基于人工免疫模式识别的结构损伤检测与分类算法

目的 研究人工免疫系统的自治性、主动性、自适应及学习和记忆的仿生机理,来解决结构健康监测中的结构损伤识别和分类问题.方法 通过模仿免疫识别和学习机理,提出一种基于Diagonal距离的人工免疫模式识别的结构损伤分类算法,并在IASC-ASCE SHM工作小组所提出的benchmark模型上对结构模式分类进行了实验测试.结果 仿真实验表明基于Diagonal距离所得到的分类成功率要略高于Euclidean距离和Mahalanobis距离所得到的分类成功率;基于Diagonal距离研究了克隆率和记忆细胞替代阈值对分类成功率的影响,只要选取合适的参数值,就能获得较高的分类成功率.结论 基于Diagonal距离的人工免疫模式识别的结构损伤检测和分类算法通过免疫学习和进化,产生高质量的记忆细胞,从而有效识别各种结构损伤模式.     

基于层次聚类和人工免疫的无监督结构故障分类算法

目的利用层次聚类与人工免疫模式识别相结合的方法解决无监督结构健康监测中对结构故障识别和分类的问题.方法通过凝聚型层次聚类实现样本数据的分类,通过模仿生物免疫识别和学习机理来训练记忆细胞集合,进而实现对结构故障的识别与分类.结果在benchmark结构模型上的仿真实验测试结果表明在抗原样本数据中采用凝聚型层次聚类和方法能够成功地确定抗原样本数据的模式数目,继而采用人工免疫模式识别算法对实测数据进行模式识别与分类,分类成功率为81%.结论基于层次聚类和人工免疫的无监督结构故障检测与分类算法通过免疫学习和进化产生高质量的记忆细胞,从而有效地识别结构故障模式.     

基于GA优化人工免疫算法的结构故障诊断

针对大型结构的故障检测与分类问题,提出了一种基于GA进化机制的人工免疫算法.该算法将样本结构模式数据作为抗原刺激抗体集合,抗体集合经过选择、交叉、变异、构建最优抗体集合这一进化过程来提高记忆细胞质量,利用训练好的记忆细胞集合实现对实测数据的故障检测与分类.在Benchmark结构模型上的仿真实验结果表明,该算法能实现有效的故障模式识别,且提高了故障分类的成功率,引入了多父体交叉操作,扩大了算法的搜索范围,且能有效利用其他抗体的优良模式,克服了单纯人工免疫算法收敛速度慢的不足.     

用于交流电弧故障检测的间谐波分析方法

针对现有的交流电弧故障检测方法易受某些负载特别是非线性负载的干扰问题,为提高配电线路串、并联电弧故障在线监测的可靠性,依托自主设计的串、并联电弧故障模拟试验装置获取数据并加以分析,本文提出了一种基于信号间谐波特征值的交流电弧故障检测方法.通过该试验装置采集了五类典型负载正常工作和电弧故障两种状态下的电压和电流信号,对滤波后的信号计算其间谐波组的特征值,并对特征值做了进一步的修正,最终给出了阈值区间.该方法检测不同种类的负载可设定统一的判定阈值,且计算量不大,便于实现在线监测.试验数据表明,本方法可有效识别多种负载条件下产生的串、并联电弧故障.     

多状态系统测试建模与测试点选取方法

为解决测试性设计过程中的退化状态测试问题,提出了基于结构和功能的多状态系统测试建模与测试点选取方法。首先,结合多状态系统中对性能状态的描述,明确了以结构和功能为对象的多状态系统测试建模的总体思路,并对模型中的结构、功能和测试相关描述进行了分析;其次,对状态测试问题进行了分析,并对单个测试能够检测的状态集与测试集组合能够检测的状态集的计算方法进行了研究,并提出状态检测率的概念对系统状态的测试指标进行量化;最后,考虑到系统测试性设计与分析中包含故障的测试性问题,结合故障检测率、故障隔离率和状态检测率,提出了测试代价约束下的多状态系统测试点选取方法。结果表明：多状态系统测试建模方法不仅能够对故障的测试性进行分析还能够对退化状态的测试性进行分析;相较于二态系统测试选择方法得到的最佳测试集,在测试代价限制的情况下,多状态系统测试选择方法得到的最佳测试集能够获得较高的状态检测率;在测试代价无限制的情况下,多状态系统测试选择方法得到的最佳测试集不仅能够获得较高的状态检测率,还能获得与二态系统相同的最大故障检测率和故障隔离率。     

