动态系统的故障预报技术

首先介绍了动态系统故障预报技术的发展状况,然后分三类介绍了目前已有的各种故障预报技术,并讨论了各种方法的优缺点,随后介绍了一些典型的应用例子,最后对这一领域的发展趋势进行了探讨.     

数据挖掘技术在水库调度中的研究与应用

水文预报对于水库调度、洪水控制、发电、灌溉等工作至关重要。从目前的研究情况看，各种传统的径流预报方法用于中长期径流预报时，预报精度都比较低。本文首先介绍了数据挖掘的基本知识，并将基于神经网络的数据挖掘方法应用于水文预报中，使用boosting回归算法建立数据挖掘模型，进而发现和挖掘水库调度的内在规律和潜在效能。     

基于聚类粒子滤波器的故障预报方法研究

为减少计算量,及时预报系统故障,提出了一种基于聚类粒子滤波器的故障预报方法．在粒子滤波中引入k均值聚类算法,将粒子集中的所有粒子聚为若干类,以每一类粒子的质心代表该类粒子参与每次的粒子更新,显著减少了参与迭代计算的粒子数目,从而减少了粒子滤波算法的计算量．仿真结果验证了基于聚类粒子滤波器的故障预报方法的有效性．     

基于深度学习的变压器在线故障检测

针对供配电网络中变压器故障检测和预报的不足,提出基于深度学习的变压器故障检测方法,详细介绍了变压器监测数据预处理方法及步骤,给出了深度学习网络的具体结构和学习过程,深度学习结果表明该故障检测方法的有效性和实用性。     

一种基于非线性频谱分析的故障预报方法及其应用

论文改进和完善了一种广义频率响应函数(GFRF)的辨识算法,并依此提出了一种基于非线性频谱分析的故障预报方法。最后利用该方法成功地对某型直升机并联电动舵机进行了故障预报。工程应用实例证明了该预报方法的有效性。另外,该方法计算量小,实时性强,适合于在线故障预报,为早期故障预报的研究提供了一种新思路。     

基于聚类和支持向量机的非线性时间序列故障预报

针对非线性时间序列故障预报问题,提出了一种基于聚类和支持向量机的方法．将正常的时间序列按照K-均值聚类算法进行聚类学习,同时利用支持向量机回归的时间序列预测算法获得预测序列,然后通过比较聚类所得的正常原型和预测序列的相似性实现故障预报．仿真结果表明:本文提出的方法更能满足实时性的要求,也更为准确．     

打印机维修经验点滴

本文介绍了各种打印机的维修经验，对一些故障现象及故障产生的原因进行了分析，对每种故障的处理方法作了详细描述。     

最小二乘辨识算法在故障检测中的应用研究

针对铝电解生产过程故障发生的特点，提出用辨识及参数估计理论进行故障诊断预报的方法。通过仿真研究，确定了遗传因子和初始条件的最佳值，实现了故障诊断和预报。     

一种基于时序预报神经网络的故障预报方法及其应用

提出一种基于时序预报神经网络的工业过程故障预报方法,同时给出了描述神经网络预 报和外推能力的表达方式,并以氯碱电解工艺的现场数据验证了这种故障预报方法的有效性. 实验结果表明,该方法可成功地用以实现氯中含氢的24小时预报.     

基于案例推理的竖炉故障预报系统

为降低竖望炉焙烧过程的故障发生率,基于故障机理的分析,将过程参量预报与案例推理技术相集成,提出了竖炉焙烧过程的智能故障预报方法.参量量预报模型对不易在线连续测量但能反映故障征兆的关键工艺参数进行实时预报,在此基础上,采用案例推理技术对焙烧过程进行全面分析并给出一些典型故障发生的概率和操作指导.将所建立的故障预报系统成功应用于竖炉焙烧过程的生产实际中,故障发生率明显降低,取得了显著应用成效.     

E级高性能计算机的维护故障诊断系统研究

E级计算机系统规模巨大,使得故障异常总量随之增多,导致诊断发现的难度增加,因此,迫切需要一套更加准确高效的实时维护故障诊断系统,对硬件系统进行全面的异常及故障信息实时检测、故障诊断及故障预测。传统故障诊断系统在面对数万节点规模的诊断时存在执行效率低、异常检测误报率高的问题,异常检测及故障诊断的覆盖率不足。对异常及故障检测、故障诊断与故障预测相关技术进行研究,分析技术原理及适用性,并结合E级高性能计算机实际工程需求,设计一套满足数E级高性能计算机需求的维护故障诊断系统。基于维护系统的结构组成设计可扩展的边缘诊断架构,将高性能计算机系统知识、专家知识与数理统计、机器学习相融合给出故障检测、诊断及预测算法,并针对专用场景建立预测模型。实验结果表明,该系统具有较好的可扩展性,能在10 s内完成对十万个节点规模系统的故障诊断,与传统故障诊断系统相比,异常检测某特定指标误报率从3.3%降低到几乎为0,硬件故障检测覆盖率从90.2%提升至96%以上,硬件故障诊断覆盖率从71%提升至约94%,能较准确地预测多个重要应用场景下的故障。     

