基于邻域粗糙集自适应调整剪枝门限的免疫网络故障诊断算法

通过在形态空间中建立抗体和抗原的邻域关系,阐述了抗体与抗原的匹配过程,论述了基于免疫网络模型(aiNet)的故障诊断算法中剪枝门限与故障诊断漏诊概率和误诊概率的关系.文中引入粗糙集理论,定义了基于抗体邻域的故障模式边界和故障模式包含关系,给出了自适应调整剪枝门限的观测指标和具体算法.仿真结果表明,本文所提出的故障诊断算法具有优良性能,提高了故障诊断正确率和新故障识别率.     

基于模糊Petri网的无线顺序控制系统的故障诊断

通过分析基于无线传感器网络的顺序控制系统,给出它的故障传播规则。针对模糊Petri网在故障诊断中的置信度模糊推理算法的不足,进行了添加阈值判断的改进。运用改进后的模糊Petri网推理算法对无线顺序控制系统进行故障诊断,计算控制器故障发生的概率,得出其中控制逻辑重新发送概率最大,理论结果与现场实际测试结果基本一致。     

基于PSO神经网络的故障诊断方法研究

将粒子群优化算法和BP算法相结合,提出了一种基于粒子群神经网络的故障诊断方法.该方法分阶段实施神经网络的训练,有效地加强了算法的全局搜索能力,采用PSO优化了传播中的权值、阈值以及网络结构.这不仅弥补了BP算法的不足,而且删除了冗余连接,提高了故障模式识别的能力.仿真结果表明该方法加快了神经网络的学习收敛速度,提高了故障模式的识别正确率,可以有效地应用于设备的故障诊断.     

基于粒子群神经网络线控转向故障诊断的研究

改进的自适应粒子群优化算法根据群体早熟收敛程度和个体适应值来调整惯性权重和阈值系数,以及对粒子速度与位置进行更新,该算法兼顾全局寻优和局部寻优,有效地避免早熟收敛.使用改进的自适应粒子群优化算法训练神经网络,并根据汽车线控转向系统构建故障诊断模型.实验结果表明:与传统的粒子群优化算法、遗传算法训练神经网络相比,基于改进的自适应粒子群优化算法的神经网络能够有效改善神经网络的训练效率,加快了收敛速度,提高故障模式识别的准确率.     

基于核聚类的近邻人工免疫网络算法研究

针对经典人工免疫网络(aiNet)及改进算法中存在的运算时间长、结构复杂等问题,提出了一种改进的核聚类近邻人工免疫网络算法(KN-aiNet)。算法在aiNet的改进算法——近邻aiNet结构的基础上,以抗体数据为核心利用量子能级思想聚类,并重定义了生成抗体策略,采用区域生长法搜索拥挤距离,采用基于核函数的亲和度等方法来提高算法的聚类效果和降低算法的运算时间。聚类实验结果表明,KN-aiNet算法的聚类准确率较经典aiNet算法及近邻aiNet算法分别提高了11.53%和4.56%,而算法的运算时间较经典aiNet算法及近邻ai-Net算法分别下降了0.503 s和0.823 s。     

基于混合粒子群算法的小波神经网络故障诊断

针对复杂的飞控系统传感器故障类型,建立了故障诊断模型,提取了各种故障数据.构建3层小波神经网络,并提出一种改进粒子群算法--混合粒子群算法对小波神经网络进行训练,该算法使用离散粒子群算法优化小波神经网络连接结构,同时使用基本粒子群优化算法优化小波神经网络权值.将这种改进的小波神经网络算法应用于飞控系统传感器故障诊断中....     

