动态系统的故障诊断方法

评述了动态系统故障诊断方法的发展状况 ,将各种故障诊断方法分为三大类分别进行了重点介绍 ,最后指出了这一领域中有待进一步研究的若干问题和发展趋势 .  

基于SVM的二叉树多类分类算法及其在故障诊断中的应用

基于结构风险最小化原则的支持向量机(SVM)对小样本决策具有较好的学习推广性。但由于常规SVM算法是从2类分类问题推导出的，在解决故障诊断这种典型的多类分类问题时存在因雄，因而提出一种依赖故障优先级的基于SVM的二叉树多级分类器实现(2PTMC)方法，该方法具有简单、直观，重复训练样本少的优点。通过将其应用于柴油机振动信号的故障诊断，获得了令人满意的效果。  

基于故障树最小割集的故障诊断方法研究

利用故障树分析原理，对基于故障树最小割集的诊断方法进行了研究。在给出故障树顶事件和底事件概率描述的基础上，计算了故障树最小割集的重要度，并在量级上进行了分析比较，为系统的故障源搜寻提供了具体有效的测试步骤。并给出了应用实例。  

基于未确知集合的故障诊断方法

为了定量描述对象具有未确知性质或处于未确知状态的程度,在可测空间上定义了满 足测量准则的未确知测度慨念.以未确知测度为隶属函数抽象出论域上的未确知集合概念,定 义未确知集合的运算.通过论证未确知集和模糊集之间的关系与本质不同,体现研究这种新的 不确定性集合的价值.在未确知集合基础上,建立了未确知逻辑系统,用以处理未确知信息.定 义了指标分类权重的概念,给出了计算方法,并将其应用于未确知逻辑系统推理算法中,使得到的 合成可信度具有良好的可解释性.以故障诊断领域中一个算例作为未确知逻辑系统的应用实例.  

动态系统的故障诊断技术

提出了一种全新的分类框架, 将故障诊断方法整体分为两大类, 即定性分析的方法和定量分析的方法. 对现有的方法在此框架下进行了划分, 并详细介绍了每种方法的基本思想、研究进展和典型应用, 其中重点讨论了数据驱动的方法. 最后, 简述了故障预测的研究现状, 并探讨了故障诊断研究存在的问题和未来的发展方向.  

基于观测器方法的故障诊断技术若干重要问题的探讨

基于观测器方法的故障诊断技术近年来得到了迅速发展,取得了许多可喜的成果.该文 探讨了这一领域中一些重要的热门研究问题,包括:基于观测器方法的检测与诊断系统的分析与 评价方法,以及基于观测器的检测系统的设计方法.重点介绍作者在这一领域的一些最新研究成 果,如故障空间的划分,检测系统的集成设计方法等.  

基于支持向量机的非线性系统故障诊断

提出了联想度的概念，并由此设计出一种自组织模糊CMAC（SOFCMAC）及其学习算法，证明了SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快，逼近精度高等特点，用该SOFCMAC作为非线性系统观测器而生成残差，通过支持向量诊断器得到故障检测与诊断结果。对某型歼击机的结构故障进行诊断，仿真结果表明了该方法的有效性。  

粗糙集神经网络系统在故障诊断中的应用

故障诊断中的误报和漏报现象直接影响诊断的准确率，同时在线故障诊断又要求很强的实时性，本文在给出粗糙集神经网络系统原理框图的基础上，结合领域知识把该系统应用于滚动轴承的故障诊断中，仿真实验结果表明该系统提高了故障诊断的准确率和诊断速率，同时减少了检测项目，降低了诊断成本，在实际中有良好的应用前景。  

基于集团的系统级故障诊断研究

本文首次在系统故障研究域提出了集团的概念，讨论了集团的性质，并研究了基于集团的系统故障诊断的可诊断特性。本文还详细论述了基于集团的一步ｔ可诊断算法及求集团算法，并论证了算法的正确性与完备性。  

模糊推理Petri网及其在故障诊断中的应用

分析了推理Petri网与传统Petri网的共性和区别,给出了模糊产生式规则推理 Petri网模型.在此基础上,给出了有效的推理算法,并以极大代数矩阵算子进行了形式化表 示,此算法充分利用了Petri网的数学理论基础和描述并发系统的能力,具有并行推理能力, 可以同时得到推理后系统的全部状态值.最后举例说明了其在故障诊断中的应用.