基于累积和控制图的分布式传感网络故障诊断

由于无线气象传感网具有资源受限及分布式等特点,传感器节点的故障诊断面临着很大挑战。针对现有诊断方法误报率高、计算冗余量大的问题,提出了一种基于累积和控制图（CUSUM）与邻居协作融合的故障诊断方法。首先,通过累积和控制图分析传感器节点上的历史数据,提高对节点故障判断的灵敏度并且定位出异常时间点;然后,结合网络内邻居节点间的数据交换,通过判断节点的状态诊断出故障节点。实验结果表明,即使在整个网络中在节点故障率高达35%时,算法检测精度仍然高于97.7%,而误报率不超过2%。由此可见,在节点故障概率很高的情况下,此所提法也能得到很高的检测精度和较低的误报率,受节点故障率的影响明显减小。     

神威超级计算机运行时故障定位方法

随着高性能计算机的性能不断提升、系统规模不断提高,系统和应用的错误率也不可避免地持续增多.快速发现和定位系统及应用级的错误、为用户提供高质量服务,成为了超级计算机系统设计开发过程中急需考虑的问题.超级计算机系统中硬件故障与异常、软件程序的错误等都会导致用户大规模并行应用的错误、挂死与退出.如何快速准确定位错误现场,让管理员或用户以此为基础查看异常发生的故障进行高精度、高效率的诊断,是维护高性能计算系统可靠性的重要基础.高性能计算机传统的故障定位主要通过硬件异常跟踪、系统日志分析和程序主动探测等方法,缺乏对无日志信息、无明显故障现象的程序挂死问题的定位手段,并且技术的扩展性也面临挑战.针对“新一代神威超级计算机”体系结构和SW26010-Pro众核处理器特点,提出一种运行时故障定位方法,包括基于消息传递的故障关联分析、基于全局聚合信息的在线综合分析诊断、面向申威众核处理器的异常线程过滤方法等关键技术,阐述了如何有效检测、收集、处理大量系统资源和并行进程的异常信息问题,为应对未来超大规模高性能计算中故障高效定位难题提供有效支撑.     

基于马尔科夫预测的多传感器故障检测与诊断机制

随着无线传感器网络应用规模的不断扩大,各类应用中传感器故障检测与诊断成为系统正常作业、安全可靠性保障的关键技术。针对多传感器系统与节点工作过程定义3种状态,基于故障检测信息建立状态转移矩阵,通过马尔科夫模型预测传感器故障信息,为故障检测与诊断提供决策依据。另外,拓展数据包信息字段包括故障类型、节点定位等,故障处理后节点转移至正常状态后将故障处理和诊断特征等信息存储到网关或者汇聚节点,为改善故障检测精度和诊断效率以及系统资源利用率提供依据。实验结果表明：所提故障检测与诊断算法与传统算法相比,具有更高的故障检测精度,更短的故障诊断时延、能够准确判断故障类型等性能。     

基于数据驱动的WSN节点故障诊断算法

节点故障诊断是无线传感器网络持续性监测服务的关键步骤。为准确高效地得到诊断结果,提出一种基于数据驱动的故障诊断算法。对每个节点获取的信息建立空间高维向量,引入自身历史数据和邻居节点数据构造十字滑动窗口,并赋予十字方向上自定义的故障权重,通过检测异常向量达到故障诊断的目的。实验结果表明,该算法能够克服计算量大、故障判定条件苛刻等不足,与分布式故障诊断算法相比,可使故障诊断正确率提高15.5%,故障误警率下降4.89%。     

远程故障诊断维护系统数据传输策略的研究与实现

随着计算机网络通信及其相关技术的发展,远程故障诊断及维护技术逐渐成为故障诊断领域一个新的发展方向。及时、准确地传藉信息是诊断、处理现场故障的保障。根据特 种罐体焊接机故障远程诊断维护系统的需要,选择C／S模式网络体系结构;结合不同类型数据传输的特点,运用适当的方式,实现了数据实时、准确的传输。并通过系统的实际运行,证明了本远程故障诊断维护系统有良好的实用价值。     

信息

清华大学“流程工业典型设备的故障诊断与预测维护系统”通过验收由清华大学承担的“流程工业典型设备的故障诊断与预测维护系统”课题,以其在技术研究上的突破及成功应用,通过了863计划CIMS主题专家组组织的验收。课题分别研究和开发了具有自主知识产权的输油管网故障诊断系统和铝电解槽智能健康诊断系统。这两套故障诊断系统均可通过及时发现或预报设备的异常或故障而避免由其所导致的巨大经济损失或安全事故,从而具有潜在的巨大经济效益。其中,输油管网故障诊断系统提供了管道SCADA系统的主要功能和管道泄漏的实时自动检测和定位功能…     