FMS运行状态检测监控技术的研究

以柔性制造实验系统为研究对象，研究了ＦＭＳ检测监控系统的硬件体系结构和软件集成框架，提出了ＦＭＳ检测监控中信息的选择及故障处理策略，建立了基于专家系统和动态图形技术的ＦＭＳ运行状态检测监控系统，实现了运行状态的动态显示和故障的诊断。     

基于改进资源受限免疫系统结构故障分类算法

针对无监督结构故障检测与分类问题,提出了一种基于资源受限人工免疫算法的故障检测与分类方法.该算法将无标签样本数据作为抗体组成人工识别球ARB群体,ARB根据刺激值的大小进行选择、变异和分配B细胞等进化过程来提高ARB的质量,得到能够反映数据结构的记忆ARB网络,实现对实测数据的分类.仿真结果表明,新的网络连接阈值计算方法使网络连接更有效,该算法能够实现有效的故障分类,并且引入Silhouette指标来判断网络稳定性和聚类效果,具有一定的可行性.     

基于SOM的变压器绕组和铁芯故障诊断

为了实现变压器故障的直观分类和故障识别,在分析变压器振动机理的基础上,提出一种基于自组织特征映射(SOM)神经网络的变压器故障检测方法。首先利用集合经验模式分解(EEMD)方法提取变压器不同运行状态下振动信号的特征矢量,以其表示变压器运行状态,降低故障分类和识别时运算量。然后通过采用SOM网络自组织学习算法,不断学习样本的特征矢量确定故障隶属函数,从而可以快速有效地诊断变压器的故障类型。试验结果表明,该方法可实现对变压器正常状态、绕组轴向变形、绕组径向变形、铁芯故障4种状态分类,并对测试样本进行快速的模式识别。     

一种基于危险信号的拒绝服务入侵检测方法

针对拒绝服务(Denial of Service,DoS)攻击的特点,提出了一种基于免疫危险理论的新型入侵检测方法,设计、实现了检测算法和抗体变异、进化算法。引入血亲类方法分类抗原/抗体,定义了抗原凋亡和坏死的过程,定量计算抗原危险信号和网络危险度,并以此检测DoS攻击。仿真实验表明该方法不仅具有基于传统人工免疫理论的入侵检测自学习、自适应的优点,而且误警率降低87.5%,检测效率更高。     

基于自我-非我识别机理的状态监测与故障诊断

基于人工免疫自己非己识别机理(Self—nonself Discrimination—SND)的反面选择算法(Negative-selection Algorithm—NSA)，为复杂机电系统的故障监测和诊断提供了新的思路。针对现有故障监测中，反面选择算法存在的不足，文章提出采用距离匹配的反面选择算法(Negative—selection A1gorithm using distance matching—NSAD)，采用遗传算法，生成适合故障样本的故障种群，并采用欧几里德距离为适应函数，以产生与故障模式匹配的监测器，使监测器对特定故障模式具有更好的敏感性。文章以旋转机械为对象，进行验证，结果表明NSAD较NSA监测准确率高，误诊率低。     

改进人工鱼群优化粗糙集的水电机组故障诊断

针对水电机组大量的现场监测数据信息,基于传统的人工智能方法对故障信息不能及时有效地分析的问题,提出了一种基于改进人工鱼群优化粗糙集的水电机组故障诊断方法．首先,利用鱼群的寻优聚群行为对连续属性进行离散化,然后采用粗糙集理论对离散化后的决策表进行约简,建立故障诊断规则决策表,再用提取的规则对水电机组故障进行诊断．仿真结果表明：与传统方法相比,该算法能够提高水电机组故障诊断的准确率．     

