对称PMC(SPMC)模型下节点可诊断性研究

在图论和网络科学上,网络故障诊断是目前非常受欢迎的课题之一,影响着多处理器系统的可靠性与安全性。随着多处理器系统规模的急速增长,系统的全局故障诊断模式适用性降低,相应地,局部故障诊断得益于对网络拓扑结构的要求较低,可对网络分块处理,大幅提高了诊断效率,具有更强的适用性,成为了新的研究方向。针对最新的对称PMC(SPMC)模型,研究了网络节点可诊断(局部诊断)的相关性质,提出了新的拓扑结构(拓展树结构),得到了在SPMC模型下网络节点可诊断的条件以及节点可诊断与系统可诊断的关系,并给出了扩展树结构上各节点是否故障的判定定理及详细证明。根据该定理,提出了扩展树结构网络的悲观故障诊断算法ST₂_B-FDA,并应用到超立方体网络中进行仿真实验,验证算法的有效性。该算法时间复杂度仅O(NlogN),远低于一些传统故障诊断算法的时间复杂度,可有效降低诊断成本,大幅度提升诊断效率。此外,所提出算法原理简单,便于实现及应用,也可作为大规模规则网络系统的诊断方法之一。     

基于UPnP的状态监测与故障诊断网络系统

针对当前工业监测网络技术中存在的动态性能及通用性较差等问题,提出了一种基于新一代网络中间件--通用即插即用(UPnP)技术的智能化状态监测与故障诊断网络系统实现方法.根据工业监测网络技术的特点与要求,搭建了状态监测与故障诊断网络系统模型,并以UPnP技术为核心设计实现了系统网络构架;通过嵌入式技术,开发了实时数据采集节点、监控中心节点与数据中心节点,为系统提供有力的实时数据支持.利用UPnP事件调用机制与内部通信接口实现对监测节点的自主识别、无缝链接等功能,且通过其对网关的支持突破实IP地址的限制,实现大数据量的远程实时在线监测.工业现场实验证明,该系统具备良好的自适应能力,能够实现对监测仪器网络的智能化管理.     

基于无线传感器网络数据融合的滚动轴承故障诊断

针对无线传感器网络(Wireless Sensor Network,WSN)在检测和诊断大型机械设备运行状态和机械故障中的应用,提出了基于无线传感器网络的滚动轴承故障诊断模型,结合主元分析和神经网络技术对无线传感器网络中的数据在网内进行融合处理,将原始的振动信号转换为故障类型,达到了减少通信量、节省网络能量消耗的目的.在实验中采用了工程上最常见的单列深沟球轴承,对传感器采集到的正常状态和故障状态数据进行了分析计算,在簇头节点进行特征级融合,提取出故障特征,得出相应的故障类型.实验结果证明了该模型和数据融合算法的可靠性和有效性.     

PMC模型下超立方体的一种条件诊断算法

诊断是一种提升互连网络可靠性的常用手段．条件诊断是假设系统中任一节点的所有相邻节点不会同时发生故障,这种诊断大大提高了诊断的有效性．提出一种在PMC模型下超立方体的条件诊断算法,通过广度优先搜索遍历整个超立方体,在遍历过程中通过相邻节点之间的诊断结果将超立方体节点分成若干个集合,再通过集合之间的关系和集合中所含元素的数量识别出故障集合和无故障集合．对于n维超立方体,节点数为N,该算法的时间复杂度为O(N²)．     

一类网络系统的结构能控性研究

针对网络系统中外部控制信号的数目和驱动节点的位置对系统结构能控性的影响,本文利用图论的方法对一类网络系统的结构能控性进行研究。分析外部控制信号数目固定且状态节点数目较少的网络,提出了最优控制框架的设计策略,确保该策略下网络获得的能控子空间维数最高;然后把该网络的拓扑结构按照既定规则进行扩展,增加了节点数目。基于最优控制框架的设计策略,在外部控制信号数目不受限制的情况下,得到了扩展后该类网络系统结构能控时所需要的外部控制信号的最少数目。该研究能更快速、准确地解决此类网络系统的结构能控性问题,具有一定的实际应用价值。     

变结构神经网络模型的BP算法及其应用研究

神经网络模型是一种非常有效的数据处理工具,但是存在结构确定困难的缺点.针对神经网络算法的这种缺点,提出了变结构神经网络模型.此模型增加了神经网络隐节点的决策变量,并对此决策变量进行松弛.在采用BP梯度算法确定神经网络结构的同时,确定网络参数.由于电缆的状态监测是时序数据,将此模型应用于电缆的状态监测过程中,能体现出较好的适应性.     

