故障树分析法在装甲车辆电源系统故障诊断中的应用

为了能够准确地进行装甲车辆电源系统的故障诊断,深入地研究了故障树分析法在其中的应用;首先,以某型装甲车辆电源系统为研究对象,根据系统失效模型和故障机理,将故障树分析法运用于装甲车辆电源系统故障诊断中,建立电源系统故障树模型,进行故障分析与诊断;其次利用电源系统故障诊断平台对电源系统4个模块进行故障模拟仿真研究,可看出故障树分析法能够准确地诊断出电源系统各个模块的故障,检测精度可达94%,取得了预期效果。     

综合故障树分析方法在容错计算机系统中的应用

该文运用二元决策图（Binary Decision Diagram）分析传统的静态故障树，运用Markov链分析新兴的动态故障树，由此形成一种创新性的故障诊断方法：综合故障树（Integrated Fault Tree）分析法。综合故障树分析法运用分而治之的策略处理各种故障，不仅加深了故障诊断、分析的精度，同时也拓展了故障树分析法的运用领域。该文结合实例，运用综合故障树分析法解决容错计算机系统中动态时序特性的建模困难问题；分析结果表明，在容错计算机系统中运用此方法，可以有效地对系统建模和分析系统可靠性。     

一种新的数控系统故障诊断方法及其应用

本文详细阐述了一种新的故障诊断方法及其在数控系统故障诊断中的应用,它结合了常用于故障诊断的专家系统和故障树分析法的优点.大幅减少了建立数控设备智能故障诊断系统的工作,使得数控设备智能故障诊断从理论走向实用.     

某型飞机导弹发射通道故障诊断专家系统设计

针对某型飞机导弹发射通道故障定位周期长和排除效率低的问题,综合应用故障树分析法和专家系统分析法,设计并开发了某型飞机导弹发射通道故障诊断专家系统;该系统按照故障树结构建立故障知识库,采用基于规则推理(Rule-Based Reasoning,简称RBR)的推理策略进行故障原因的推理与诊断;通过外场和内场使用表明,该系统提高了导弹发射通道的故障诊断效率,减轻了部队维护人员的排故强度。     

知识存储与诊断专家系统在低温系统中的应用

为实现EAST低温系统的智能故障诊断,提出一种基于故障树的低温系统知识存储与诊断专家系统。根据故障树模型的结构,设计知识在关系型数据库中的分级存储方式。应用故障树分析法进行故障建模与诊断推理,结合可靠性因子辅助不确定性推理,并以实例说明推理算法。模拟诊断结果表明,该系统具有友好的人机接口,运行稳定且诊断结果及时可靠。     

ATS故障树法故障诊断功能的实现

当缺乏故障诊断先验知识时,故障树法是工程上易于实现的一种有效的故障诊断方法.通过分析、归纳测试项目与SRU的关联关系,得出了故障树模型中故障诊断知识的表达方式.以Access数据库为基础,提出了故障树的结构、数据组织形式及故障诊断的推理方法,并设计了适用于自动测试系统的故障诊断系统.该方法具有故障诊断推理过程表达明确、树模型易于建立等优点,已应用到两型机载电子设备的故障诊断中,故障隔离率和虚警率都达到了设计要求.     

空空导弹故障诊断专家系统研究

随着某型第四代空空导弹等数字化装备投入使用,传统的人工故障判读方法已不能满足实际需求,故障诊断专家系统将成为军工制造领域信息化建设的发展方向;文章首先阐述了故障树技术与专家系统相融合的思想,研究了利用二元决策图进行故障树定性分析的方法,然后重点论述了利用故障树定量分析法,将最小割集重要度运用到专家系统的推理机制中;最后通过具体实例的诊断过程,证明了本系统能够进行高效、可靠的故障诊断,有效提高专家系统的效率。     

热轧加热炉DCS故障诊断专家系统的研究

热轧加热炉集散控制系统(DCS)从检测单元到执行机构的各个单元之间存在着错综复杂的关系,其肿大量的是因果关系。本文针对其中的因果关系,结合故障树分析法便于对事件进行分析、易于转化为专家系统中的规则知识、规则推理具有直观性和速度快的优点,从而建立故障树。然后以故障树来获取和分析知识,以产生式规则建立知识库,以规则匹配来进行推理,从而建立起步进式热轧加热炉DCS故障诊断专家系统。此方案充分利用了故障树和专家系统在故障诊断中的优势。     

潜艇舵机系统故障智能诊断技术研究

在潜艇舵机系统故障诊断问题的研究中,根据潜艇舵机系统的实际状况,分析其各组成部分发生故障的特点和原因建立故障树,采用层次分析法计算各故障原因的权重,形成相应的智能故障树.利用Access数据库建立故障诊断专家系统知识库,从智能故障树中提取一定的规则.系统采用宽度优先的正向推理和搜索策略的控制策略进行推理.针对传统故障诊断专家系统缺乏自学习能力的不足,采用BP神经网络算法进行修正.最后利用软件设计舵机系统故障诊断系统的开发平台和设计语言,可帮助维修人员更加方便快捷地对潜艇舵机系统的故障进行诊断和维修,降低了成本.     