基于大数据的风电设备远程故障监测与诊断系统研究

大数据、云计算等新一代信息技术的快速发展,推动风电设备状态监测技术进步。文章通过风电设备远程监测与故障诊断平台建设实践,从系统功能、平台建设、故障分析等层面,论述了如何基于大数据实现对风机故障预诊断,提升风力发电机组监控与管理水平。通过对机组运行状态的实时在线监测,利用系统内智能数据报警策略准确筛选机组异常,借助于人工智能分析诊断系统和远程专家的综合分析评价,滚动预测故障未来的发展趋势,帮助用户优化风机维护检修工作,减少停机损失,降低维护成本,提高风机利用率。在集控中心预检测平台建立大数据存储、处理、分析、诊断服务器,收集风场各项数据后与专业厂家存储的数据资源整合,建立各种类型风机故障模型,集控中心培训诊断分析师可通过对比找出故障曲线特点和规律,对实时数据经诊断分析后提出整改措施,提前预防风机故障的扩大,开发相关监视及报警系统,联合风机传统监控系统提高监控中心的设备管理能力。     

一种基于无效链路的分布式故障诊断一致性协议

故障诊断一致性(fault diagnosis agreement,FDA)是高可靠容错分布式系统的性能和完整性的重要保障.目前,大部分FDA协议还是只考虑单一故障组件的简单网络,而对于实际的分布式应用、故障节点和故障链路并存的系统假设更加有意义.但是,在此假设下,对恶意(拜占庭故障)组件的诊断是不可能满足FDA的.为此,首先提出了一种无效链路(invalid link)故障模型,可以更加准确地描述恶意组件的故障行为对系统的影响,有效提高故障诊断的覆盖率.在此模型基础上,提出了一个基于证据的故障诊断协议--PLFDA,可以同时对恶意节点和恶意链路进行检测和定位,并且能够满足故障诊断一致性要求.     

一种新的网络故障诊断方法--FTFD

通过对网络状态和故障指标进行形式化分析,提出一种基于模糊事件的故障检测方法（FTFD）,该方法通过建立状态检测函数,能将比较复杂、模糊性强的网络故障问题用精确的数学转换方法来解决,从而获得比较精确的结果．应用FTFD诊断网络故障不仅能有效降低漏报率和误报率,而且使实时故障诊断成为可能．原型系统证实了该方法的可行性,获得了在实时环境中网络故障诊断的技术效果．     

信息融合在带式输送机故障诊断中的应用

针对带式输送机输送距离长、运量大、速度快等特点,为克服带式输送机系统的复杂性和单一传感器很难判断出故障所在,在分析D-S证据理论信息融合算法的基础上,将信息融合技术应用于带式输送机故障诊断中,实现多个传感器采集并充分利用多个传感器资源,提高故障诊断率。仿真结果表明,该方法能准确诊断出系统的故障,有效克服单个信息源的主观性,使故障检测误报率降低,提高检测系统的可靠性。     

基于FPGA的全桥软开关电路故障自动检修系统

传统的电路故障自动检修系统大多针对固定类型的故障进行检测,而且系统运行时的计算复杂、对硬件资源占用过高,影响了检修系统的实际使用效果。针对以上问题,设计了基于FPGA的全桥软开关电路故障自动检修系统。在传统系统的硬件部分基础上,设计FPGA控制模块和信号生成、采集模块。系统检修信号进行分频处理后,利用处理后的信号和专家系统实现对电路故障的自动检修。通过与传统系统的对比实验,验证了基于FPGA的检修系统对电路故障的覆盖率高于91%,吞吐量约为传统系统的2.55倍,能够有效降低对硬件资源的占用,具有实际使用价值。     

基于建康管理技术的机载计算机智能故障诊断方法

为了满足飞机机载电子设备以状态监控为基础的视情维修保障策略,提升设备可维护性,提出了一种基于在线检测、故障预测、辅助决策的健康监控管理故障诊断方法,支持对机载电子设备的健康状态进行预测和评估。通过划分机载电子设备子功能的敏感威胁区域,对这些区域设计专门的威胁预警监控电路,进行功能危害监控,建立推理监控模型对监控电路故障进行预警监控,结合辅助决策的方式对预警到的故障进行定位,实现对电子设备的智能故障诊断。通过FMEA的分析与故障注入测试验证,该预警电路、推理模型和辅助决策能有效的预测故障及定位,具有较高的故障预测覆盖率,可提高机载计算机的维修性、降低维修时间,在电子设备视情维修策略上具备工程应用价值。     

A hybrid fault prediction method for control systems based on extended state observer and hidden Markov model