基于BP神经网络的三相SPWM逆变电路故障诊断

提出了基于BP神经网络的三相SPWM逆变电路的故障诊断方法。首先提出BP神经网络模型及算法,然后运用BP神经网络对三相逆变电路进行故障诊断,通过调整隐含层节点和学习参数,寻找出最优的BP神经网络结构。最后,采用非学习样本数据对训练好的网络进行仿真,实验结果表明该故障诊断方法正确率达99%,该诊断方法同样适用于其它电力电子电路。     

动态网络中的高效多故障诊断技术

针对已有算法复杂度较高,不适用于规模较大网络的问题,将被管系统建立成动态贝叶斯模型,并提出一种能处理多故障的近似推理算法. 通过复杂度分析,证明该近似算法时间复杂度为多项式级,远远低于精确算法的时间复杂度下限,可以用于解决大规模动态网络的故障诊断问题. 实验结果证明,新算法在准确度方面虽然略低于精确算法,但执行效率上远远高于精确算法.     

基于四叉树的三维地形绘制算法

针对当前三维地形虚拟现实研究中存在的难点,参考比较国内外专家提出的多种模型算法,对其中应用最广泛的层次细节模型（LOD）改进。以四叉树结构为基础组织地形数据,采用视点参数和地形本身粗糙程度两种因素相结合构造节点评价算法,并给出算法实现及其网络扩展方案。实验结果证明,该算法在基本保持视觉效果不变的情况下,极大地提高了虚拟地形场景的绘制速度。     

一个基于实际网络的系统级故障诊断算法研究

系统级故障诊断在网络中的应用很重要,至少国内外在算法的研究上已进行了大量的工作,提出了很多诊断算法.本文基于实际网络设计并实现一个故障诊断算法,对系统级故障诊断从理论到真正的实际应用,起到了有益的促进作用.     

基于C++ Builder的凝汽器故障诊断系统

为了有效地对电厂凝汽器进行故障诊断并给予操作指导,开发了凝汽器故障诊断系统.该故障诊断系统分别采用标准BP算法和改进BP变步长附加动量法进行网络的学习训练.以凝汽器故障知识库为依据,构造了17个输入层节点、13个隐含层节点、12个输出层节点的三层反向传播网络.经过对比,说明采用经过改进BP变步长附加动量法进行网络的学习...     

基于扩展卡尔曼的线控转向系统转角传感器故障诊断

车轮转向角度传感器是汽车动力系统中重要的器件之一,其可靠性直接影响车辆的安全。针对线控转向系统转角传感器的可靠性问题,首先,分析线控转向系统的结构特点,建立三自由度的非线性车辆模型,以及传感器故障种类模型;其次,基于扩展卡尔曼滤波（extended Kalman filter, EKF）算法,利用传感器输入的转角信息,通过车辆模型估计出汽车状态,例如横摆角速度、质心侧偏角等,再与汽车状态传感器测得的实际值生成残差,构建故障诊断向量并提出诊断策略来实现转角传感器的故障诊断;最后,搭建Carsim/Simulink仿真平台进行联合仿真。结果表明该算法可以准确地识别出转角传感器发生的故障。     

自适应学习速率法在变压器故障诊断中的应用

为了提高电力变压器故障诊断的准确率,针对油中溶解气体分析,提出了一种基于误差自动调节修正因子的自适应学习速率法,使神经网络通过自身的误差变化过程自动调整学习速率修正因子,保证网络总是以最大的可接受学习速率进行训练,从而提高网络收敛速度。针对电力变压器故障气体及故障类型的特点,建立了电力变压器故障诊断BP（Back—Propagation）网络模型,应用该算法和原算法对该故障诊断网络模型进行训练。仿真结果表明,该算法的训练次数减少了35．4％,收敛速度提高了44．9％,有效地改善了网络模型的性能。将该算法应用于电力变压器故障诊断,能较为精确地判断出电力变压器的故障类型,故障诊断准确率达90．8％。     

基于PCA-RBF神经网络的WSN数据融合轴承故障诊断

为了减少基于无线传感器网络（WSN）的轴承故障诊断系统数据传输总量和网络负载同时提高故障诊断准确性,提出一种采用主元分析（PCA）与径向基（RBF）神经网络结合轴承数据的融合与故障诊断算法.首先建立基于LEACH协议的3层融合模型,然后簇首节点采用PCA对大量多传感器数据降维,最后Sink节点采用RBF对数据进行决策级融合.仿真结果表明：该算法3个成员节点各上传10个数据包,簇头节点融合后剩余4个,融合率为86.7%,每组故障识别准确率大于85%.该算法具有很好的识别率和高压缩率,能够很好应用于煤矿设备故障监测.     

