基于方差约束控制的专家系统故障预测技术研究

基于方差约束控制理论和专家系统的相关知识,研究了动态组合系统内部故障的预测问题。首先根据组合系统的运行情况在线提取故障点在各个子系统的状态观测值,定义了故障点的状态观测均值、误差以及误差和参数结构并进行了分析;然后在给出故障判定定理的基础上,利用专家系统加权算法得到的故障点状态误差和约束容许值,设计了故障预测的流程图;最后根据流程图给出一种新的故障预测算法。理论分析结果表明,这种算法与传统的故障诊断方法和已有的故障预测方法相比有比较明显的优势。     

决策系统故障预测的粗糙集方法

基于粗糙集的基本理论和专家系统的相关知识，对决策系统运行故障的在线实时控制问题进行了研究。首先根据决策系统的系统状态“历史”观测值，在对每一个状态变量确定值域赋值后，定义了系统状态数据矩阵、依赖度以及重要性度量参数结构并进行了分析；然后在给出系统状态变量取舍的判定定理的基础上，利用专家调研加权算法得到的状态变量重要性度量约束容许值，简化决策系统的数据库，导出决策系统故障的控制规则；接着，利用这些判定规则和在线实时观测数据，设计了决策系统故障预测的流程图；最后根据流程图提出了决策系统故障在线实时控制的运行机理。理论分析结果表明，这种设计方案是有效的。     

Rete算法的应用研究

对专家系统和基于规则的专家系统进行了研究,尤其对基于规则的专家系统中的模式匹配算法进行了深入分析和理解.在此理论基础上,将一种高效的模式匹配算法——Rete算法引入到实际的故障的诊断系统中,以保证故障诊断的高效性和准确性.为此在实际系统中,借助规则引擎将故障信息规则化,并将故障诊断流程以层次分明的XML文档进行表示,来模拟领域专家进行故障诊断和故障排除的功能.实践表明,该故障诊断系统可以提高定位故障的速度和准确度.     

机载软件无线电系统故障预测软件设计与实现

通过分析机载软件无线电系统的结构特性,为满足其高可靠性高灵活性等要求,设计并实现了针对机载软件无线电系统的故障预测软件平台.该软件平台在MFC框架基础上进行开发,集成了自回归预测模型(AR)、灰色预测模型(GM(1,1))等预测算法,并对预测算法关键参数进行优化,使得该软件能够根据不同预测对象,以及不同预测精度要求自动选择最佳预测算法进行故障预测.同时,可根据需要在线升级已有预测算法或动态加载新的预测模型,提出并实现了一种适用可靠的开放式故障预测系统.     

航电设备故障诊断专家系统

故障诊断专家系统在自动测试与诊断领域有着广泛的应用,它是自动测试系统的核心技术之一．介绍了某型机航电设备故障诊断专家系统,运用规则推理与Hash算法相结合的综合推理方式进行故障快速定位及故障预测,提出视情维修建议,提高了航电系统的故障检测率及故障诊断效率．     

基于贝叶斯网络的故障诊断专家系统

现代系统设备的日趋复杂化和自动化,对故障诊断技术提出了更高的要求;随着人工智能技术的发展,故障诊断技术向智能化方向发展,如何将人工智能技术应用到故障诊断中去,是当前研究的重点;为了实现对汽车发动机已发故障和潜在故障的快速高效诊断,根据发动机故障知识结构特性,将贝叶斯网络因果有向图的故障知识表示方法引入到专家系统中,并采用可在线监控和离线诊断的推理机制,在G2平台下实现了汽车发动机故障诊断专家系统,系统应用的效果表明了该方法的可行性.     

