【摘 要】
：
在武器系统的日常测试中,需要根据系统中的各类数据对系统的性能做出评价。将武器系统中的各类数据记录下来,按照通信协议进行解析,综合分析解析得到的数据后对系统性能做出评价,或是利用故障参数数据对武器系统进行故障诊断,帮助测试人员快速定位故障位置,有利于武器系统的改进和维护。本文以数据的处理过程为思路,设计完成了数据记录、解析模块,对导弹故障诊断、预测进行仿真,并利用仿真结果完成故障诊断模块的设计与实现
论文部分内容阅读
在武器系统的日常测试中,需要根据系统中的各类数据对系统的性能做出评价。将武器系统中的各类数据记录下来,按照通信协议进行解析,综合分析解析得到的数据后对系统性能做出评价,或是利用故障参数数据对武器系统进行故障诊断,帮助测试人员快速定位故障位置,有利于武器系统的改进和维护。本文以数据的处理过程为思路,设计完成了数据记录、解析模块,对导弹故障诊断、预测进行仿真,并利用仿真结果完成故障诊断模块的设计与实现。本文所完成的主要工作包括以下几个方面:（1）基于Win Pcap库完成了对武器系统之间通信数据的记录,可以通过交互界面设置过滤规则和筛选条件记录各类网络数据,并查看历史数据。利用外部的XML文档代替传统的在软件代码中描述协议的方式,对记录的数据进行解析,提高了数据记录、解析软件的通用化水平。（2）利用解析出来的数据进行故障诊断和预测。根据导弹故障的历史数据,建立故障树。明确故障树底事件发生时影响的相关参数,并将故障发生时各种模式的参数数据作为训练集,利用BP神经网络对故障进行诊断。根据故障参数的时间序列进行故障预测,判断出下一时间段是否会发生故障。（3）将BP神经网络训练后得到的最优解作为故障诊断模块的计算参数,实现故障诊断模块。对测试过程中记录的故障参数进行诊断,结合建立的故障树快速定位故障位置,并将故障记录到数据库中,可以根据部件发生故障的频率来对一个部件的性能进行评价。（4）对数据记录模块、解析模块以及故障诊断模块的性能和功能进行测试和验证,并对在验证过程中发现的缺陷加以改进。
其他文献
在工业化的连铸钢板坯生产过程中,钢厂针对连铸坯质量的评价与分类依然主要依靠人工经验。本文基于连铸坯冷酸蚀图像中的缺陷进行预处理、分割以及分类识别,为后续研发连铸坯缺陷评级系统提供准备工作。在预处理时,中值滤波和维纳滤波对图像中的噪声可以有效去除,但多次滤波会导致图像信息的大量损失。为解决这一问题,提出一种开关结构下的快速加权中值—维纳滤波器,以减少图像滤波过程中信息的损失,并通过与中值滤波、维纳滤
电弧增材制造技术以电弧为热源熔化金属丝材,基于离散/堆积的成形原理,并沿预设路径逐层沉积制造出3D实体零件,具有沉积效率高、生产成本低等优点。双丝CMT电弧增材制造以两根异种丝材作为填充材料,在CMT增材工艺中熔滴过渡和焊丝回抽相结合的基础上,快速生成多元成分可调合金体系,解决焊丝定制成本高、周期长等难题。本课题以2系Al-Cu焊丝和5系Al-Mg焊丝为填充材料,基于双丝CMT电弧增材制造工艺对A
为了解决在野外环境下测量炮口附近的弹丸飞行姿态时,攻角纸靶法精度较低,阴影照相法要搭建复杂的光路系统的问题,基于三目视觉原理,通过激光摄像法直接拍摄弹丸实像来测量弹丸的飞行姿态,既可以得到精度较高的弹丸飞行姿态,同时也不用搭建复杂的光路系统,相对于双目视觉姿态测量方式也提高了测试结果的稳定性。在对相机的成像原理、相机标定、三目姿态测量模型以及各坐标系间的空间转换关系等分析的基础上进行了三目视觉弹丸