光纤与测试节点的星型拓扑测试网络构建方法

针对车辆动力舱测试环境存在电磁干扰,需要提高分布式测试网络抗干扰性能的需求,提出了光纤与存储测试节点的星型拓扑结构测试网络构建方法.该方法采用光纤和存储节点组建星型拓扑结构总线网络,实现动态参数的分布式测试.中心控制单元对光纤网络和若干个存储节点进行控制与管理,在中心控制单元的控制下,测试数据通过光纤传输至中心控制单元,同时在存储节点进行本地存储,实现测试的双冗余设计.通过存储节点的壳体屏蔽、光纤传输、数据双冗余备份等途径实现了分布式测试网络的可靠测试.     

移动自组网中基于位置信息的路径优化路由算法

针对移动自组织网络中基于位置信息的路由算法在空洞存在时仅能生成非优化路径的问题,提出了利用空洞广播来构造优化路径的算法.在利用空洞检测技术收集网络中空洞的边界节点集信息后,将空洞信息进行广播.为减小网络开销,仅将边界节点集的凸包进行广播,并将广播限制在计算出的广播域内.当传输数据包到达广播区域内后,节点匹配目标位置与空洞边界节点集凸包的关系,并以此构造出通过空洞的优化路径.仿真结果表明该算法在存在空洞网络中通过构造优化路径,相对于GOAFR+算法最多降低25ms的传输时延.最后,对该算法在实际应用中的适用条件进行了分析.该算法适用于网络拓扑变化率较低,数据传输率较高的网络.     

基于神经网络的模拟电路故障诊断

针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于LM算法的神经网络故障诊断方法;主要包括故障特征的选取以及神经网络的建立.其中网络隐含层节点数的选取采用黄金分割优选法.试验仿真表明,LM算法明显提高了网络训练速度,减少了训练时间,其效果优于标准BP算法,可有效提高故障诊断性能.     

基于Rough set理论的无线传感器网络节点故障

提出了一种无线传感器网络（WSN）节点故障诊断的新方法，首先基于粗糙集理论中改进的可辨识矩阵算法得到故障诊断决策的属性约简；然后通过属性匹配的故障分类算法，建立一套WSN节点故障诊断方法，对WSN节点的各个模块分别进行具体的故障诊断和定位. 仿真实验表明，该方法在WSN节点故障诊断时通信代价小、能量消耗低、诊断准确率高，因而具有在能量有限的WSN节点中应用的可能性.     

一种基于动态贝叶斯网的高效多故障诊断算法（会议）

故障管理是网络管理的重要内容之一,快速准确地定位网络故障是一项重要的研究课题。基于静态贝叶斯模型的故障诊断方法已被广泛采用,但当网络动态变化时,该方法具有很大局限性。目前,当网络动态变化时,可以提高诊断准确度的算法是基于动态贝叶斯模型的,但已有算法复杂度较高,不适用于规模较大的网络。本文首先将被管系统建立成动态贝叶斯模型,并提出一种能够处理多故障的近似推理算法。接下来通过复杂度分析,证明该近似算法时间复杂度为多项式级,远远低于精确算法的时间复杂度下限,可以用于解决大规模动态网络的故障诊断问题。最后通过实验证明,本文提出的新算法在准确度方面虽然略低于精确算法,但执行效率上远远高于精确算法。     

基于模糊神经网络火控故障诊断系统研究

针对火控系统实时故障检测与诊断难题,对火控故障诊断系统的功能结构和故障特征进行分析研究.系统将状态监控、故障诊断、诊断意见集成为一体,采用分布式主从结构,提高了系统的可靠性和适应性.诊断算法以故障征兆特征与故障原因构成故障样本,在特定故障发生时其故障征兆就会呈现,通过神经网络训练提高了故障识别的准确性;选择蕴含算子并计算了故障信息模糊隶属度矩阵,分级进程推理完成故障识别和故障源的判定以提高诊断速度.通过实验证明了算法的有效性.