融合案例与规则推理的故障预测专家系统

根据故障预测的特点和要求，将案例推理引入到故障预测专家系统的设计中，阐述了案例的描述和检索方法。并以全新的角度提出了基于案例与规则的故障预测推理机制，对二者的结合方式作了阐述，给出了专家系统的整体实现结构。     

基于健康度分析与和声蚁群算法-支持向量机的故障预测模型

针对现有的故障预测技术无法从整体上反映系统性能下降趋势等问题,提出一种基于健康度分析的故障预测方法.首先,在支持向量机回归算法基础上构造多输出支持向量机,以实现健康度的多步预测,并提出一种和声蚁群算法优化支持向量机参数,解决了蚁群算法易陷入局部最优的问题; 然后, 根据最优参数建立拟合监测数据和未来健康度下降过程非线性映射关系的和声蚁群算法-支持向量机(HSACA-SVM)故障预测模型; 最后,通过某装备电源系统监测数据验证了该模型的有效性.实例验证表明该模型能够较好地实现对健康度下降趋势的预测,预测准确率达到97%,进而实现故障预测.     

基于故障树的梭式窑故障诊断专家系统*

为实现对梭式窑运行异常特别是燃烧异常的故障检测和定位,研究并设计了一种基于故障树的故障诊断专家系统。首先给出梭式窑故障诊断专家系统的形式化定义,进而详细分析并设计了专家系统的各个组成部分;最后重点介绍使用故障树来设计知识库的原理与方法,以及使用故障树来进行故障诊断推理的算法。工程实践表明,该系统知识模型适应性好,使用简单方便,故障诊断结果可靠稳定。     

基于专家系统和MapInfo的电路故障诊断技术研究

以飞机自动飞行控制系统的控制逻辑转换装置为研究对象,采用专家系统与MapInfo相结合的方法完成故障诊断系统的设计.该系统根据报错的测试步骤,诊断出故障位置和原因,并在电子地图定位显示,以辅助技术人员手工排查故障.实践表明,该故障诊断方法快速有效,提高了电路故障诊断的效率.     

粒子滤波器在移动机器人故障诊断中的应用

针对移动机器人存在的8种不同模式,引入粒子滤波器算法,用于解决移动机器人系统故障诊断问题。基于粒子滤波器的故障诊断算法,通过一组带权值的粒子估计系统状态,计算故障状态的分布情况和故障发生的概率,从而判断是否发生故障以及所发生的故障类型。对粒子滤波器在移动机器人故障诊断中的应用进行仿真实验,并与CMAC神经网络故障诊断方法比较。实验结果表明,采用该方法能有效诊断移动机器人的故障模式,与CMAC神经网络故障诊断方法相比具有优越性。     

决策系统故障预测中控制上界的确定方法

论文在基于统计方法的基础上提出了一种根据数据集合本身的统计特性确定决策系统故障预测控制上限的计算方法。该算法利用决策系统故障状态的影响因素的观测数据本身的统计特性对数据进行分析，在对原始数据进行归一化处理之后，通过误差平方和的计算给出了决策系统故障预测控制上限的计算模型和故障预测的流程图设计。该模型充分考虑了系统本身的运行情况，极大的改善了控制上限给定的客观性。分析表明，这种模型是有效的。     

基于模糊贴近度的粒子滤波故障预测

复杂设备的故障特征具有不确定性,非线性等特点,为预防故障可能造成的严重后果,提高故障预测准确性是非常必要的.针对故障预测具有不确定性的特点,本文将模糊数学中的模糊贴近度和粒子滤波算法相结合设计故障预测的方法.新方法利用隶属度函数设计了描述系统运行正常的正常模糊子集和运行异常的异常模糊子集,利用粒子滤波算法计算系统运行的预测值,并计算预测值的正常隶属度;再分别计算预测值的正常隶属度与正常模糊子集和异常模糊子集的贴近程度来实现故障预报.该方法通过三容水箱系统T2水箱水位变化预测三容水箱系统是否出现故障和通过UH-60行星齿轮盘裂纹何时开始增大的故障进行实验,并同基于改进余弦相似度的粒子滤波故障预报、基于随机摄动粒子滤波器的故障预报算法和基于粒子滤波的FDI方法进行了对比.实验验证了该方法的可行性,可及时准确地预测出系统故障.     

