水电仿真系统中厂用变压器模糊故障综合诊断

在总结领域专家经验基础上,采用模糊诊断方法,列出了仿真系统中变压器的征兆集和故障集,并根据征兆集和故障集的相互关系构建模糊诊断矩阵;通过模糊关系矩阵运算,提出最大隶属度原则判断变压器故障原因。测试和评价结果表明模糊诊断在仿真系统中的有效性和可行性。     

基于模糊AHP方法的机场航班延误水平评估

首先建立了评估机场航班延误水平的指标集,利用模糊一致矩阵表征专家判断信息,使用模糊层次分析法(AHP)得到各因素的权重,从而得到了各因素的重要程度排序。结合模糊隶属度矩阵,实现了使用定性与定量相结合的方法构建评估航班延误水平的综合评价模型,为进一步治理航班延误提供了依据。并通过对某机场的调研数据分析,验证了该模糊评价方法切实可行。     

电子设备的故障单元诊断系统设计

为故障精确定位而设计的电子设备故障单元诊断系统,利用VXI测试仪器为硬件平台,设计了基于征兆的模糊识别技术为软件推理平台。系统能根据需要对征兆数据进行获取,再利用基于VXI bus的模糊波形识剐技术进行故障的合理识别、推理和判断,将电子设备故障定位在最小可更换单元。     

基于Takagi-Sugeno型自适应模糊神经网络的模拟电路故障诊断

该文提出了一种基于Takagi-Sugeno型自适应模糊神经网络故障诊断方法。首先通过电路仿真获得故障样本,其次利用主成分分析对故障样本进行降维处理,减少自适应模糊神经网络的输入,降低训练时间,然后采用BP算法与最小二乘法相结合的混合学习算法训练自适应模糊神经网络的连接权值和隶属度函数。仿真结果表明,此方法能够快速有效地对模拟电路的故障进行诊断和定位,表现出了很好的应用潜力,在容差模拟电路故障诊断领域具有较好的应用前景。     

线性容差电路的K故障模糊屏蔽定位

研究了线性电路的等输入／等输出Ｋ故障屏蔽方法在容差情况下的应用，提出了故障隶属函数，用以定位故障元件或模糊故障集，从而大幅度地降低了故障与容差之间的模糊性，提高了Ｋ故障屏蔽法的实用性。对算法进行了详尽的研究，测后计算量小。     

模糊聚类分析在光网络多故障定位中的应用北大核心

利用模糊数学理论对光网络中的多故障定位问题进行分析,得到了光网络中多故障定位的模糊聚类模型。根据由模糊聚类算法得到的专家系统和由此确定的告警和故障之间的隶属函数公式进行故障定位。在格状光网络拓扑下进行多故障定位仿真实验,得出故障定位成功率的对比图和时间性能的对比图。实验结果表明,模糊聚类算法可以高效快速地定位故障。     

基于FCM算法的中小型转动设备故障检测研究

针对现有算法在中小型转动设备故障检测中存在的收敛速度慢、故障识别率低等问题,提出一种基于FCM融合算法的故障检测方案研究。对原始故障集做降噪处理,基于模糊熵值理论在多尺度条件下提取故障向量的隶属度;利用GA算法优化FCM算法的迭代性能和收敛性能,分别更新故障特征向量模糊隶属度矩阵和聚类中心矩阵,以达到改善聚类精度,提高故障识别率的目的。实验结果显示,该算法在不同的聚类中心数量及故障类别的条件下,能够获得更好的聚类效果和更高的收敛速度,训练集合和测试集的平均故障识别分别可以达到99.19%和98.23%。     

基于模糊C均值聚类算法与隶属算法的容差电路软故障诊断

在聚类分析与隶属函数的基础上,提出了一种容差电路软故障诊断的新算法。对于含有容差元件的的模拟电路,由于允许电路参数在一定范围内偏离理想值,所以很难判断电路是处于正常容差状态,还是软故障状态。本文首先简述了模糊C均值（Fuzzy C-means, FCM）聚类算法与模糊控制隶属算法的基本原理。然后通过一个容差电路软故障诊断实例,以验证本文算法的有效性:首先确定容差电路的正常状态与软故障状态种类,对每一种状态进行电路仿真,获取将来进行聚类分析与故障诊断的样本。然后对采集样本进行聚类分析,利用模糊C均值聚类算法将各种状态分类,并且得到所有状态的聚类中心。最后随机模拟一种电路状态,利用模糊隶属算法,计算当前电路状态与各状态聚类中心的隶属度,判断电路处于哪一种工作状态,实现容差电路的软故障诊断。实例表明,本文算法能够准确清晰地辨别容差电路的正常状态与故障状态,仅需少量样本即可获得各种状态的典型参数,对容差电路进行客观有效的软故障诊断。      

模糊综合评判在故障树分析法中的应用

模糊综合评判法是一种基于模糊数学的综合评判方法,该综合评判法根据模糊数学的隶属度理论把定性评判转化为定量评判．即用模糊数学时受到多种因素制约的事物或对象做出一个总体的评判。它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。本文以新一代天气雷达发射机故障为例,论述了该方法如何获取故障诊断数据,如何进行故障定位等过程。     

基于FSVM分类算法的动脉硬化病分类

本文主要对模糊支持向量机的模式分类算法进行研究,对模糊隶属度函数进行选择并计算隶属度值,并对是否患动脉硬化进行分类,实验表明基于模糊训练样本的支持向量机具有高的分类精度。     

