含约束的基于模型的诊断系统

在诊断空间中如何选取理想诊断是诊断系统面临的一个重要问题。在实际的诊断过程中,人们会利用限制条件排除不太可能的诊断,或者利用强制条件选取较优的诊断。按照这个思想,作者提出含约束的基于模型的诊断系统,通过增加依赖于应用领域的约束控制诊断空间,这是一种能够融入计算过程的选择诊断的机制,同时作者在系统拓扑结构的基础上给出了选取理想约束的理论依据。     

模型故障诊断中测量点优选技术研究

研究基于模型故障诊断中的测量点优选问题。首先，分析了模型故障诊断中导致诊断效率低下的原因。在此基础上，开发了４种优选测量点的诊断技术，在诊断过程中避免不必要的测试，从而提高了诊断效率，一个典型诊断系统的诊断过程表明，测点范围在原有基础上可缩成１／３到１／２左右。     

对角CARIMA模型多变量自适应约束广义预测控制

为了简化约束存在时多变量广义预测控制算法的设计与实现,依据对角CARIMA模型的结构特点,将多输入多输出对象的参数辨识和模型预报问题转化为一系列多输入单输出子对象的参数辨识和模型预报问题.推导了输入输出的约束形式及优化求解过程.简化了多变量对象的参数辨识、模型预报、目标函数和约束条件系数矩阵的计算.在由DCS控制的非线性液位装置上的对比实验结果表明了该方法的有效性.     

基于广义模型的复杂电力系统的故障诊断

讨论了广义大系统故障诊断的一种新方法。首先,给出了复杂电力系统不对称故障的定义,以及传统的分析方法。接着,对所给的广义大系统,构造它的一个全阶广义状态观测器。考虑广义系统的3种可能故障形式,残差由交联项部分和系统的故障两部分组成。为了排除交联项对故障的干扰,实现交联项的解耦,分两种情况讨论残差,并分别设计加权矩阵,给出故障诊断的方法。所给的故障诊断方法在实际应用中切实可行,且能提高故障诊断效率。     

基于定性约束的故障诊断设计

在B. J. Kuipers的QSIM算法基础上,提出了比较约束概念用于消减推理空间。给出了各定性约束的传递规则,用于对系统的推理仿真。以系统故障的观测结果为初始状态,依据约束流的传播,诊断变量异变的位置和原因,并把诊断结果进行正向推理,消除部分冗余。在压缩制冷系统实例中,根据制冷系统的定性微分方程建立约束关系。针对制冷效果不佳的症状,仿真诊断出故障源为系统中有空气或氟利昂充液量过大的故障,与实际系统相一致。     

基于多核CPU的表约束并行传播模式研究

并行传播是并行约束程序领域中的一个研究方向,其研究内容是如何并行执行在约束上的过滤算法.根据维持表约束网络广义弧相容(generalized arc consistency,简称GAC)的串行传播模式,提出了维持表约束网络临时广义弧相容(temporary generalized arc consistency,简称T...     

含未知输入观测器的广义系统故障诊断

基于未知输入观测器设计和故障诊断的概念,讨论含未知输入的Lipschitz条件下非线性广义系统传感器故障诊断问题。在非线性广义系统中,通过引入传感器的故障信号,重新构造非线性广义系统,设计基于未知输入观测器,在满足Lipschitz条件下,实现了传感器故障的检测与分离。给出数值仿真算例验证该算法的有效性。     

基于广义元球的一般约束变形

在计算机动画和形状设计中，变形是一个非常重要的工具.基于广义元球所具有的特殊势函数分布，提出了一个新的包含点、线、面和体约束的一般变形模型.用户定义一系列约束、每个约束的影响半径和偏移量，变形模型根据每个约束和其影响半径产生该约束的广义元球.广义元球确定了一个以约束点集为中心的势函数，该势函数在约束点集处为1，在影响半径处渐变为0.模型直接对整个空间进行变形，而与物体的表示无关，并且变形可由偏移量和广义元球的参数来细微调整.实验表明，该一般约束变形模型不仅有效，而且使传统方法难以做到的线、面、体约束变形成     

基于广义回归神经网络的传感器故障诊断研究

针对诊断传感器偏置故障与漂移故障的难点问题,提出了一种基于广义回归神经网络(GRNN)的传感器故障诊断方法。该方法充分利用控制系统闭环回路测控信息,建立一组多输入单输出GRNN观测器,通过将观测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现控制系统传感器故障在线诊断。仿真结果表明:该方法可以快速准确地检测和分离传感器故障,辨识传感器故障类型、故障大小以及故障发生的时间。     

改进的部分可观Petri网系统在线故障诊断器设计

本文研究部分可观Petri网建模的离散事件系统的故障检测问题.针对现有的部分可观Petri网系统的在线故障诊断器存在故障诊断率较低的缺陷,本文提出了整数线性规划与广义互斥约束集成的部分可观Petri网系统在线故障诊断改进算法.假定部分可观Petri网系统的结构与初始标识为已知,故障被建模为不可观变迁.首先,算法需要观测接收事件序列,求解部分可观Petri网的整数线性规划问题,算法对系统的故障进行初步诊断.初步诊断为不确定诊断的情形,采用广义互斥约束的方法进行诊断.最后,通过离散事件系统实例分析,采用本文的算法,故障诊断率显著提高,验证了算法的有效性.     

广义因果理论的基于模型的诊断

最近,许多学者意识到了将因果关系这一概念应用于基于模型的诊断领域的重要性。然而,他们的研究只局限于简单因果理论。文中提出的广义因果理论包容了更多的信息。文中指出：广义因果理论的诊断空间小于等于相应简单因果的诊断空间。并给出了当待诊断系统的模型为广义因果理论时的基于模型的诊断、基于模型的实质诊断等概念,论证了基于模型的实质诊断与本原蕴含／蕴含式的直接关系,从而将文中的理论结果与实现联系起来。文中进一     

ActiveX技术在卫星故障诊断中的应用

利用ＡｃｔｉｖｅＸ技术实现故障诊断网络化,将ＡｃｔｉｖｅＸ技术与故障诊断技术相结合的方法,基于Ｗｉｎｄｏｗｓ ＮＴ网络系统,实现了某型卫星电源系统的网络状态监测与诊断,包括数据生成、报警、故障检测（推理机、知识维护、对策、解释、征兆获取等）、数据查询等功能。实现了网络状态监测及报警。     

利用CSP求解极小碰集的方法

基于模型诊断是人工智能领域中具有挑战性的问题,包含了很多人工智能中的关键问题,其研究对整个人工智能领域起着重要推动作用.在基于模型诊断中,候选诊断结果通常由所有极小冲突集对应的所有极小碰集所描述,求出所有极小碰集是其核心问题之一.提出一种将极小碰集问题转换为约束满足问题的方法,该方法调用成熟的CSP求解器进行求解,扩展了约束可满足问题的应用领域.首次提出hard-冲突集和soft-冲突集的概念,并给出利用所提的方法分别求解具有一些特征的极小碰集：小于固定长度、不含特定元素及包含hard-冲突集和soft-冲突集.实验结果表明,提出的方法易于实现、扩展性强,对于特定类型极小碰集问题的求解效率较高.     

模糊系统反向传播学习算法在系统辨识中的应用

文中提出了一种模糊逻辑系统的网络模型，给出了相应的反向传播学习算法，并将其用于非线 辨识，构造了于种动态辨识器。