一种基于定性模型的诊断方法

提出一个基于定性模的诊断方法,将功能描述引入诊断模型,从而改进以往方法候选故障较多的缺点。讨论建模方法,生成假设算法和诊断工以肾脏疾病为例,阐述了定性模的建立。     

基于定性定量模型的动态过程故障诊断新方法

给出了一种能够综合运用先验知识和启发性知识的基于定性定量模型的动态过程故障诊断新方法.首先描述了核心的模糊定性建模和仿真技术,接着设计一种新的知识观测器,其中正常和已知故障状态的知识用模糊定性模型表示,将观测的行为与模糊定性仿真预测行为比较,将匹配的结果诊断输出,若找不到匹配结果,进行故障假设和生成相应模型,并将其预测行为和观测行为比较直到正确诊断.     

基于定性仿真和模糊知识的离心式压缩机排气量不足原因诊断

针对引起离心式压缩机排气量不足的原因,本文提出一种基于定性仿真和模糊知识的诊断方法.利用压缩机结构原理和故障机理等定性知识建立故障定性模型库,并推理得到压缩机排气量受不同因素影响时的定性规则库.对系统变量的观测值利用定性趋势提取和模糊化进行定性化处理.提出了基于变量定性趋势和模糊定性值约束的滑动窗口加权匹配策略,并根据匹配结果诊断出导致排气量不足的原因.最后通过两个实例仿真验证了所提方法的有效性.     

基于定性模型的定性仿真方法

定性仿真在定性推理中起着核心作用．本文将介绍基于定性模型的定性仿真法的基本内容，讨论支持其走向实用的主要方法和技术，并展示其在若干领域中的应用．     

基于定性趋势分析的空调系统传感器故障检测

提出了基于定性趋势分析的空调系统传感器故障检测方法。该方法将空调系统中信号相似的传感器分成一组,利用组中信号间的趋势相似性进行故障检测。采集了空调系统的传感器数据,对传感器偏置故障和漂移故障进行仿真实验,结果表明,该方法能检测传感器的偏置故障和漂移故障。     

动态系统的定性推理：定性模型的建立与定性仿真方法

本文首先介绍了动态系统的定性推理的产生背景，发展概况以及定性推理的实际应用前景，然后以Ｋｕｉｐｅｒｓ的定性仿真理论为中心介绍了定性推理的基本原理及方法，其中重点介绍了动态定性仿真算法ＱＳＩＭ和定性推理的最新发展，并对存在的问题进行了探讨。     

微小故障诊断方法综述

针对微小故障的特点,提出将微小故障分为缓变微小故障、突变微小故障和间歇性微小故障,并进一步提出微小故障诊断方法的分类框架,将微小故障诊断方法分成了3类,即定性诊断方法、定量诊断方法和半定性半定量诊断方法.对每一类中现有的微小故障诊断方法再次归类,并对每种方法的基本思想、研究进展、适用条件和应用等进行了介绍.最后探讨了微小故障诊断有待解决的问题.     

基于定性定量知识的故障诊断

提出一种将检测中的定量信息定性化的方法,并应用QSIM的算法约束的概念。结合区间代数的计算规则,设计了定性与定量结合的诊断系统,缩小诊断空间,增大定性仿真在故障诊断中的应用范围。通过不断扩大先验故障模型,使系统具备一定的学习能力,并以压缩制冷系统为例进行了诊断,验证了系统的正确性。     

复杂系统的定性建模和定性控制综述

综述了复杂系统的定性建模和定性控制．首先阐述了定性建模的理论背景,讨论了 主要的定性建模研究方法及定性模型特性;接着介绍了定性控制的研究进展,对定性控制方 法进行了分类研究,探讨了定性控制器的设计及定性控制系统性能;最后就复杂系统的定性 建模和定性控制研究发展进行了评述．     

基于模糊定性趋势分析的故障诊断方法研究

趋势能够反映过程重要参数的运行状态和发展趋向;利用定性趋势分析进行故障诊断时,趋势固有的定性特性使得趋势分类的界限变得模糊,带来诊断的模糊性和规则知识库的组合爆炸等一系列问题;将模糊理论与定性趋势分析相结合,给出了趋势提取及基于模糊逻辑的趋势匹配算法,研究了一种基于模糊定性趋势分析的故障诊断方法来有效地解决这些问题;实例分析表明,基于模糊定性趋势分析的故障诊断方法能大大缩小规则知识库的规模,提高定性趋势分析故障诊断的准确性和实时性,及时发现和预测控制过程的早期故障。     

一种非线性系统的传感器故障检测与诊断新方法

基于一种非线性系统的伪偏差分离估计算法和贝叶斯分类算法,给出了一种非线性系统 的传感器故障检测与诊断的新方法.对一个大型造纸机采用实际模型进行的数值仿真表明, 该方法非常适用于工业系统传感器的在线故障检测与诊断.     