电力系统自动化中智能技术的应用

电力系统是一个复杂大系统。这样的系统需要一套控制效果优良、鲁棒性较高的控制系统来保证系统的稳定、高效地运行。随着人工智能技术的发展,已经有越来越多的人工智能技术应用到系统控制中。本文介绍了几种典型的人工智能技术在电力系统中的应用,模糊控制在继电保护装置的应用、神经网络、专家系统在故障诊断方面的应用等。     

Application of ANFIS Power Control for Downlink CDMA‐Based LMDS Systems

Rain attenuation and intercell interference are two crucial factors in the performance of broadband wireless access networks such as local multipoint distribution systems (LMDS) operating at frequencies above 20 GHz. Power control can enhance the performance of downlink CDMA‐based LMDS systems by reducing intercell interference under clear sky conditions; however, it may damage system performance under rainy conditions. To ensure robust operation under both clear sky and rainy conditions, we propose a novel power‐control scheme which applies an adaptive neuro‐fuzzy inference system (ANFIS) for downlink CDMA‐based LMDS systems. In the proposed system, the rain rate and the number of users are two inputs of the fuzzy inference system, and output is defined as channel quality, which is applied in the power control scheme to adjust the power control region. Moreover, ITU‐R P.530 is employed to estimate the rain attenuation. The influence of the rain rate and the number of users on the distance‐based power control (DBPC) scheme is included in the simulation model as the training database. Simulation results indicate that the proposed scheme improves the throughput of the DBPC scheme.     

基于神经网络与专家系统的电路故障诊断研究

大型电路故障诊断过程复杂,故障征兆和故障原因之间存在许多不确定因素,建立精确的故障诊断系统存在一定困难.单纯运用专家系统存在许多不足之处.为此,文中基于BP(反向传播)神经网络,利用神经网络与专家系统相结合建立故障诊断系统,阐述了这种故障诊断系统的构建方法及其推理机的训练进程,并以某电路为对象对该诊断系统进行了试验验证.结果表明,该方法是可行和有效的.     

A probabilistic approach to fault diagnosis in linear lightwavenetworks

The application of probabilistic reasoning to fault diagnosis in linear lightwave networks (LLNs) is investigated. The LLN inference model is represented by a Bayesian network (or causal network). An inference algorithm is proposed that is capable of conducting fault diagnosis (inference) with incomplete evidence and on an interactive basis. Two belief updating algorithms are presented which are used by the inference algorithm for performing fault diagnosis. The first belief updating algorithm is a simplified version of the one proposed by Pearl (1988) for singly connected inference models. The second belief updating algorithm applies to multiply connected inference models and is more general than the first. The authors also introduce a t-fault diagnosis system and an adaptive diagnosis system to further reduce the computational complexity of the fault diagnosis process     

现代模拟电路故障诊断新方法

介绍了模拟电路故障诊断技术的发展历史及现状，探讨了基于专家系统、神经网络、模糊理论、小波变换等理论的模拟电路故障诊断新理论和新方法。同时，重点介绍上述各种方法的基本原理和优缺点，分析存在的问题，最后指出了模拟电路故障诊断技术的发展趋势。     

一种基于模糊逻辑的贝叶斯最优学习器

针对变压器故障信息中存在有不完整、不确定及模糊性的知识,提出一种基于模糊逻辑和贝叶斯最优分类器结合的模糊贝叶斯分类器。该方法首先利用观察信息的模糊隶属度函数建立贝叶斯最优分类器中假设的后验概率,进而计算各类故障信息分类的结果并进行加权平均后得到最佳的诊断结果。应用和研究表明该方法能解决贝叶斯分类器中模糊信息获取的“瓶颈”难题,具有很强的学习能力,是一种有效的变压器绝缘故障诊断方法。     

DF关系数据库的函数依赖研究

数据间的函数依赖关系一直是关系数据库理论研究中的重要课题,同样,DF关系数据库中也存在着函数依赖关系.首先,基于DF关系理论给出了DF关系数据模型的定义,并介绍了属性值的表示方法;然后,用动态模糊等价关系及其隶属函数来描述动态模糊函数依赖,给出了DF数据库中函数依赖的基本定义,以及基于DF蕴涵关系的公理系统,并证明其推理规则是正确和完备的;最后讨论了DF关系的规范化设计.     

Fuzzy inference systems implemented on neural architectures formotor fault detection and diagnosis

Motor fault detection and diagnosis involves processing a large amount of information of the motor system. With the combined synergy of fuzzy logic and neural networks, a better understanding of the heuristics underlying the motor fault detection/diagnosis process and successful fault detection/diagnosis schemes can be achieved. This paper presents two neural fuzzy (NN/FZ) inference systems, namely, fuzzy adaptive learning control/decision network (FALCON) and adaptive network based fuzzy inference system (ANFIS), with applications to induction motor fault detection/diagnosis problems. The general specifications of the NN/FZ systems are discussed. In addition, the fault detection/diagnosis structures are analyzed and compared with regard to their learning algorithms, initial knowledge requirements, extracted knowledge types, domain partitioning, rule structuring and modifications. Simulated experimental results are presented in terms of motor fault detection accuracy and knowledge extraction feasibility. Results suggest new and promising research areas for using NN/FZ inference systems for incipient fault detection and diagnosis in induction motors     

基于模糊Petri网的舰艇对空作战训练效果评估

针对当前水面舰艇对空作战训练中,缺乏系统、有效的训练效果评估理论问题,探讨了训练效果评估指标体系的构建方法;依据层次分析思想,建立舰艇对空作战训练系统效果评估指标体系;将粗糙集理论与模糊逻辑技术相结合,建立推理规则;将训练系统中各事件转化为模糊Petri网(FPN)的各要素,构建FPN评估模型;应用带权模糊Petri网的矩阵推理算法,借助Matlab工具对仿真实例进行分析计算,并对指标进行评价。