一种通用的故障诊断系统设计方法

目前的故障诊断系统中普遍存在缺乏通用性、对故障先验知识与系统动态数据利用不均衡、稳定性和可塑性难以两全等缺陷,本文针对这些问题提出了一种故障模型,运用符号学习与神经网络相结合构成的增量式混合型学习算法,成功地对故障示例集进行处理,在此基础上给出了一种通用故障诊断系统设计方法.实验表明,利用该方法实现的系统在进行故障诊断时可以取得较好的效果.     

基于DFP校正拟牛顿法的傅里叶神经网络

针对傅里叶神经网络采用最速下降法导致局部极小、学习速度慢以及泛化能力差的问题,提出一种基于DFP校正拟牛顿法的新学习算法。该算法计算复杂度低,能保证网络具有良好的泛化能力和全局最优性。通过2个数值算例检验该算法,同时和BP神经网络以及另外2种傅里叶神经网络作比较。结果表明,该算法计算复杂度约为最速下降法的5%,为最小二乘学习算法的80%,具有较好的泛化 能力。     

基于小波神经网络的通用多变量非线性系统辨识算法和应用

在分析小波函数对L2(R)空间的逼近原理的基础上,给出了仅使用尺度函数的神经网络模型和网络学习方法,使得用于逼近低通系统的小波基函数大大减少,并给出逼近的理论依据.提出的小波神经网络模型的学习为线性LS参数估计问题,具有通用性和易用性,并具有线性系统中线性LS参数估计的优良性质,保证了在训练数据受噪声污染时的网络模型的推广能力.理论分析、仿真实验和实际应用结果都说明该辨识方法具有好的辨识精度和推广能力.     

加权模糊推理网络及在管道损伤诊断中的应用*

针对油气管道运营维护中的管道腐蚀损伤检测问题,提出了一种加权模糊推理网络的诊断模型。模型将神经网络与模糊逻辑进行融合,可以实现部分证据的自下而上处理和自上而下处理的结合,融合了模糊逻辑能够较完整地表达领域规则和先验知识以及神经网络自适应环境的优点。具体给出了加权模糊推理网络的结构模型和学习算法,依据模糊推理规则的量化表示形式和微分方程数值解的动力学思想能较好地避免网络学习陷入局部极值点。该算法具有较好的稳定性和有效性。实际资料处理结果表明,该模型对解决管道腐蚀损伤诊断问题具有良好的适应性和实用性。     

一种用于捷联式惯导系统故障诊断的神经计算模型

捷联式惯导系统的可靠性是其应用中的一个关键性问题,在改善制造工艺的同时,对其故障能予以及时,正确的诊断亦是至关重要的,神经网络技术具备解决故障诊断问题的能力,且与其它方法相比具有有相当的优势,为了能对系统故障进行在线实时检测,我们基于DSP计算了一种神经计算模型,在软,硬件方面都进行了具体设计,且模型具有一定的通用性。     

高斯混合背景模型的适应能力研究

高斯混合背景模型是一种参数化统计模型,观察时间窗内像素样本模式呈现规律决定了背景模型的学习结果。针对背景动态变化的特点,研究了影响背景模型适应能力的模态稳定性与可塑性、模态残留与激活问题。仿真实验表明高斯混合背景模型具有较强的渐变选择性适应能力,而模态残留与激活机制为模型提供了有限的背景结构短时变化适应能力。     

基于免疫学习的Web服务突现模型

针对复杂任务的Web服务组合问题,提出一种基于免疫学习的Web服务突现模型。该模型采用免疫原理和学习机制,使Web服务自动发现、协商、组合或合成以及执行,实现了Web服务的动态组合与面向复杂任务的服务突现。实验结果证明该模型具有学习、记忆和进化能力,能够自动组合Web服务解决复杂任务,具有较好的动态适应性和自调整能力。     

一种用于计算机模拟的神经元模型

本文提出了一种单个神经元的模型,它能较好地解决计算机模拟语言所要求的通用性和 精确性之间的关系问题,通过引入S型曲线来描述突触上的记忆值,能给短时记忆和长时记 忆一个统一的刻画,并在突触水平上模拟了习惯化、敏感化、条件化和容易化等四种基本学习 形式.     

ART神经网络的发展与应用

作为解决神经网络学习中“稳定性/可塑性两难问题“的一种尝试,ART神经网络一直备受关注.从最初的仅仅用于处理二值输入的非监督学习网络ART1,到具有有监督学习能力的ARTMAP网络,具有一定模糊逻辑运算能力的Fuzzy ART网络,再到现在对于ART网络中的各种尝试,ART神经网络不断发展、改进,以便适应不同的应用场合.本文着重介绍了ART网络的基本体系结构与发展历程,对于其应用领域加以概述.     

一种智能手机上的场景实时识别算法

目前常用的SIFT和SURF识别算法存在匹配时间长、运算量大和内存占用多等问题,无法满足实时移动检索应用. 针对这些问题,本文提出了一种智能手机上的实时识别算法,通过缩短特征点检测时间和降低尺度空间特征点定位的复杂度,保证识别的实时性和准确性.实验结果表明,本算法能有效地运行在普通的资源受限智能手机上,具有较好的通用性;同时能实现对场景的实时识别,消耗内存资源也较少,适合在实际应用中使用.     