Fault diagnosis and prediction for complex control systems rely either on the collection of rich data for training neural networks or on the system models and prior knowledge of faults. These methods are difficult to apply directly in complex integrated systems due to the large uncertainties in practical scenarios. A new fault diagnosis and prediction technique that is based on extended state observer (ESO) and a hidden Markov model (HMM) for control systems is proposed in this paper. Real-time and predictive information that is obtained by ESO of the active disturbance rejection control (ADRC) is utilized to improve the HMM method for the fault prediction of control systems with large uncertain disturbances. The proposed approach realizes a high recognition rate with a small demand for data, and the dependence on the system model is weak without prior knowledge of faults. Fault prediction of the control system output can be realized without additional sensors. The proposed solution is evaluated in simulations of an asynchronous servo motor control system against the traditional control method and the ADRC control. The results indicate that the proposed method performs well in fault prediction and outperforms the traditional method in terms of control when disturbances and failures occur.     

基于灰色预测的分布式传感器网络故障检测方法

针对无线传感器网络节点故障原因复杂,基于灰色预测理论,提出一种故障检测方法。算法通过分析在某一采样间隔内,观测节点数据变化趋势是否与邻居节点变化趋势一致,从而确定节点是否异常。仿真实验表明,算法故障检测能力较强,且避免了节点瞬间失效情况的出现。同时该算法设计简单,易于硬件实现。     

一种便携式船舶气象仪仿真仪

为了解决船舶气象仪维修过程中存在的故障诊断困难、对维修人员要求较高以及专家随船维修不现实等问题,研制了一种便携式船舶气象仪仿真仪。该仿真仪的硬件部分采用模块化设计,主要模块均设计有基于AVR单片机的低功耗嵌入式系统,各模块间通过CAN总线连接,并可按需组态;软件部分设计有基于专家知识库和故障树分析法的专家系统故障诊断模型。试验结果表明,该仿真仪能够对现有各型号船舶气象仪的故障进行快速识别和准确定位,从而大大提高了船舶气象仪的维修保障能力。     

The architecture of the Sure System 2000 communications processor

Sure System 2000, a fault-tolerant computer that couples multiprocessors to offer low-priced, high-performance systems that deal effectively with faults and failures, is presented. The architecture is based on the local redundancy technique, ensuring that no hardware or software fault can cause a system crash. Software errors can be fixed, and hardware can be replaced, upgraded, or added dynamically. Existing fault-tolerant computers are briefly reviewed, and the logic hardware system configuration of the Sure System 2000 is described. The multiprocessor and I/O architecture are examined. The SXO Sure System 2000 expandable operating system is described     

基于先锋光纤通道交换网的故障监测与诊断的研究与设计

基于先锋网的天气预报系统对先锋网的可靠性和可管理性提出了要求。分析了先锋网的原理后,我们设计了先锋网故障监测与诊断子系统,并在分析了SNMP下目前故障诊断方法的基础上,提出了主动式的根据各硬件设备的关系收集信息来确定故障源的诊断算法;系统采用以太网与光纤网双型网络,能依据设备之间的关系,经过主动的测试、推断和排除来确定故障的位置,具有很高的智能性,特别是当光纤通路出现故障时,系统还能利用第二条通路进行详细的诊断;系统采用的诊断算法能够根据各部分间的关系对可能出现故障的部分进行主动测试,收集需要的测试信息,从而确定故障源。     

Genetic Algorithm Training of Elman Neural Network in Motor Fault Detection

Fault detection methods are crucial in acquiring safe and reliable operation in motor drive systems. Remarkable maintenance costs can also be saved by applying advanced detection techniques to find potential failures. However, conventional motor fault detection approaches often have to work with explicit mathematic models. In addition, most of them are deterministic or non-adaptive, and therefore cannot be used in time-varying cases. In this paper, we propose an Elman neural network-based motor fault detection scheme to address these difficulties. The Elman neural network has the advantageous time series prediction capability because of its memory nodes, as well as local recurrent connections. Motor faults are detected from the variants in the expectation of feature signal prediction error. A Genetic Algorithm (GA) aided training strategy for the Elman neural network is further introduced to improve the approximation accuracy, and achieve better detection performance. Experiments with a practical automobile transmission gearbox with an artificial fault are carried out to verify the effectiveness of our method. Encouraging fault detection results have been obtained without any prior information on the gearbox model.     

Fault Prediction and Compensation Functions in a Diagnostic Knowledge-Based System for Hydraulic Systems

Fault prediction and fault compensation are beneficial for the production technology and give a new dimension to fault diagnosis in technical systems. The overall goal of this paper is the presentation of fault prediction and fault compensation procedures as they are studied, implemented and embedded in a real time expert system. This expert system detects and diagnoses faults in hydraulic systems. For this purpose dynamic modelling information, on-line sensor information, special features of the domain of hydraulic systems and expert systems technology are used co-operatively.