航天复杂系统的加权模糊Petri网故障诊断建模

针对模糊Petri网模型难以解决航天复杂系统故障诊断中存在的状态组合空间爆炸、故障关系不清晰、故障源对故障影响程度等问题,提出了基于加权模糊Petri网的故障诊断方法,同时定义了加权模糊Petri网转化成分层着色Petri网的规则。该方法将加权思想与模糊Petri网相结合,建立加权模糊Petri网模型;将加权模糊Petri网转换为分层着色Petri网模型;通过图形反向推理诊断思想实现加权模糊Petri网的知识表示与推理规则,诊断故障发生的原因。最后,对某航天测试系统的一级稳定系统中的放大器系统故障诊断实例进行了仿真,结果表明:该方法对本实例的应用效果较好,故障传播路径清晰,对于规则变化具有良好的适应性,为其他复杂系统的故障诊断提供了一定的参考。     

基于AFPN的汽车故障诊断研究

针对汽车故障诊断专家系统的知识具有动态性和不确定性的特点.提出了一种基于自适应模糊Petri网（AFPN）的汽车故障诊断方法。该方法首先根据模糊产生式规则建立相应的模糊Petri网模型,然后利用BP算法,通过样本数据对模糊Petri网中的权值等进行反复的学习训练,最后利用训练得到的参数和故障征兆发生概率对故障进行诊断。这种方法使知识库能动态更新,并可以避免依靠人工经验设置带来的不确定性。诊断结果表明,和传统故障树方法相比,该方法具有很多优点。     

基于自适应模糊Petri网的雷达故障诊断方法研究

针对雷达设备越来越复杂,故障诊断难度逐渐增大的情况,提出一种基于自适应模糊Petri网(AFPN)的雷达故障诊断方法.在该方法中,首先根据雷达故障专家系统中常用的模糊产生式规则建立模糊Petri网,然后结合神经网络知识通过样本数据对模糊Petri网中的权值进行反复的学习训练,这样可以避免依靠人工经验设置带来的不确定性.当Petri网权值固定之后,根据故障征兆出现的概率通过故障推理最后找到故障起因.这种方法和传统的故障树方法相比,具有很多优势.     

基于多源信息融合故障树与模糊Petri网的复杂系统故障诊断方法

针对复杂系统故障树模型构建困难且模型冗余节点多、计算复杂的问题,提出一种基于多源信息融合故障树与模糊Petri网的故障诊断方法。该方法先将多源信息进行标准化处理,从处理后的信息中提取维修元数据,同时利用数据挖掘方法得到故障关联项集。通过维修元数据、故障关联项集和系统结构关系的映射、融合,更加全面、准确地构建复杂系统故障树模型。采用模糊Petri网对多源信息融合故障树模型进行简化和改进,并利用基于模糊Petri网的动态故障推理方法和基于关联矩阵的最小割集求解方法建立复杂系统故障诊断方法,提高了故障的诊断速度与推理效率。以汽车发动机故障诊断过程为例,证明了所提方法的合理性和有效性。     

基于Petri网的测试⁃故障诊断一体化模型研究

现有测试性模型对复杂装备进行分层建模时，不仅需要每层装备的故障模式、影响和危害性分析（failure mode， effects and criticality analysis，简称FMECA），还需要确定各故障模式之间的联系，增加了实际工作量和建模难度，与实际故障诊断脱节。为解决上述问题，提出一种基于Petri网的建模方法，将测试性模型与故障诊断模型相结合。首先，采用广义随机Petri网建立装备系统级的测试性模型，采用模糊Petri网（fuzzy Petri net， 简称FPN）建立子系统的故障诊断模型，完成系统到子系统的传递；其次，根据FMECA信息对故障统计数据进行处理，通过神经网络对参数进行调整学习和优化；然后，采用正向推理实现故障的准确预测，逆向推理结合最小割集完成故障定位；最后，以涡扇发动机风扇部件模型为例进行建模分析，并通过故障树和统计数据验证了模型的正确性和有效性。     

层次故障诊断模型的模糊Petri网推理

本文提出在故障诊断的层次化分解基础上,结合模糊Petri网(FPN,Fuzzy Petri Network)实现故障推理过程.首先将层次化的诊断分解模型采用Petri网中变迁和位置的转移来进行描述.推理算法采用矩阵运算,充分利用了Petri网的并行性处理能力,并能够描述故障传递状态.该推理过程简单,并能够使诊断效率得到提高.     

