，Ａ，ＫｅｗｏｒｄｓＨｉｅｒａｒｃｈｓｓｔｅｍ，ＳｍｔｏｍｉｎｆｏｒｍａｔｉｏｎＦａｕｌｔｄｉａｎｏｓｉｓｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋＥｘｅｒｔｓｓｔｅｍｙｙｙｐｇｐｙｙ
Ｓ１ＳＴ１ … ＳｉＳＴｉ … １１Ｔ … ０Ｅ … ２０Ｔ … １Ｅ … … … … … … … …
ＴＳｎＳ１ …Ｆｍｊ …ＦｎＦ１２００３年４月１５日Ｅ１ … ０ … １０Ｔ０ … １ … ０２００３年１１月１２日
ＭａｒｋｏＮ … … … … …
Ｓｉａ１ｉａＧｉｄ１ｉｄ５ｉ ω １ｉ ω ｈｉ
… … … … … … …
Ｓｎａ１ｎａＧｎｄ１ｎｄ５ｎ ω １ｎ ω ｈｎ
２采用的故障样本
目前，机载火力控制系统携带的机内自检测，由于受其自身功能、质量和体积等客观试（ＢＩＴ）条件的限制，一般只能较准确地完成子系统级和其故障诊断的目标是故障的ＬＲＵ级的故障诊断，子系统和Ｌ定位到ＬＲＵ，ＲＵ内故障板块或ＳＲＵ能力差，在外场、中继基地和基地，ＬＲＵ内故障板块或ＳＲＵ的故障定位要依赖于地面检测设备和维修人员的经验知识。随着实战与训练任务的遂行，在基层级和中继级可以逐渐积累大量的故障样本，如表１所示。
基于大量故障实例的故障诊断系统设计
杨茂兴，陈广才
（）空军第一航空学院，河南信阳４６４０００
摘要：一些具有组分结构的系统（如机载火力控制系统）相当复杂，要想获得全套系统精确的故障采用神经网络和专诊断数学模型是非常困难的。利用维修人员在基层级和中继级获得的大量故障实例，则可以设计出一种基于症状知识的故障诊断系统。该故障诊断系统主要由知识库、专家规家系统技术，则诊断单元和神经网络诊断单元组成，其神经网络诊断单元随着故障实例训练的增加而不断成熟，专家规则诊断单元则可以通过神经网络对故障实例的训练与仿真来完善和扩充，具有很强的自学习功能和专家规则不能包容的新故障诊断能力。关键词：组分结构系统；症状知识；故障诊断；神经网络；专家系统中图分类号：ＴＨ１６５．３；ＴＰ１８３文献标志码：ＡＤｅｓｉｎｏｆＦａｕｌｔＤｉａｎｏｓｉｓＳｓｔｅｍＢａｓｅｄｏｎＭａｎＣａｓｅｓｇｇｙｙ