基于DEDS故障诊断方法在GBM控制系统中的应用

GBM系统作业时由于具有DEDS特性,其故障诊断非常适合采用DEDS故障诊断理论来处理。对DEDS故障诊断基本理论和GBM的故障诊断过程进行了简要的介绍,以GBM灌注系统的故障诊断为例,基于DEDS故障诊断理论对GBM的故障诊断过程进行了详细地分析和说明,实验结果表明:基于DEDS故障诊断理论的诊断结果效果明显,证明了DEDS故障诊断理论在GBM故障诊断中的有效性。     

基于模糊诊断理论的故障诊断工具研究与实现

为实现电子信息装备的故障诊断需求,设计并实现了一种基于模糊诊断理论的故障诊断工具;该故障诊断工具以模糊诊断理论为基础,采用基于模糊关系矩阵的诊断方式,结合相关辅助诊断方法,采用Labwindows/CVI进行开发,能够准确地定位故障部位;测试结果采用数据库开发模式,以Access数据库对诊断结果进行存储;最后,以某型导弹装备为例,利用该诊断工具进行故障诊断,准确定位故障部位,验证了该工具的准确性、实用性和有效性.     

涡扇发动机气路故障的信息融合诊断方法

为了提高包线内气路部件故障诊断能力,提出一种加权D-S(Dempster-Shafer)合成理论的故障诊断方法.基于传感器测量值,分别利用扩展卡尔曼滤波算法(EKF)和受限玻尔兹曼-极限学习机(RB-ELM)对主要气路部件性能进行估计,将计算值与基准值的偏差作为基本概率赋值函数.使用飞行状态参数结合混淆矩阵求解子证据体加权系数,最后进行决策级加权融合诊断.通过某型涡扇发动机仿真验证,结果表明与单独使用基于模型和数据驱动的诊断方法相比,融合诊断方法有效地提高了部件故障诊断精度.     

基于模型的机载燃油系统故障诊断研究

针对某型号飞机的燃油系统进行故障诊断,应用基于模型的故障诊断算法,采用离散的状态变量描述系统行为和功能,基于一致性算法判定系统当前行为是否正常以及冲突搜索算法对异常进行诊断.诊断过程引入故障可能性概率的函数Rank,避免了传统穷举方法,有效提高了算法的效率.诊断结果能够很好地涵盖单故障以及多故障组合,同时也能满足系统进行实时故障诊断的要求.     

基于灰色理论的潜水泵的故障诊断及预测系统设计

论述了潜水泵故障诊断系统的组成,介绍了故障诊断的原理以及灰色识别法、基于灰色理论的知识表示,用VB软件实现了故障诊断系统功能,并结合诊断实例给出故障诊断的效果,说明了应用灰色诊断理论对潜水泵进行故障诊断和状态预测的可行性.     

AUV控制系统规划层DEDS建模与仿真

地形勘查使命执行过程中,AUV(自治式水下机器人)控制系统的规划层对于AUV自主智能决策起到了至关重要的作用,对于AUV控制系统规划层进行DEDS(离散事件系统)建模与仿真研究可以使我们深入地了解并验证AUV自主能力.介绍了AUV控制系统逻辑模型以及监督控制理论,采用分层PETRI网对规划层进行了离散事件系统建模,采用了一种改进的RW离散事件监控方法对规划层模型进行了协调,通过对于任务库所的扩展,详细阐述了这种分层结构.采用一种半物理仿真平台,对模型的几种典型状态进行了仿真研究,最后通过一个具体的使命对AUV控制系统的规划层模型进行了仿真验证,仿真结果表明规划层模型能够正确协调各个任务,处理突发事件,指导AUV最大限度完成地形勘查使命.     

基于Petri网的故障诊断研究理论的综述

故障诊断是离散事件系统中一项重要的研究内容,对于保障系统安全具有积极意义。基于Petri网的故障诊断相关研究主要分为故障可诊断性研究以及故障诊断器的构造理论研究,故障可诊断性又可以进一步分为一般可诊断性与K-可诊断性,而故障诊断器的设计方法又可以按照适用系统类型进一步分类。综述了故障诊断理论中可诊断性、K可诊断性的各类研究方法和研究结论,介绍了离散Petri网系统、连续Petri网系统和分布式Petri网系统中故障诊断器的设计方法,并对各类方法的特点进行了重点分析。最后,给出了基于Petri网的故障诊断进一步研究的方向与应用难点,其对今后研究有一定的指导意义。     

基于模型的飞机燃油系统故障诊断系统的设计与实现

燃油系统作为飞机不可或缺的功能和保障系统,对飞机的飞行安全有着重大影响.传统故障诊断方法已经不能满足日益复杂的燃油系统诊断和维护需求.基于模型诊断是为了克服传统诊断方法的缺点而兴起的一项新型的智能推理诊断技术.研究了基于模型的飞机燃油系统故障诊断方法,建立了故障诊断模型,给出了基于模型的燃油系统故障诊断推理策略.设计并...     

离散事件动态系统理论:现状和展望

离散事件动态系统(DEDS)是系统与控制理论中的一个新兴分支与前沿方向.本文论述了 DEDS研究兴起的原因,系统地和概要地阐述了基于逻辑层次、时间层次和统计性能层次模 型的理论与方法的框架和主要结果,并对DEDS的进一步研究动向提出了一些展望.     