基于RM-MPSO-ELM的变压器故障自动化诊断技术

为提高变压器故障诊断准确性，提出一种基于改进粒子群极限学习机算法（RM-MPSO-ELM）的变压器故障自动化诊断技术。利用一系列采集工具和气相色谱仪获取变压器故障样本数据，应用主成分分析法对变压器故障样本数据进行突出特征指标选取，降低数据维数，最后利用改进粒子群求取极限学习机中两个最优初始输入权值和隐层阈值，并利用优化的极限学习机实现变压器故障自动化诊断。应用所研究诊断技术后，变压器平均故障诊断准确率达到95.18%，应用效果良好。     

基于改进ARMA模型的火箭发动机稳态工况过程实时故障诊断方法研究

针对大推力氢氧补燃循环发动机的主级工况,设计了基于ARMA模型的实时故障诊断算法,并改进了阈值求解方法以及故障判别准则,通过仿真验证,证明了改进算法的高效性及有效性,为建立大推力氢氧补燃循环发动机健康监控系统奠定了基础。首先,建立了大推力氢氧补燃循环发动机的故障模型,得到了典型故障的故障数据;接着,设计了改进的ARMA模型、阈值求解算法和故障判别准则;最后进行仿真分析,结果表明改进算法能够在毫秒的量级诊断出各典型故障,满足了发动机故障诊断系统设计的要求。     

混合粒子群算法优化BPNN在模拟电路故障诊断中的应用

针对模拟电路的软故障,提出一种基于混合粒子群算法的BP网络方法来诊断模拟电路中的故障。该方法是把遗传算法和粒子群算法结合起来优化BP网络的权值和阈值,试图解决传统的BP网络在模拟电路故障诊断过程中易陷入局部最小的问题。详细阐述了该算法的实现,给出了该算法的详细流程图,并通过仿真实例比较了传统BP网络与混合粒子群算法优化下的BP网络在故障诊断中的表现,给出了实验实例仿真结果的图形和数据表格。由仿真图形和数据表格,形象直观地看出了两种算法运用在模拟电路故障诊断中的差别,验证了混合粒子群算法优化BP网络在模拟电路故障诊断中的有效性及可行性。     

面向分布式应用管理的混合故障诊断模型

由于分布式应用的动态性、复杂性,传统的人工管理已经不能做到很好的故障管理,应用自主计算的思想实现管理成为一种解决问题的方法.研究基于故障诊断技术实现系统自感知.首先,根据对分布式应用故障管理的分析,提出一种混合故障诊断模型,将故障诊断的过程分为应用服务故障诊断和网络服务故障诊断2个阶段;其次,由于对网络故障症状的观察存在不确定和不准确的特点,将故障诊断模型映射到贝叶斯网络上进行不确定性推理;最后,重点研究了在多层FPM模型中进行推理的算法,给出一种基于变量消元算法的改进算法,实验证明改进算法可加速推理过程.     

小波包滤波在齿轮故障诊断中的应用

为快速准确地判断齿轮故障的类型,提出了小波包滤波和神经网络相结合进行齿轮故障分类的方法。介绍了小波包去噪的原理和神经网络的设计方法,对阈值算法和神经网络优化算法作了改进,得到了不含噪声的信号和准确的故障分类方法。仿真结果表明,基于小波包滤波的神经网络方法具有更高的准确性和稳定性,可以满足工业故障诊断的要求。     

一种改进的BP算法在实际应用中的研究

该文在应用BP网络诊断电厂制粉系统故障的研究中，采用一种改进的学习算法，即对BP网络权值的优化方法上进行了改进，并经制粉系统故障诊断的仿真试验证明，这种改进的BP算法能有效地解决网络学习时易陷入局部极小值的问题，提高网络的学习速度和诊断精度。     

邻域知识图算法在旋转机械设备故障诊断中的应用

旋转机械应用过程中极易出现内环故障、外环故障、滚动体故障的情况,而这也直接影响机械部件的使用寿命。为准确诊断设备元件的故障行为,达到延长旋转机械设备寿命水平的目的,针对邻域知识图算法在旋转机械设备故障诊断中的应用展开研究。求解邻域知识图算法的函数表达式,并以此为基础,完成对故障数据的推荐,再通过预处理的方式,实现对旋转机械设备故障数据的深度挖掘。融合关键故障数据,并对其进行降维处理,根据核特征定义条件,完善具体的故障诊断流程,完成基于邻域知识图算法的旋转机械设备故障诊断算法的设计。实验结果表明,上述方法的应用,可以准确诊断出内环故障、外环故障、滚动体故障三种故障表现行为,通过适当方法对所诊断出故障行为加以处理,可以达到延长旋转机械设备使用寿命的目的。     

