基于模型的机载燃油系统故障诊断研究

针对某型号飞机的燃油系统进行故障诊断,应用基于模型的故障诊断算法,采用离散的状态变量描述系统行为和功能,基于一致性算法判定系统当前行为是否正常以及冲突搜索算法对异常进行诊断.诊断过程引入故障可能性概率的函数Rank,避免了传统穷举方法,有效提高了算法的效率.诊断结果能够很好地涵盖单故障以及多故障组合,同时也能满足系统进行实时故障诊断的要求.     

一种基于ATMS的求解所有极小冲突集的新方法

在Reiter算法的基础上,本文提出一种基于ATMS的求解所有极小冲突集的新方法。其中,对每个元件模型最多调用一次就可求出所有的极小冲突集,防止了ATMS的多次调用,因而能够提高效率。本文提出了极小依赖集的概念,并据此对ATMS求得的极小冲突集进行了分类;分析了算法的复杂度,并将新方法与相关工作进行了比较。该算法程序容易编制,而且效率高。     

基于值传递的快速故障诊断

本文提出了一种基于值传递的系统模型，重新定义了诊断，该定义与Reiter经典的诊断定义等价。在此基础上，给出了一种线性时间找到一个极小诊断的算法，该方法不需要计算极小冲突而直接得到极小诊断。该算法在给出诊断的同时，还给出了系统与该诊断对应的当前行为的一种合理解释。最后，给出了该方法与诊断测试结合实现系统修复的方法。     

一种求解极小诊断的遗传模拟退火算法

基于模型的诊断方法是人工智能领域发展起来的一个十分活跃的分支.在该方法中,由极小冲突集求解极小击中集的过程是一个NP-Hard问题.尽管人们提出了不少算法,但是各种算法的效率仍然不是十分理想.通过将该问题映射到0/1整数规划问题,提出了将遗传算法与模拟退火算法相结合的问题求解思想.在给出遗传模拟退火(genetic simulated anncaling,简称GSA)算法和算法各个参数的同时,对算法的性能和求解精度进行了测试.GSA算法不仅比传统的算法效率有很大的提高,而且在冲突集基数大于35的情况下,较单独使用GA的算法在效率上提高约1/3～1/2.在求解精度上,GSA算法在大多数情况下能够求出98%～100%的极小诊断.     

基于模型的诊断专家系统

比较了基于规则的诊断方法与基于模型的诊断方法的不同，介绍了构成基于模型的诊断专家系统的基本要素，通过一个实例介绍了基于模型的诊断方法的应用过程。     

基于定量模型的故障诊断及其性能指标研究

介绍了故障诊断的基本概念,提出了基于定量模型FDD技术的5种故障分类模式,分析了基于定量模型FDD技术的基本原理,对提出的基于定量模型FDD技术的性能指标进行了研究和讨论.     

基于定量模型的故障诊断及其性能指标研究

介绍了故障诊断的基本概念,提出了基于定量模型FDD技术的5种故障分类模式,分析了基于定量模型FDD技术的基本原理,对提出的基于定量模型FDD技术的性能指标进行了研究和讨论。     

基于动态极大元素覆盖值的极小碰集求解算法

在基于模型诊断(model-based diagnosis, MBD)中,因为所有极小冲突集的极小碰集就是待诊断系统的诊断结果,所以利用所有极小冲突集构造极小冲突集合簇,并基于极小冲突集合簇计算极小碰集是诊断的关键步骤.提出一种基于动态极大元素覆盖值求解极小碰集的新算法.该算法按照元素的元素覆盖值从大到小的顺序依次处理元素,并在求解碰集的过程中加入启发式策略和剪枝策略,使得搜索空间极大减少;利用邻接链表存储输入的极小冲突集合簇,邻接链表相对于用矩阵作为存储结构有较好的空间开销且通过邻接指向能快速地找到元素可以覆盖的集合簇中的元素;每得到一个碰集便使用极小碰集判定规则进行筛选,因此算法结束时可以产生而且仅产生所有的极小碰集.实验结果表明该算法有较高的计算效率.     

一个新的基于权限的委托模型CPPBDM

基于权限的委托模型PBDM实现了权限的委托,其实现方法是将角色进行划分,使组织的角色继承关系变得复杂,模型的实现和管理变得烦琐.为此,提出对PBDM进行改进的基于权限划分的新模型CPPBDM,模型引入新的角色间关系:委托继承、激活指派;新模型能够实现基于权限的委托与角色代理,简化了模型的实现与管理.     