系统级故障诊断中可诊断性的研究与发展

系统级故障诊断是保障多处理器计算机系统运行可靠性的重要手段,也是进行路由计算、容错分析的理论基础。系统级故障诊断中的可诊断性研究是为了进一步提高系统的诊断能力而进行的一系列诊断策略研究。系统级故障诊断中的可诊断性研究经历了半个世纪之后,已经发展成一个具有多种不同针对性的可诊断性理论集合,但是各个可诊断性之间的关联关系、优缺点以及适用性尚不清晰。基于此,本文在充分分析系统级故障诊断中可诊断性的国内外研究现状的基础上,明确了各个可诊断性的继承性关联关系、诊断能力以及故障的限制性条件,进而指出了可诊断性未来的发展方向。本文的研究为后续开展系统级故障诊断的可诊断性研究提供了宝贵的理论基础,具有重要的理论价值和现实意义。     

基于Petri net的故障诊断理论研究

首先将故障概率的概念引入基于Petrinet的故障诊断方法中．针对Place和Transition．提出了P概率和T概率的概念；然后给出了它们的定义和计算定理；最后．在P概率和丁概率的基础上．对故障树分析（FTA）中“重要度”的概念略加调整，并将其引入所提出的故障诊断方法中．为Place和Transition定义了“重要度”．同时给出了计算方法．     

信息融合技术在大型发电机故障诊断中的应用

研究大型发电机故障诊断问题,大型发电机组故障具有复杂性和多样性,单从某一方面进行故障诊断,诊断结果比较低。为提高了大型发电机故障诊断准确率,提出一种基于信息融合技术的大型发电机故障诊断方法。首先对故障特征进行提取和降维,然后采用多个支持向机对大型发电机组故障进行初步诊断,获得相互独立的证据,最后对各证据采用DS证据理论融合算法进行融合,从而实现对大型发电机故障的准确诊断。仿真结果表明,采用信息融合的故障诊断系统有效地提高了大型发电机故障的诊断精度,增加故障诊断结果的置信度。     

基于粗糙集理论的煤磨故障诊断模型

针对水泥煤磨系统的常见故障,将基于粗糙集理论的数据挖掘技术应用于水泥煤磨故障诊断。结合具体的数据,采用粗糙集的方式,建立了故障诊断系统,通过该系统对识别数据进行故障诊断实验,表明该系统能有效地对煤磨堵仓和钢球小故障进行诊断。诊断结果的精度可以满足现场应用的要求。     

基于移动代理的主动网络系统级故障诊断模型

主动网络的可靠性和可用性是计算机网络领域的重要研究课题之一。通过分析系统级故障诊断的分布式算法设计思想，将系统级故障诊断的理论应用于基于移动代理的主动网络管理，给出了基于移动代理的主动网络的系统级故障诊断三值模型，提高了测试的可靠性和正确性。文中还阐述了分布式故障诊断算法，并利用移动代理的管理策略，达到了分布式的网络管理，具有实际应用的重要意义。     

基于FCA的物理层故障定位方法

提出了一种基于故障关联算法（FCA）的物理层故障定位模型，依据故障之间的关联关系，运用图论和故障矩阵的方法求出根故障集，确定故障源，有效地起到故障过滤和定位的功能。     

基于PCA和神经网络的故障诊断技术

提出一种基于PCA和神经网络的故障诊断/识别方法,利用主元分析法提取故障样本集的主元,实现故障样本的最优压缩,简化故障诊断中神经网络分类器的结构,提高神经网络的分类速度和测试精度。仿真结果表明,该方法可以有效减少输入层神经元个数,提高神经网络模型的学习效率和诊断的准确性,具有良好的故障识别能力。     

支持向量机在机械故障诊断中的应用研究

在机械故障诊断中,通常不具备有大量的故障样本,因此,制约了故障诊断技术向智能化方向发展。而基于统计学习理论(SLT)的支持向量机(SVM)方法正好克服了这方面的不足。统计学习理论是专门研究少样本情况下的统计规律及学习方法的理论。SLT理论和SVM方法为故障诊断技术向智能化发展提供了新的途径。该文讨论了支持向量机在故障诊断领域中应用的分类算法。并以滚动轴承的振动信号为例进行了试验论证。试验表明:SVM方法对具有少样本的故障诊断领域具有很强的适应性。     

基于RS与LS_SVM的密闭鼓风炉故障诊断

针对密闭鼓风炉故障信息的复杂性和不完备性,建立了基于粗糙集(RS)和最小二乘支持向量机(LS_SVM)相结合的故障诊断模型。首先运用等频率划分法对故障诊断数据中的连续属性进行离散化,然后采用粗糙集理论进行故障诊断决策系统约简,获得最优决策系统。将约简结果与LS_SVM相结合,建立了故障诊断模型。实验结果表明,该模型提高了诊断效率和判断准确率。     

基于支持向量机的机械故障智能分类研究

故障样本不足是制约故障诊断技术向智能化方向发展的主要原因之一，支持向量机（SVM)是一种基于统计学习理论(SLT)的机器学习算法，它能在训练样本很少的情况下达到很好的分类效果，从而为故障诊断技术向智能化发展提供了新的途径．本文介绍了支持向量机分类算法，以滚动轴承的故障分类为例，探讨了该算法在故障诊断领域中的应用，并与BP神经网络分类方法进行了对比研究，结果表明，SVM方法在少样本情况下的分类效果优于BP神经网络分类方法．