基于改进模糊故障Petri网的复杂系统故障诊断与状态评价EI北大核心CSCD

为提高复杂系统的可靠性,在综合模糊Petri网和故障Petri网优点的基础上,提出了改进模糊故障Petri网的建模及推理方法。该模型定义了库所、托肯及变迁的着色规则,并结合模糊产生式理论,应用于复杂系统的故障推理,从而更加直观、明确地描述故障状态及信息。该模型的正向推理反映了故障传播的固有特性,采用基于智能点火判断矩阵的正向演绎算法,实现了故障状态快速、准确的智能评价。该模型的逆向推理为故障诊断过程,引入智能的逆向推理矩阵,并结合基于Petri网关联矩阵的最小割集诊断法,实现了模型中任意库所故障的逆向自动诊断,同时根据故障易发率得出最小割集优先顺序,提高故障诊断的效率。以数控机床进给系统的故障分析为例,验证了所提模型和方法的正确性与高效性。     

基于模糊Petri网的门式起重机故障诊断专家系统研究

为了诊断不确定性的门式起重机故障,在传统专家系统的基础上采用模糊Petri网来表示知识并进行逻辑推理进行故障诊断。在基于规则库的诊断基础上,运用模糊Petri网图形化的方法进行逻辑推理和知识表达,对故障信息的模糊性和不确定性进行表示和处理,并通过人机对话进行模糊量化。通过门式起重机故障诊断案例分析,结果基于模糊Petri网的门式起重机故障诊断专家系统可以快速诊断门式起重机的故障。说明采用模糊Petri网的专家系统可以较好地快速诊断不确定性的门式起重机进行故障,具有一定的应用性。     

基于Petri网的液压马达故障诊断

针对液压马达故障诊断中特征提取的瓶颈问题,提出一种基于Petri网的液压马达故障诊断方法。以叶片式液压马达为例,分析液压马达常见的故障及原因,利用Petri网的知识表示方法提取故障征兆和故障原因,建立基于petri网的液压马达故障诊断模型,经过Petri推理,结果表明该方法是有效的。     

基于模糊概率Petri网系统的故障诊断仿真研究

利用面向对象思想、高级Petri网技术、模糊及概率理论,建立了一种描述复杂系统故障关系的模型.着重介绍了基于该模型的故障诊断仿真控制策略,包括控制层策略和操作层策略.讨论了该模型的网元素实现,定义了5个库所类、5个变迁类、1个模糊概率Petri对象类、1个模糊概率Petri对象类的派生类和3个Token对象类,并给出了基于该模型的故障诊断仿真算法.最后,介绍了基于该模型的故障诊断仿真系统设计,并以简单的仿真实验验证了模型及仿真算法的适用性.     

模糊Petri网在液压同步提升系统故障诊断中的应用

研究了基于可信度的合成式模糊产生式规则的表示方法,在此基础上,将模糊Petri网与矩阵运算相结合,给出了模糊推理过程的形式化推理算法,将复杂的推理过程采用矩阵运算实现,充分利用了模糊Petri网的并行处理能力,利用此理论及方法可以大大减少诊断时间,提高了准确度．最后以液压同步提升系统故障诊断为例证明算法的可行性和准确性．     

基于模糊Petri网的变电站故障诊断研究

变电站应用SCADA系统可以获得大量继电保护和断路器动作信息,然而这些信息可能是不完全不确定的,这限制了故障诊断的有效性和正确性。文章尝试使用模糊Petri网来处理SCADA系统获得的这些不确定信息,以期获得较好的并行处理性和容错性。在模糊Petri网的基本概念的基础上,阐述了搜索故障区域的方法,建立了故障诊断的模糊Petri网模型。运用文中所提出的方法进行了实例研究,仿真分析结果说明了方法的可行性。     