基于机器学习的蜂窝网络故障管理框架及方法综述

网络故障管理旨在检测、识别和纠正网络中发生的错误状况,为用户获得可靠稳定的网络服务提供保障,近年来,如何利用机器学习方法进行蜂窝网络故障管理引起了广泛关注。首先介绍了蜂窝网络故障管理的研究背景,明确网络故障管理的流程和功能;接着介绍现有蜂窝网络故障管理框架;随后对现有机器学习在蜂窝网络故障管理中的方法研究进行评述,从故障管理周期入手,分别对实现故障检测、故障诊断以及故障预测的机器学习方法展开介绍、总结和对比分析,为相关领域的研究提供参考。     

基于径向基神经网络的称重设备传感器故障检测方法

在对称重设备数字化改造的过程中,有些研究人员提出了对某一特定传感器的故障诊断方法,但对于非指定传感器或者两个传感器同时发生故障的情况却没有检测方法.为此,本文提出了一种基于径向基神经网络预测的任意一个或两个称重传感器的故障检测方法.本文首先建立单个传感器的预测模型和任意两个传感器的预测模型,然后通过这两个预测模型计算出任意一个称重传感器的预测值和任意两个传感器的预测值,根据预测值与实际值之间的差值判断称重传感器故障个数、位置、类型等信息.实验表明,当称重传感器的输出误差大于0.3 t时使用此方法可以准确检测出称重传感器的故障信息.     

数据驱动的故障预测方法研究

随着设备复杂性和使用环境苛刻度的不断增加,关键部件的可靠性和稳定性要求与日俱增。为实现关键部件的全面监控和故障前有效干预,故障预测技术应运而生,基于数据驱动的故障预测方法具备的适用范围广、预测精度高和建模较易等优势使其成为近年来研究的热点。论述了故障预测技术的相关理论和内涵。对当前的主流——基于数据的故障预测技术进行详细介绍,并概述了国内外的最新研究成果。最后,探讨了故障预测领域亟待解决的问题和未来的发展方向。     

动态系统故障诊断技术研究进展与展望

阐述了动态系统故障诊断技术的发展状况，对各种诊断方法进行详细的分类介绍及比较；最后对故障诊断技术的发展趋势和有待解决的问题进行了分析与探讨。     

基于混合粒子滤波的故障诊断方法

结合了模糊递归神经网络和粒子群算法,在此基础上改进粒子滤波的故障诊断方法．故障诊断作为智能控制的研究热点,其算法层出不穷．粒子滤波故障诊断作为基于解析模型的状态估计诊断方法的一种,一直在工业生产中起着重要的作用,但其自身的缺点也限制了它的进一步发展,保留粒子滤波的优势,提出一种基于混合算法的粒子滤波故障诊断方法,该方法不但一定程度上解决了权值退化的问题,而且改进了粒子群算法,并结合神经网络算法在啤酒发酵温控系统中形成了故障检测、预测和辨识为一体的故障诊断方法．     

动态系统的故障诊断技术

提出了一种全新的分类框架, 将故障诊断方法整体分为两大类, 即定性分析的方法和定量分析的方法. 对现有的方法在此框架下进行了划分, 并详细介绍了每种方法的基本思想、研究进展和典型应用, 其中重点讨论了数据驱动的方法. 最后, 简述了故障预测的研究现状, 并探讨了故障诊断研究存在的问题和未来的发展方向.     

A systematic review of software fault prediction studies

This paper provides a systematic review of previous software fault prediction studies with a specific focus on metrics, methods, and datasets. The review uses 74 software fault prediction papers in 11 journals and several conference proceedings. According to the review results, the usage percentage of public datasets increased significantly and the usage percentage of machine learning algorithms increased slightly since 2005. In addition, method-level metrics are still the most dominant metrics in fault prediction research area and machine learning algorithms are still the most popular methods for fault prediction. Researchers working on software fault prediction area should continue to use public datasets and machine learning algorithms to build better fault predictors. The usage percentage of class-level is beyond acceptable levels and they should be used much more than they are now in order to predict the faults earlier in design phase of software life cycle.     

软件故障检测技术及其发展探讨

软件在国民经济和社会生活中发挥着重要作用.软件出现故障给人们的工作、生活带来不便,甚至造成严重危害.文中简要介绍了软件基本测试理论与原则,讨论了软件故障检测和定位中所采用的方法及相应的过程,对软件故障检测技术的发展趋势进行了探讨.     

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.