等价部件在基于模型诊断中的应用

一般的诊断系统中的部件数量很多，这给诊断带来很大困难，为了减少诊断系统的“部件”数量，把诊断系统中的部件按结构分成若干“等价部件”，等价部件或同时属于一个冲突集，或同时不属于一个冲突集的部件的集合。将一个诊断系统中的部件划分为等价部件之后，可以“减少”诊断对象数量，从而可以提高诊断效率。给出的算法也可以用于增加探测及替换之后的诊断系统。     

基于模型诊断的改进贝叶斯方法

基于模型诊断是针对系统或设备的行为和结构建立模型,从而进行诊断的.但是基于模型诊断的方法存在不确定性问题,诊断的结果可能为一组故障部件.为解决不确定性问题,很多学者在基于模型诊断中使用了概率的方法,利用待诊断设备组成部件的故障概率信息来寻找最可能的诊断.通过对模型诊断中存在的不确定性问题的深入研究,在基于模型诊断中提出了概率的贝叶斯解释,从而利用后验概率形式量化了元件故障的可能性的衡量标准,并且改进了计算元件后验概率的方法,分析了改进后算法的复杂性和完备性,证明了改进后的方法降低了时间和空间的复杂性.实验结果表明,改进后算法的执行效率较原有的算法有明显的提高,且有些问题可以提高两个数量级.     

刻画基于模型的中心诊断*

虽然对基于模型的诊断存在一系列不同的逻辑定义,但所幸的是存在一个统一的抽象定义,它概括了以往的不同定义.在该定义基础上提出了基于模型的中心诊断的概念.通过刻画基于模型的中心诊断过程,论证了基于模型的中心诊断与本原蕴含/蕴含式的直接关系,从而将其理论结果与ATMS(assumption-based truth maintenance system)这类算法联系起来.进一步指出,对基于一致性中心诊断的刻画仅仅是文中所给出的刻画的一个特殊情形.     

在基于模型诊断中计算最小碰集算法

介绍了基于模型诊断中的计算碰集的算法 ,并分析比较了各算法的效率和计算结果。其中的逻辑型数组算法、递归算法、BHS 树算法、布尔代数算法、GA算法均是笔者近年来研究的结果。     

一种基于贝叶斯网络的模型诊断方法

提出一种结合贝叶斯网络进行基于模型诊断的方法.在基于模型诊断的基础上,建立了元件状态模型,并将诊断模型转换为贝叶斯网络,利用团树算法求解征兆产生时系统状态的后验概率,再通过计算边缘分布获得元件故障概率.最后给出一个数字故障电路的实例,在Matlab上进行推理,得到了精确的概率值,验证了该方法的有效性.     

Towards Model-based Methods for Developing Model-based Systems

Model-based reasoning (MBR) is a means of reasoning about models of all kinds, as appropriate to the task at hand. This includes adaptation of models in response to changes in a problem-solving context or task goals. Thus, MBR exemplifies the characteristics of a smart adaptive system. Constructing appropriate models and matching them to the best inference engines requires a means of describing or defining models. This can be achieved by means of a set of generic model properties. As well as defining models one may decompose the problem domain into a number of tasks to be performed. It then becomes possible to design appropriate models for the domain by mapping these tasks to the model properties. This mapping can be instantiated procedurally, however more generality will result if a model-based approach is taken. As a step towards that goal quality function deployment is investigated as a suitable design method.     

柴油机故障诊断中的遗传与模糊C-均值混合聚类分析算法

该文探讨了遗传算法与模糊C-均值算法相结合的混合聚类分析算法,给出了在柴油机故障诊断中的应用,效果良好。     

利用结构信息的故障诊断方法

基于模型的故障诊断方法是重要的故障诊断方法之一,该方法主要的问题就是如何求得所有的诊断．该文利用系统的结构信息,给出了求极小冲突集的一个算法,证明了算法的正确性,分析了算法的复杂性;然后介绍了如何由极小冲突求得诊断．其次,还给出了利用结构信息直接求诊断的一个算法,证明了其正确性．最后与相关工作进行了比较．该文给出的算法,对于一些特殊结构的系统可在多项式时间内结束．