博弈模型在复杂系统连锁故障预防的应用

针对故障树法和贝叶斯网络方法存在的复杂系统连锁故障非动态性分析的问题,结合博弈论和协同学中序参量的概念提出一种连锁故障预测方法。在系统众多状态参量中,序参量主宰着系统演化的方向。每个序参量都企图主宰系统的格局,这一过程恰恰体现了参与人之间的博弈行为。将子系统中的多个序参量映射为博弈中的参与人,在得益函数的定义中,还考虑到序参量之间除了竞争外也有合作,建立了一种基于协同学的非合作博弈模型。以火灾报警控制网络为应用实例,仿真结果表明接近临界阈值的序参量会导致故障子系统与其他子系统的关联作用增强,为复杂系统连锁性故障预防提供了新的途径。     

零航速减摇鳍永磁同步电机伺服系统广义预测控制

为提高系统的可靠性,探索了电伺服系统在零航速下减摇鳍上的应用,并根据减摇鳍的负载特性选择了驱动电机的种类。由于零航速减摇鳍的工作环境和负载特性比较复杂,为提高电伺服系统的动态性能和对参数扰动的鲁棒性,建立了永磁同步电机传动系统的受控自回归积分滑动平均 (controlled auto regressive integrated moving average,CARIMA)模型,实现了电伺服系统的广义预测控制。由于浪级较高时电机驱动能量不足,所以对伺服系统输入输出的约束条件进行了分析,在此基础上提出了一种考虑约束的改进控制算法。仿真结果表明,广义预测控制器能够改善伺服系统的动态性能,提高零航速减摇鳍的减摇效果。     

基于脆性的复杂系统崩溃的初探

针对开放的复杂系统进行研究，首次提出并论证了脆性是复杂系统的一个基本特性．在复杂系统脆性定义的基础之上，建立了脆性度、子系统间的脆性联系函数、脆性联系熵等相关概念．同时将非合作博弈的理论和方法引入到复杂系统崩溃的脆性的研究中，指出于系统之间的非合作博弈是复杂系统脆性的一个根源．并且，以道路交通系统为例，进行了脆性分析．复杂系统脆性概念以及相关理论的提出将对深入研究复杂系统的本质，具有一定的指导意义，为设计、控制复杂系统，提供了一定的理论依据．     

基于生物体系的计算智能研究

模糊理论（FM）、神经网络（NN）和进化算法（EA）的发展，使基于模拟生物体系的计算方法研究受到广泛的关注；免疫算法（Immune Algorithm,IA）、DNA计算为近几年发展起来的基于生物体系的模拟建立的新型计算方法，本文对这些算法的生物学原理进行论述，介绍了免疫算法（Immune Algorithm,IA)、DNA计算等新型算法。     

基于h-水平截集的模糊神经网络在专家系统推理中的应用

本文给出了基于h-水平截集的模糊神经网络模型及其改进学习算法,并以减摇鳍故障诊断为例来实现专家系统的模糊推理,以克服传统专家系统推理机的不足.     

利用短波吸收法的油中含水监测器

Agar 油中含水率监测器,利用水和油对吸收无线电短波、消耗电能的差别,能测出0～100%的含水率,是一种新型有效的含水率测定仪,适用于监测、计量高含水原油和低含水原油。含水率在80%以下时,温度对仪器的影响可忽略不计;含水率在40%以下时,含盐量影响可忽略不计。     

新型液位计油罐监控显示系统

新产品 LEVEL PLUS 油罐监控系统,用液位计和显示装置反映所有必要的计量,其分辩率为0.025mm,全程线性度为±0.025%,全程再现性为0.001%。在大多数情况下,液位计安装简便,不影响油罐正常作业。有8个液位计可多路     

油罐液位监测/控制器

685型油罐液位监测/控制器,是油罐静压液位计和液位控制器的组合。该监控器可监测高达90 ft 的罐,安装在地面,并可方便地按手标罐的方法在现场标定,把指针设置在手标深度上。一旦安装就位并标定好,685型监控器就自动连续地监测罐内液位的升降。该监控器可联接多达7个独立可调的开关,操纵泵、阀、指示灯、报     

计入聚合物溶液粘弹性效应的聚合物驱油一维模拟

建立了预计聚合物一维驱油的简单模拟模型。模型假定油和聚合物两相之间互不混相。由于置换流体为非牛顿的可修正Buckley-Leverett公式，并推导出一个计算分相流动曲线的新的近似方法。用Ellis型模型和粘弹性模型来模拟聚合物溶液的流变特性。为验证该模型，对直径2.8cm、长47cm充填70/100目玻璃有孔小珠的松散岩芯进行了两次一维驱油实验。岩芯的孔隙度约为37％，渗透率约为25μm2.采用了两种粘度为25和200ppm聚丙烯酰胺溶液。在每次实验中，控制初始含水饱和度和每次开始驱油时几乎一样。对比了聚合物驱油的计算性能和实验数据。Ellis模型比实验数据预计出较早的聚合溶液突破和较低的原油采收率。另外，粘弹性模型很好地预计出了实验的分相流动曲线，原油采收率性能和突破时间。本文认为，聚合物溶液的粘弹性效应在提高原油采收率方面起重要作用。     

基于小波包和神经网络的瓦斯传感器故障诊断

针对瓦斯传感器常见的故障,提出了基于小波包和神经网络的故障诊断方法.通过对瓦斯传感器的输出信号进行三层小波包分解,得到8个不同频段的分解信号,再对其进行特征提取得到一个八维的特征向量,作为故障样本对三层神经网络进行训练,建立故障类型分类器,对瓦斯传感器故障进行诊断.仿真结果表明:该方法可以准确地诊断出故障类型.