故障检测与诊断技术

本文介绍了故障检测与诊断技术的历史及发展状况,对其所用的各种方法分类进行了详细评述,指出了当前急待解决的若干前沿课题,并对这门技术的发展进行了展望。     

基于测试性的电子系统综合诊断与故障预测方法综述

故障诊断与预测技术是故障预测与健康管理(PHM)中的两大关键技术.依据电子系统的故障模式与机理,结合测试性设计分析理论,提出了一种基于测试性的电子系统综合诊断与故障预测方法框架.对国内外综合诊断与故障预测方法进行了分类与总结,从基于测试性的嵌入式诊断、基于信号处理的智能故障诊断、基于测试性的故障预测3个方面论述了电子系统综合诊断与故障预测方法.最后分析了制约电子系统综合诊断与故障预测的因素,并探讨了未来的发展趋势.     

Online expert systems for fault diagnosis in technical processes

Abstract: It is generally accepted that there has been an increasing interest in online fault detection and diagnosis techniques for technical processes during the last few years. These techniques come from the artificial intelligence field or are classical numerical methods in combination with artificial intelligence methods. This paper presents a survey of recent research work in online expert systems for fault detection and diagnosis in technical processes. In addition, a short reference to other recent artificial intelligence methods for online fault detection is included and the main advantages and limitations of each method are illustrated.     

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 .     

复杂工业过程质量相关的故障检测与诊断技术综述

质量相关的故障检测与诊断技术是保证安全生产及获得可靠产品质量的有效手段,是当前国际过程控制领域的研究热点.首先,梳理了质量相关的故障检测技术中典型方法的基本思想和改进过程;其次,概述了质量相关的故障诊断技术中常用的贡献图法及其相关改进方法之间的联系,并通过带钢热连轧过程（Hot strip mill process,HSMP）案例比较了各种典型方法在质量相关的故障检测与诊断性能上的异同;最后,面向复杂工业过程运行数据的主要特性,评析了质量相关的故障检测与诊断方法的研究现状,并指出了该研究领域亟需解决的问题和未来的发展方向.     

基于观测器的非线性不确定系统鲁棒故障检测新方法

针对非线性不确定系统的鲁棒故障检测问题,提出了一种采用统计理论的新方法.通过设计全阶故障观测器产生残差信号,将鲁棒故障检测观测器设计问题转化为H∞优化问题;利用H∞范数描述故障检测的鲁棒性,保证系统的抗干扰能力,同时引入H_范数,确保对故障信号的灵敏度;应用线性矩阵不等式技术给出了该设计问题解存在的条件和求解方法.将统计理论用于故障检测阈值的确定,充分考虑了残差信号的随机特性,使故障决策更加准确和可靠.最后通过仿真实例验证了本文方法的有效性.     

事务存储:具有容错特性的并发控制机制

随着多核处理器的发展,开发线程级并行成为提升应用程序执行性能的必要手段,这使得事务存储作为一种具有良好支持线程级并行前景的并行编程机制受到越来越多的关注。本文首先从事务存储系统的冲突检测机制和数据版本管理机制的角度对事务存储系统进行了分类;然后总结综述了目前主要的事务存储系统的实现方式;最后从容错的角度重新审视了事务存储,我们认为事务存储本身具有良好的容错特性,可以自然地与一些主要的容错技术结合,实现高效的故障隔离、检测及恢复。     

动态系统故障诊断技术研究进展与展望

阐述了动态系统故障诊断技术的发展状况，对各种诊断方法进行详细的分类介绍及比较；最后对故障诊断技术的发展趋势和有待解决的问题进行了分析与探讨。     

Genetic Algorithm Training of Elman Neural Network in Motor Fault Detection

Fault detection methods are crucial in acquiring safe and reliable operation in motor drive systems. Remarkable maintenance costs can also be saved by applying advanced detection techniques to find potential failures. However, conventional motor fault detection approaches often have to work with explicit mathematic models. In addition, most of them are deterministic or non-adaptive, and therefore cannot be used in time-varying cases. In this paper, we propose an Elman neural network-based motor fault detection scheme to address these difficulties. The Elman neural network has the advantageous time series prediction capability because of its memory nodes, as well as local recurrent connections. Motor faults are detected from the variants in the expectation of feature signal prediction error. A Genetic Algorithm (GA) aided training strategy for the Elman neural network is further introduced to improve the approximation accuracy, and achieve better detection performance. Experiments with a practical automobile transmission gearbox with an artificial fault are carried out to verify the effectiveness of our method. Encouraging fault detection results have been obtained without any prior information on the gearbox model.