XML树匹配算法在城市照明故障诊断专家库中的应用

针对照明系统故障诊断专家库中故障诊断信息的特点,提出用XML文档来构建专家库的思想。在研究无序树包含匹配的基础上,提出了一种改进的基于XML文档树型结构编码的XML树匹配算法。并通过实例阐述算法在城市照明故障诊断系统中的应用。实验结果表明,这种设计思想和算法在故障诊断信息查询匹配过程中具有较高的查全率和查准率,能够有效降低照明系统中的故障发生率。     

基于支持向量机的机载吊舱故障诊断优化算法

提升机载吊舱的后勤保障能力,适应吊舱测试中多型号、多故障类型和测试环境动态变化的测试要求,是打赢现代化战争的重要保障。支持向量机（SVM）算法适用于小样本、高维度、非线性分类问题,SVM相关参数是影响算法性能的重要因素。基于K-CV算法和粒子群算法两种改进的SVM模型可以实现SVM参数优化,K-CV算法可以交叉验证优化模型参数,粒子群算法可以对SVM参数进行动态寻优,建立多核SVM吊舱故障诊断模型。两种算法都可以提高吊舱故障诊断模型的准确率,提高模型的学习能力和泛化能力,有效对吊舱的故障进行定量和定位诊断。     

基于自适应观测器的时滞系统执行器故障诊断

该文研究了一类含有未知输人干扰和模型不确定性的线性时滞系统的故障诊断问题。通过设计自适应诊断观测器，得到了一种新型的鲁棒执行器故障诊断方法。首先针对确定性系统分别设计了检测观测器和自适应诊断观测器，前者能够检测出故障的发生，后者能够理想地估计出故障随时间变化的形状。然后考虑系统的外部干扰和模型不确定，改进了自适应诊断观测器的算法，证明了故障诊断系统的稳定性，提高了故障诊断系统的鲁棒性。最后给出了故障检测过程中阈值的选取原则。仿真结果表明算法具有良好的诊断性能。     

一种基于粗糙集理论的智能故障诊断新方法

论文针对基于规则的故障源分离与定位方法中的一个关键问题,即诊断规则的获取,利用粗糙集的基本原理构造出了一种用于规则提取的新方法,其中包括了用于对故障决策表,即故障字典,进行属性约简的改进算法和属性值的顺序约简算法。该方法能够迅速从故障字典中提取出诊断规则,并揭示出故障信息内在的冗余性。最后实例应用的结果表明了该方法的有效性,尤其是在不完全信息情况下的有效性。     

遗传神经网络故障诊断自适应Petri网模型

研究故障诊断优化问题。针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,造成故障诊断难以精确,提出了将遗传算法、神经网络和传统Petri网模型结合,形成了一种改进的自适应的加权Petri网模型以及模型的构造算法,同时在此基础上,采用改进的遗传算法对神经网络模型的权值进行优化训练,并给出了采用构造的自适应模糊Petri网模型对故障进行诊断的具体步骤。仿真实例验证了算法的有效性,对柔性制造系统实例的故障进行诊断,验证了此自适应的加权模糊Petri网模型结合了Petri网和遗传算法的优点,具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断。     

多层前向神经网络在柴油机故障诊断系统中的应用研究

故障诊断是计算机模式识别领域的一个活跃课题。文中提出了基于ANN的柴油机故障诊断方法,设计了适合该诊断系统的BP网络结构,并给出了一种改进的BP算法(IBP),该算法基于黄金分割法自适应调整网络学习速率。仿真结果表明:该算法比标准BP算法具有更快的学习速度和更高的学习精度,完全适用于柴油机故障诊断系统。