基于概率模型的遗传规划在故障诊断中的应用

采用在遗传规划中使用概率模型的新方法采解决一系列故障诊断问题。故障诊断可被看为是一个多级分类问题。遗传规划在解决复杂问题上有很大的优势，而这种优势在故障诊断中仍然显著。而且，使用概率模型作为适应函数能提高诊断的精确性，最后用这种方法解决机电设备的故障诊断。结果显示，使用基于概率模型的遗传规划解决机电设备的故障诊断比人工神经网络优越。     

An Incremental Model Transfer Method for Complex Process Fault Diagnosis

Fault diagnosis is an important measure to ensure the safety of production, and all kinds of fault diagnosis methods are of importance in actual production process. However, the complexity and uncertainty of production process often lead to the changes of data distribution and the emergence of new fault classes, and the number of the new fault classes is unpredictable. The reconstruction of the fault diagnosis model and the identification of new fault classes have become core issues under the circumstances. This paper presents a fault diagnosis method based on model transfer learning and the main contributions of the paper are as follows: 1) An incremental model transfer fault diagnosis method is proposed to reconstruct the new process diagnosis model. 2) Breaking the limit of existing method that the new process can only have one more class of faults than the old process, this method can identify M faults more in the new process with the thought of incremental learning. 3) The method offers a solution to a series of problems caused by the increase of fault classes. Experiments based on Tennessee-Eastman process and ore grinding classification process demonstrate the effectiveness and the feasibility of the method.      

电压互感器一次绕组末端未接地的故障分析

通过对一起电压互感器在安装施工过程中由于一次绕组末端未引出接地引起的故障，分析了导致故障发生的原因以及在设备安装施工、调试、验收等方面暴露出来的问题，并根据新建（改、扩建）工程在设备施工、调试、验收等过程中前道、后道工序存在的问题提出几点建议，严防设备安装工程遗留缺陷或隐患进入生产环节，防止类似事件的发生。     

矿井10kV电网单相接地故障定位的研究

针对现有故障定位方法中所测的工频故障电流微弱与电弧不稳定等问题,提出了一种基于参数识别的故障定位新方法。该方法采用集中参数的Γ模型建立单相接地故障的故障点定位时域方程,并利用暂态时域信息通过最小二乘优化算法来识别出故障点位置。EMTP仿真实验结果验证了在不同故障条件下该方法的准确性。     

基于时域信号的三电平逆变器复合故障诊断

针对NPC型三电平逆变器出现的单相单管和多管复合故障诊断问题,在对各类故障机理进行分析的基础上,根据故障后桥臂电压输出信号在时域的变化规律,引入新的故障特征变量,继而提出10个故障特征判据来提取故障特征信息,从而建立相应的故障特征向量表,基于此对不同故障类型进行诊断,并通过Matlab进行了仿真验证。仿真结果表明,该方法能够有效提取故障特征信息,并能对故障类型和器件进行较为准确的诊断与定位。     

线缆故障检测方法现状

为了满足设备线缆维修快速性和准确性的需求,减少设备资源和人力的浪费,分析了线缆的故障模式,总结了目前常用的线缆故障检测方法,主要分为传统的故障检测方法和基于反射法的故障检测方法,其中传统的故障检测方法包括电桥法、音频感应法和行波法,基于反射法的故障检测基本方法包括时域反射法和频域反射法,详细描述了传统的故障检测方法、基于反射法的故障检测方法的原理和这些方法在线缆检测过程中存在的问题,并总结了目前基于时域反射法和频域反射法与其他的信号处理方法结合的线缆故障检测,方便了设备线缆维修时的方法的选择。最后根据线缆故障检测方法的发展现状,总结了目前线缆故障检测技术存在的问题,为今后的研究提供了新的方向。     

GA BP算法在混凝土结构故障诊断中的应用研究*

混凝土结构故障诊断问题包含极其丰富的内容,实际工程中又不断地提出各种新的要求,致使其利用传统的方法难以解决.应用神经网络(NN)与遗传算法(GA)来解决混凝土研究中的难点问题,已经成为当前混凝土结构故障诊断研究领域的一个热门课题.GA-BP网络诊断模型为解决大规模、复杂、并行的系统问题提供了广阔的前景.     

基于CLIPS的激光驱动器故障诊断专家系统设计

针对大型激光驱动器故障定位难,诊断、处置效率低的基本现状,提出利用专家系统进行故障诊断的基本思路,并以自动准直子系统为例,介绍了专家系统的体系架构、故障树模型、知识库设计和基于CLIPS工具的实现方法。初步应用结果表明,该专家系统有助于提高装置的故障诊断效率和智能化水平,增强系统可用性。     

变权重模糊综合评判模型及其在故障诊断中的应用

针对大型复杂系统故障诊断中的权重变化问题,提出和定义了变权重模糊综合评判模型;在模糊综合评判过程中,各评判因素对于不同评判等级具有不同权重的问题在新模型中得到恰当的描述,从而使大型复杂系统故障诊断的精度得到实质性的提高。故障诊断实例表明,变权重模糊综合评判模型对于解决实际问题是有效的,其结果明显优于采用传统固定权重模型的结果。     

基于SVM 的二叉树多类分类算法及其在故障诊断中的应用

基于结构风险最小化原则的支持向量机(SVM)对小样本决策具有较好的学习推广性。但由于常规SVM算法是从2类分类问题推导出的，在解决故障诊断这种典型的多类分类问题时存在因雄，因而提出一种依赖故障优先级的基于SVM的二叉树多级分类器实现(2PTMC)方法，该方法具有简单、直观，重复训练样本少的优点。通过将其应用于柴油机振动信号的故障诊断，获得了令人满意的效果。