基于故障树的磁导航AGV系统故障诊断研究

随着磁导航AGV系统在制造业和物流业的广泛应用,为了保证其正常工作,针对磁导航AGV系统的故障部位,利用故障树分析法建立了故障树,并进行了故障分析。实践证明,该方法简单实用,有助于提高故障诊断的效率和准确性。     

基于Web的飞机故障远程诊断专家系统的设计

介绍了在Web环境下利用数据库管理，人工智能等技术实现飞机故障远程诊断专家系统的方法，为飞机故障诊断提供了新的解决方案。     

基于故障树和双向联想记忆神经网络的桥式起重机故障诊断方法

针对桥式起重机的故障诊断系统,提出一种基于故障树(FTA)和双向联想记忆神经网络(BAM)相结合的故障诊断方法。通过FTA建立系统故障树,收集桥式起重机所有故障模式,进而归纳出BAM的学习样本,然后对样本学习联想,得到系统诊断结果。两种方法的结合,不但可完成单个故障的诊断,还可实现多种故障的综合处理,提高诊断能力。     

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．     

基于模糊神经网络的雷达印制板故障智能诊断系统研究

以故障诊断理论和方法为基础．综合运用人工智能、模糊理论和神经网络理论．对雷达印制板故障智能诊断问题进行了研究，给出了模糊神经网络故障智能诊断系统的实现过程。仿真结果表明，该方法是一种行之有效的故障智能诊断方法。为雷达印制板的故障诊断提供了一务新的途径。     

基于案例推理和故障树分析法融合的飞机故障诊断

本文简述了案例推理和故障树诊断两种方法,提出将它们进行融合诊断的思想。一方面,将案例推理得到的、但在故障树中却不存在的底事件加入到故障树,完善了故障覆盖面;另一方面,由案例库统计得到的故障树最小割集重要度,使故障定位更精确,由故障树分析法完成的成功的诊断实例,再添加到案例库中。     

物流服务供应链可靠性诊断的FTA模型及应用

针对物流服务供应链（LSSC）可靠性问题,提出一种基于故障树分析（FTA）模型的LSSC可靠性诊断方法。以物流集成商、物流分包商、制造商构成的三级物流服务供应链为研究对象,建立LSSC可靠性诊断的一般模型;结合实例,构造了LSSC可靠性诊断的FTA模型,通过对FTA模型的最小割集和重要度的求解,得出了LSSC系统失效的故障模式和关键故障因素。     

基于数据库的专家系统在校园网故障诊断中的应用

为了减少网络工作人员的工作量 ,将数据库和人工智能技术结合起来 ,构建了用于校园网故障诊断的专家系统。该系统采用产生式知识表示方法 ,运用DBMS管理知识库 ,推理机采用深度优先搜索方式的正向推理     

Intelligent fault diagnosis for rotating machinery using deep Q-network based health state classification: A deep reinforcement learning approach

Fault diagnosis methods for rotating machinery have always been a hot research topic, and artificial intelligence-based approaches have attracted increasing attention from both researchers and engineers. Among those related studies and methods, artificial neural networks, especially deep learning-based methods, are widely used to extract fault features or classify fault features obtained by other signal processing techniques. Although such methods could solve the fault diagnosis problems of rotating machinery, there are still two deficiencies. (1) Unable to establish direct linear or non-linear mapping between raw data and the corresponding fault modes, the performance of such fault diagnosis methods highly depends on the quality of the extracted features. (2) The optimization of neural network architecture and parameters, especially for deep neural networks, requires considerable manual modification and expert experience, which limits the applicability and generalization of such methods. As a remarkable breakthrough in artificial intelligence, AlphaGo, a representative achievement of deep reinforcement learning, provides inspiration and direction for the aforementioned shortcomings. Combining the advantages of deep learning and reinforcement learning, deep reinforcement learning is able to build an end-to-end fault diagnosis architecture that can directly map raw fault data to the corresponding fault modes. Thus, based on deep reinforcement learning, a novel intelligent diagnosis method is proposed that is able to overcome the shortcomings of the aforementioned diagnosis methods. Validation tests of the proposed method are carried out using datasets of two types of rotating machinery, rolling bearings and hydraulic pumps, which contain a large number of measured raw vibration signals under different health states and working conditions. The diagnosis results show that the proposed method is able to obtain intelligent fault diagnosis agents that can mine the relationships between the raw vibration signals and fault modes autonomously and effectively. Considering that the learning process of the proposed method depends only on the replayed memories of the agent and the overall rewards, which represent much weaker feedback than that obtained by the supervised learning-based method, the proposed method is promising in establishing a general fault diagnosis architecture for rotating machinery.     

A novel approach to fault diagnosis for time-delay systems

In this paper, a novel fault detection and identification (FDI) scheme for time-delay systems is presented. Different from the existing FDI design methods, the proposed approach utilizes fault tracking approximator (FTA) and iterative learning algorithm to obtain estimates of the fault functions. Performance of the FTA is rigorously analyzed by investigating its stability and fault tracking sensitivity properties in the presence of slowly developing or abrupt faults for state delayed dynamic systems. A novel feature of the FTA is that it can simultaneously detect and identify the shape and magnitude of the faults. Additionally, an extension to a class of nonlinear time-delay systems is made by using nonlinear control theories. Finally, the applicability and effectiveness of the proposed FDI scheme is illustrated by a practical industrial process.     

一种面向对象的智能故障诊断专家系统的实现

本文论述了一种面向对象的智能故障诊断专家系统,在简要介绍系统原理和组成部件的基础上,着重阐述了系统中诊断知识的表示方法、管理和获取机制、推理控制策略及诊断结论的图形显示等技术,最后给出某设备智能故障诊断系统的实例。