基于模糊Petri网的汽车故障诊断仿真研究

本文将Petri网和模糊推理相结合,建立故障诊断的模糊Petri网模型。其中,用FPN表示模糊产生规则,用Petri网的变迁激活规则进行故障诊断推理,从而分析出异常行为过程间的因果关系,推理出故障的原因及其可信度。以汽车故障诊断为例,建立了基于模糊Petri网的诊断模型。通过仿真分析,验证了模型的正确性和算法的有效性。     

基于模糊神经Petri网的故障诊断模型

Petri网是对具有产生式规则的故障诊断系统的有力建模工具，但其缺乏较强的学习能力．本文以Petri网的基本定义为基础，结合模糊逻辑和Petri网模型，定义了模糊Petri网模型，在此基础上引入人工神经网络技术，给出了人工神经网络的模糊Petri网表示方法，并针对工程机械故障诊断异步、离散等特点，提出并建立了故障诊断的模糊神经Petri网模型及其改进模型．基于模糊神经Petri网的故障诊断系统结合了Petri网和人工神经网络的优点，经过自学习后同时具有很强的推理能力和自适应能力．     

Petri网用于故障诊断

应用Ｐｅｔｒｉ网对系统逻辑关系进行建模,并利用其可达性概念和状态方程来解决故障检测与诊断问题,方法简单易行。以实例说明基于Ｐｅｔｒｉ网的故障诊断的实现。     

模糊Petri网在FMS故障诊断中的应用研究

针对柔性制造系统（ＦＭＳ）故障诊断的特点，将模糊Ｐｅｔｒｉ网扩展为模糊行为Ｐｅｔｒｉ网（ＦＢＰＮ）．并应用于知识的表示中，讨论了ＦＭＳ系统、ＦＢＰＮ及产生式规则之间的对应关系，提出一种模糊反向推理机制，给出了利用ＦＢＰＮ进行知识表示和推理的实例．     

基于概率Petri网的故障诊断模型研究

为解决不确定条件下的故障诊断问题,在传统Petri网基础上,引入概率理论,提出了概率Petri网的概念;概率Petri网将事件发生的概率及其逻辑推理过程引入Petri网的设计及矩阵运算中,以反映事件转换过程中发生的可能性。针对概率Petri网特点,故障诊断模型的设计建立在根据简化样本集获取的诊断规则基础上,以避免复杂系统建模时出现的组合爆炸问题,诊断规则的获取可以有效推广故障诊断范围,使其不仅仅局限于样本集;同时,针对诊断规则的形式,定义并提出将诊断规则转换为标准基本规则序列,便于模型的程序化设计。通过旋转机械故障诊断的示例证明了这种方法的可行性与有效性。     

基于扩展模糊时间Petri网的故障诊断

针对故障诊断中可能出现的故障原因漏判问题,提出一种基于扩展模糊时间Petri网的故障诊断算法。该算法通过检查模糊时间戳确定故障时刻所有故障原因的状态,结合正向和逆向推理最大程度地解决故障原因漏判问题,从而确定主要、次要和其他故障原因。燃气轮机的故障诊断实例验证了该算法的有效性。     

基于直觉模糊Petri网的故障诊断

故障诊断经常受到多种不确定性和模糊性因素的影响,针对不确定性的故障诊断问题,利用直觉模糊集较好的表达不确定性信息的优势和Petri网较好的并行处理以及图形处理问题的能力,构建了直觉模糊Petri网模型。由于将直觉模糊推理转化为矩阵运算的过程中有非隶属度参数的参与,因此推理结果可提供更多的信息。根据实际故障诊断中的模糊推理问题,给出了带有权值、阈值等参数条件下新的直觉模糊推理算法。通过获取和处理故障诊断中的不确定性和模糊性的知识,该算法将故障诊断过程转化为利用直觉模糊Petri网的直觉模糊推理过程。实际燃气轮机故障诊断模型案例表明了所给直觉模糊推理算法的有效性。     

非平稳短时矢谱研究及其应用

大型旋转机械的故障在发生或发展时,其运行过程具有明显非平稳特性的瞬态过程。通常的针对单通道信息的时频分析不能准确提取瞬态过程的特征信息。论文结合矢谱分析和短时傅立叶变换（STFT）技术提出了短时矢谱（STVS）分析方法。它融合了转子同截面两通道图谱中各自存在的振动分量,能准确地反映转子发生故障时的瞬态过程特征量变化。工程实践应用表明：短时矢谱分析对于旋转机械故障诊断是一种新的、较为实用的信息融合方法。     

一种面向故障诊断的模糊Petri网

运用Petri网进行故障诊断推理时,常存在一种故障对应着多种原因的可能,推理结论不能区分并列原因间的相对可能性,且不能体现人工经验.针对这一问题,定义了一种面向故障诊断的模糊Petri网,运用基于状态方程的推理方法,将人工经验用模糊值表示并参与推理运算,以相应库所对应的模糊信息值来衡量库所对应事件的可信度,从而可以实现区分并列事件间的相对可能性.通过某控制系统故障诊断实例,验证了所定义的模糊Petri网和状态方程及其诊断算法的正确性和有效性.     