随着“互联网+”时代的降临,办公自动化系统（OA）在信息与技术的不断演变过程中也在不断完备。如何解决企业项目管理、人员管理以及沟通管理等一系列需求,达到其信息化战略目的,打造一款能集项目、人员、沟通等多方管理一体化协作系统平台具有重大的实际意义。本文将针对某企业协作系统,分别从系统架构、系统功能模块和系统测试等多方面进行设计与实现,并研究基于Lucene的Solr检索算法和基于CB的推荐算法为系统
随着城轨列车技术的发展,地铁成为人们日常生活中不可或缺的交通工具,为保证人们出行安全,地铁的安全性不容忽视。车底状态检测是地铁检测的重要环节之一,但地铁段检、厂检会存在漏检情况。当前国内还没有一套完整的地铁底部复现技术和基于图像自动检测技术,因此本文对地铁底部做了相应的研究。主要工作内容如下:（1）对地铁底部图像拼接与关键部件螺栓检测系统进行总体架构设计,在需求分析的基础上,确定系统架构、系统工作
随着机器视觉的发展与应用,将视觉检测技术运用于工业场景中已经成为智能制造业的热潮。钢水浇筑在生产过程中,存在很多不可控的质量问题,在制造过程中会出现部分划痕、形变等瑕疵,而操作人员需要近距离判断检测浇筑钢爪的合格与否,这样的检测方式效率过低。为此本文分析和应用了基于深度学习的目标检测框架进行训练,实现形态各异、多角度的钢爪识别与检测。论文主要完成以下工作:（1）分析了本文检测目标的实际环境和需求,
近年来,随着高清视频采集设备在生活中的普及,单目相机的数据量得到了迅速的增长。如何处理这些数据,从中获得有价值的信息,是计算机视觉领域的一个重要问题。数据中的人物姿态与行为,因其具有巨大的潜在商业价值,成为研究者重点关注的对象之一。近年来随着深度卷积神经网络在多个计算机视觉任务上取得的突破,行人检测、人体姿态估计、动作识别等与人相关的任务也受到越来越广泛的关注。本文聚焦于单目彩色图像数据中的二维人
情感分析是对文本中表达的评论、情绪和情感进行的计算研究。近几年来,情感分析引起了业界和学术界的广泛关注。在世界各地,社交媒体已为人们提供了以母语共享个人观点的趋势。对于这些评论的情感分析,机器学习算法是研究者的主要选择。在提出了复杂的机器学习算法和硬件升级版本来运行实验之后,研究界开始转向利用深度学习完成情感分析任务。过去五年的背景研究证实,深度神经网络（CNN、RNN和扩展版LSTM）取得了显著
无人机相较于固定监测设备有着价格低廉、部署方便、机动灵活等优势,在智能交通信息采集方面具有广阔的应用前景。为此本文在普通城市道路的复杂路况背景下,以YOLOv3算法为基础,对于航拍视角下车辆目标与跟踪技术进行研究,在降低计算资源、加快速度和增强精度等方面做出针对性改进。在车辆检测方面,为了改善YOLOv3算法在航拍车辆检测上的应用效果,本文提出了YOLOv3-Aerial航拍车辆目标检测算法,对默
惯性约束聚变（Inertial Confinement Fusion,ICF）是一种通过采用高功率激光或离子束辐照氘氚燃料靶丸,在惯性约束情况下达到点火条件,得到大量聚变能的方法。目前中美等国都在从原理性研究向工程化推进,其中每一个细节均需要精雕细琢。靶丸作为关键性部件,表面存在任何凸起、灰尘等孤立缺陷,均可能导致聚变时产生非对称内爆甚至壳体破裂,造成巨大的损失。为实现靶丸全表面缺陷高精度、高效率