模糊神经网络技术在铝电解故障诊断中的应用

目的为了提高生产效率、降低成本、安全生产，通过对铝电解故障进行有效的检测和预报，减少铝电解过程中阳极效应、热槽、冷槽故障的发生．方法通过对铝电解故障发生机理和故障发生时相关特征量变化趋势的分析，基于模糊逻辑理论。建立了多级模糊故障检测模型，采用BP神经网络建立了故障分类模型，实现对铝电解故障的检测和预报．结果降低了模糊系统的维度，减少了规则数量，采用多级模糊与神经网络相结合的故障诊断预报的方法，提前了预报时间，提高了预报准确率．结论铝电解模糊神经网络故障诊断方法，有效地降低铝电解的故障发生率，降低了能耗，提高了铝的产量和质量，具有良好的应用前景．     

基于人工免疫的新型入侵检测系统研究

分析研究了人工免疫原理在网络入侵检测中应用的可行性,结合人工免疫模型和数据挖掘技术建立了一个网络入侵检测系统模型。对抗体生成过程中的关键算法进行了描述。为克服在抗体生成阶段由于采用遗传算子导致时空效率不佳的缺陷,将数据流分割成字符串集合,根据数理统计原理,讨论了分割参数和检测器数目的选定,使它在通用性、鲁棒性上具有优势。     

基于人工免疫系统的产品创新设计方法研究

基于创新计算理论,提出了基于人工免疫系统实现产品创新设计的新方法.建立了基于人工免疫系统的产品创新设计框架,对其支撑理论、方法和技术以及免疫创新计算模型、免疫创新设计方法、免疫创新设计应用等4个层面分别进行了详细阐述.结合产品创新设计的有关问题,围绕面向问题求解的免疫辅助创新设计和面向产品演化的免疫设计两个方面,对基于人工免疫系统实现产品创新设计的主要关键技术进行了讨论.     

基于人工免疫原理的天气预报系统

为了获得较高的天气预报效率，提出了一种模拟生物免疫系统学习机制的免疫学习算法，并应用于天气预报中。定义了抗原和B细胞的表示方法，给出了抗原与B细胞之间亲和力的计算方法，描述了B细胞的克隆、变异、动态演化和记忆细胞的产生过程，建立了基于免疫学习算法的天气预报系统。仿真试验表明该系统同传统的基于神经网络的天气预报系统相比，预报准确率较高，为天气预报提供了一种新的解决方案。     

最大概率方法在伺服系统故障诊断上的应用

为了解决实际控制系统中仅通过系统的故障现象难以确定系统故障元的难题,采用基于模糊识别和故障诊断理论的最大概率法,该方法仅仅依靠经验和统计数据,在外部故障现象和系统故障元之间建立模糊查询关系,从这一关系中可以获得最大故障概率点.将一个标准模糊关系矩阵作为数据库存储在计算机中,并给出了一个系统故障诊断的实验结果.通过以上方法,只要对系统的重要参数进行在线采集和分析,当发生故障时,就可以给出可能的故障元的故障概率,并发出警报.     

Fault-Diagnosis Method Based on Support Vector Machine and Artificial Immune for Batch Process

A new fault-diagnosis method to be used in batch processes based on multi-phase regression is presented to overcome the difficulty arising in the processes due to non-uniform sample data in each phase. Support vector machine is first used for phase identification, and for each phase, improved artificial immune network is developed to analyze and recognize fault patterns. A new cell elimination role is proposed to enhance the incremental clustering capability of the immune network. The proposed method has been applied to glutamic acid fermentation, comparison results have indicated that the proposed approach can better classify fault samples and yield higher diagnosis precision.     

基于人工神经网络的电力电子电路故障诊断

提出了采用基于波形直接分析的人工神经网络故障诊断方法实现电力电子电路的故障诊断．以三相整流电路的诊断为例，设计了人工神经网络的层数和点数，建立了三相整流电路的模型获取了样本数据，并训练了人工神经网络．仿真表明用四层人工神经网络对三相整流电路进行诊断可获得正确结果、