基于PCA和随机森林的故障趋势预测方法研究

故障预测和健康管理技术(PHM)在现代工程系统中能够在系统具备较高复杂度的情况下,有效保障其可靠性和安全性。在机械故障诊断中对于采集到的原始数据的高维特征量的处理较为复杂,并且在实际应用中趋势预测的精度要求较高,针对该问题提出一种基于主成分分析(PCA)与随机森林算法的轴承故障趋势预测方法。该方法利用PCA对提取的原始轴承数据特征量进行线性降维,并选取其中主成分特征量,输出非线性时间序列数据。原始数据经过PCA处理得到非线性时间序列,将该序列作为随机森林算法的输入进行故障趋势预测,并把预测结果与BP神经网络模型预测的结果进行对比,结果表明随机森林在故障趋势预测上在精度相较于BP神经网络有显著提高,是一种有效的故障趋势预测方法。     

面向高性能计算的分布式故障定位框架

针对高性能计算系统中故障定位难度高且实时性差的问题,提出了一种基于消息传递的故障定位框架（MPFL）,包括基于树形拓扑的故障检测（TFD）和故障分析（TFA）算法。首先,在并行作业初始化时,将所有参与计算的节点进行逻辑上的树形划分,生成故障定位树（FLT）,并将故障定位任务分布到节点上;然后,当消息库、操作系统等组件检测到节点异常状态时,基于TFD算法分析作业的FLT结构,根据负载平衡、性能开销等因素选择接收异常状态的节点;最后,节点利用TFA算法对接收到的异常状态进行推理得出故障,TFA算法使用基于规则的事件关联,并基于消息传递设计轻量级的主动探测,将两种方式相结合,提高了故障分析的准确性。实验以模拟节点停机故障为定位目标,并以NPB-FT与NPB-IS为基准测试,在集群上对MPFL框架进行了评估。实验结果表明,MPFL框架在故障定位能力与开销节省方面表现突出。     

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.     

基于神经网络和模糊逻辑的工业过程故障诊断与报警系统

用单一理论和方法对复杂系统进行故障诊断效果不太好.文章讨论了基于神经网络和模糊系统的故障诊断以及它们之间结合方式的特点,提出了一种保障工业生产安全可靠运行的有效方法:分级故障诊断算法 过程监控与报警,仿真并设计了基于工控网络的工业过程故障诊断与报警系统.研究表明基于径向基函数神经网络 模糊逻辑的算法具有较快的训练速度和较好的泛化能力,可识别多回路故障.     

基于KPCA和灰色模型的凝汽器故障预测

汽轮机凝汽器的故障预测为其故障自愈的研究提供了理论依据.提出一种基于核主元分析和灰色预测模型的汽轮机凝汽器故障预测方法,首次将灰色预测理论应用于凝汽器的故障预测.采用核主元分析法对故障特征数据进行分析和处理,提取反映故障的主要特征量,以降低特征变量之间的非线性相关性,同时减少灰色预测模型的预测参数的数目.然后应用灰色预测理论建立故障特征的预测模型,对每一个主要特征量的趋势值进行预测,重构故障特征向量,用于汽轮机凝汽器故障的预测分析.     

一种RVM模糊模型辨识方法及在故障预报中的应用

对复杂、病态、非线性动态系统进行故障预报的重点和难点是建立系统故障状况的数学模型, 通常难以建立精确的数学模型, 相比之下构建其模糊模型是一个有效途径. 本文研究了相关向量机(Relevance vector machine, RVM)与模糊推理系统(Fuzzy inference system, FIS)之间的内在联系, 证明了基于RVM的FIS具有一致逼近性, 并提出了一种基于RVM和梯度下降(Gradient descent, GD) 算法的模糊模型辨识方法. 基于所给出的模糊模型辨识方法提出了一种新的故障预报算法. 仿真结果表明所建立的模糊模型不仅结构更加简单, 而且能达到更高的预测精度, 所提出的故障预报算法能准确地预报系统故障.