一种模糊petri网仿真工具的设计实现

文章将面向对象思想应用于模糊Petri网仿真工具的设计和实现过程,探讨了模糊Petri网建模与仿真的可视化问题,提出了基于网格可视化技术解决方案及具体实现方法。通过对变速箱的自动建模和诊断仿真实例,证明该系统具有良好的实用性,为模糊Petri网理论的普遍应用提供了工具平台。     

基于含不可观变迁Petri网的码垛机器人零件加工系统故障检测方法

研究了基于含不可观变迁Petri网的码垛机器人零件加工系统故障检测问题。结合机器系统运行过程中的故障特征,对Petri网在机器系统故障诊断中的应用进行了研究,提出了包含不可观变迁Petri网的基本可达树和诊断分析函数的概念及基本可达树故障检测算法。以码垛机器人零件加工系统为例,建立了Petri网系统模型,应用基本可达树故障检测算法进行检测,故障检测结果符合码垛机器人零件加工系统实际运行情况,验证了该方法的有效性。     

基于模糊Petri网融合推理的装备故障诊断技术研究

研究了模糊Petri网应用于故障诊断中的正向推理方法,针对某型工程装备液压系统故障的特点,建立了基于模糊Petri网的故障诊断推理模型,并以液压系统压力不足故障为例,探讨了正向推理方法在系统级故障诊断中的应用。实现了故障征兆的信息融合,该推理方法适用于现场的快速故障诊断。     

A realtime fuzzy Petri net diagnoser for detecting progressive faults in PLC based discrete manufacturing system

In this paper, we explored a realtime fuzzy Petri net approach to diagnose progressive faults in discrete manufacturing systems. Progressive faults are usually caused by deterioration or aging and show stochastic properties. Some researchers have reported how to detect abrupt faults in discrete manufacturing systems using Petri net. However, little research has been conducted on Petri net diagnoser to progressive faults in discrete manufacturing event systems. To tackle this problem, we explored an approach including a realtime Petri net model and a fuzzy Petri net diagnoser to replicate the plant and detect faults in discrete manufacturing systems. The realtime Petri net model monitors events generated from the discrete manufacturing system, also compares the outputs and pre-settings. Once a difference is detected, it will start the fuzzy Petri net diagnoser to locate faults. For the purpose of validation, this approach was implemented with Visual Basic for diagnosing a dual robot arm. Evaluation experiments validated the diagnoser's performance on accuracy and diagnosability. It illustrated that the proposed approach can have a high accuracy rate of 93% and maximum diagnosis delay of eight steps; it proves that the approach has the capability of integrating knowledge and handling uncertainties. It also remedies the nonsynchronization between the diagnoser and the plant. The approach to construct the model and diagnoser is systematic; it has an excellent projection on intermittent fault diagnosis and hybrid systems.     

基于最小熵解卷积-变分模态分解和优化支持向量机的滚动轴承故障诊断方法

提出了一种基于最小熵解卷积和变分模态分解以及模糊近似熵的故障特征提取方法,并采用优化支持向量机对故障进行识别分类。首先利用最小熵解卷积方法降低噪声干扰并增强故障信号中故障特征信息,进而对降噪后的信号进行变分模态分解,并利用模糊近似熵量化变分模态分解后包含故障特征信息的模态分量以构建特征向量,之后通过采用扩展粒子群算法优化惩罚因子和核函数参数的支持向量机,对故障样本训练并完成故障识别分类。将所提方法应用于滚动轴承不同损伤程度、不同故障部位的实验数据,验证了该方法的有效性。与基于局部均值分解的特征提取方法相对比,结果表明所提方法可以更精确地提取出滚动轴承故障特征,并能够更准确地完成不同故障的识别;通过与基于网格寻优算法优化的支持向量机方法和基于扩展粒子群优化的最小二乘支持向量机方法相对比,结果表明所提方法具有更好的分类性能,能达到更好的诊断效果。     

基于模糊故障树的高速挖发动机系统故障诊断方法

将模糊数学相关理论和故障树分析方法相结合,提出了一种基于模糊故障树理论的故障诊断方法。以高速挖柴油发动机系统为研究对象,建立该系统的故障树模型,运用模糊故障树分析法对该系统进行故障诊断推理和搜索算法研究。研究结果表明,该方法切实可行,经相关改造,也可用于工程机械其它系统的故障诊断。