基于优化模糊Petri网的矿井提升机故障诊断

为提高矿井提升机故障诊断的准确率,提出了一种基于优化模糊Petri网的矿井提升机故障诊断新方法。该方法首先利用动量BP网络对模糊Petri网的权值、阈值和可信度参数进行优化,然后使用优化好的模糊Petri网模型对矿井提升机进行故障诊断。测试结果表明,该方法对参数优化收敛速度快,故障诊断结果正确率高,有一定的实用价值。     

基于库所有色Petri网的故障诊断算法研究

基于库所有色Petri网的故障诊断技术充分利用Petri网在故障分析和诊断中的优势,以船舶电站故障数据集为基础构造模型;并结合故障诊断实际对传统有色Petri网作适当改进,实现图形化故障树的分层分类着色显示,并以简单的矩阵运算实现故障诊断,从而有效弥补了传统Petri网在实际应用中的缺陷,适应了故障诊断的分析和建模需要。     

基于Petri网故障诊断及在工程机械中的应用

针对传统模糊Petri网在故障诊断应用中的不足之处,提出了一种新的故障诊断模糊Petri网模型（FD-FPN）,变迁激活概率元素的引入,使反向推理中冲突消解问题的解决更加合理。在此基础上,提出了基于变迁激活概率矩阵的反向推理算法,正向与反向推理方法的结合可以实现故障因果的相互验证,使故障诊断过程更加科学,结论更符合事实。最后,结合故障诊断实例的应用,证明了文中提出方法的合理性和有效性,且运算简单,便于计算机实现。     

基于支持向量机的旋转机械故障诊断

为了解决旋转机械故障的在线诊断识别问题，用小波包从旋转机械的震动信号中提取特征向量，给出了一种基于支持向量机的故障诊断分类方法。该方法通过有限的学习样本，建立旋转机械故障特征与其运行状态之间的关系。利用获得的矿井提升机减速箱齿轮数据建立了多级故障分类器，通过对样本的分类输出检验，验证了该故障诊断方法的可行性。     

基于全信息模式的旋转机械信息融合方法研究

旋转机械转子运动状态的截面信息包括静态信息和动态信息,仅从静态信息或动态信息分析对转子故障进行诊断可能发生误诊。提出的基于全信息模式的旋转机械信息融合方法,融合了转子的动态信息和静态信息,能真实全面地反映转子运动状态。工程应用实践表明,基于全信息模式的旋转机械信息融合对于旋转机械故障诊断是一种新的、较为实用的信息融合方法。     

部分可观Petri网结构信息在故障诊断中的应用

针对离散事件系统的故障诊断问题,本文提出了一种基于部分可观Petri网结构信息的诊断方法.它包括两个部分,第1部分利用故障变迁的可诊断子网确定故障变迁的可诊断性.第2部分在故障可诊断的基础上提出一种在线故障诊断方法:首先,利用Petri网的几种基本子网来分析故障变迁的可诊断子网的结构信息;其次,根据给定的可观测变迁序列和可诊断子网的结构特征来描述子网内部托肯的流动形式;最后,定义故障函数,并结合具体实例来描述故障变迁的发生情况.该故障诊断的方法基于部分可观Petri网结构信息,无需遍历系统状态空间,免去多项式级的计算复杂性,能够满足实时性的要求.     

基于Petri net的故障诊断理论研究

首先将故障概率的概念引入基于Petrinet的故障诊断方法中．针对Place和Transition．提出了P概率和T概率的概念;然后给出了它们的定义和计算定理;最后．在P概率和丁概率的基础上．对故障树分析（FTA）中“重要度”的概念略加调整,并将其引入所提出的故障诊断方法中．为Place和Transition定义了“重要度”．同时给出了计算方法．     

基于修正状态类图的标签时间Petri网系统故障诊断

针对具有不可观事件的离散事件系统的故障问题,提出了一种基于标签时间Petri网的诊断方法。首先,对标签时间Petri网系统现有的修正状态类图(modified state class graph, MSCG)进行分析,提出MSCG的改进算法。其次,对于给定的可观标签序列和观测时间,通过求解由改进的MSCG的路径信息构建的线性规划问题,获得所有与可观标签序列时间一致的有效路径,从而分析系统的故障情况。最后,以交替位协议为实例分析验证了所提方法的有效性,为复杂的实时系统故障诊断问题提供有效方案。     

模糊Petri网在风电机组故障诊断中的应用

针对风力发电机组故障诊断建模中动态行为较难描述的问题,结合模糊Petri网的图形描述能力及模糊推理性,提出故障诊断的模糊Petri网模型及其相应的故障诊断方法,根据故障发生的实际情况给出正反两种推理算法。用齿轮箱故障的实例加以验证,证明了该方法的正确性及在风电机组故障诊断中应用的可行性。     

基于Petri网诊断器的离散事件系统模式故障的在线诊断

本文研究基于Petri网诊断器的离散事件系统模式故障的在线诊断问题.先构建一种用于模式故障在线诊断的自动机,给出了基于这种自动机的在线诊断方法.然后将自动机转换为Petri网并进一步构造了可用于S型模式故障或T型模式故障在线诊断的Petri网诊断器,提出了基于Petri网诊断器的模式故障在线诊断算法.通过分析算法的复杂性,得到了该算法具有多项式空间复杂性的结论.     

FMS工作流故障诊断自适应加权模糊Petri网模型

研究了使用人工神经网络和加权模糊Petri网对故障进行诊断的方法。针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,将人工神经网络、模糊逻辑和传统Petri网模型结合,定义了一种自适应的加权模糊Petri网模型以及模型的构造方法,在此基础上,提出了一种使用改进的BP算法对模型的权值进行训练的方法,并给出了采用构造的自适应模糊Petri网模型对故障进行诊断的具体步骤。最后对柔性制造系统(FMS)实例的故障进行诊断,验证了此自适应的加权模糊Petri网模型结合了Petri网和人工神经网络的优点,具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断。