基于鲁棒H2滤波的机电BIT虚警抑制方法

针对基于模型的机电控制系统BIT(built-in test, 机内测试)中的虚警问题,分析系统中的信息不确定性和产生虚警的机理;基于鲁棒H2滤波方法设计BIT故障检测诊断系统,该系统对信息不确定性具有较强的鲁棒性,能够充分地抑制虚警.在某机电跟踪与稳定伺服平台BIT系统上进行仿真研究,结果表明机理分析正确,所提方法有效.     

机电设备BIT虚警问题的传感层影响因素分析和数学模型分析

机内测试 (BIT)系统的虚警率是影响 BIT正常使用的主要问题之一。与电子系统相比 ,由于机电设备的功能和结构的复杂性使得其测试性问题更复杂 ,其中的虚警问题更加突出。研究以机电设备 BIT系统为背景 ,从传感层对虚警率的影响因素着手 ,进行系统分析。首先基于 BIT系统传感层的物理特性分析虚警率的影响因素并进行归纳和提炼 ;其次 ,提出 BIT虚警率的分析模型 ,基于该模型分析结果 ,为降低 BIT系统中的虚警率 ,提出嵌入 BIT传感层数据异常检测和恢复功能的 BIT改进模型 ,并分析了该模型的有效性 ,导出改进模型中影响虚警率的主要特性参数。最后在某船舶动力装置 BIT系统中进行了初步验证。     

机电设备BIT系统中虚警问题的数学模型分析

BIT虚警率是影响BIT正常使用的主要问题之一.与电子系统相比,由于机电设备的功能和结构的复杂性使得其测试性问题更复杂,其中的虚警问题更加突出.本文以机电设备BIT系统为背景,基于BIT系统处理流程对虚警率的进行建模,并对其影响因素进行系统分析.提出BIT虚警率的分析模型,基于该模型分析结果,为降低BIT系统中的虚警率,提出嵌入数据异常检测和恢复功能的BIT改进模型,并证明了该模型的有效性,导出改进模型中影响虚警率的主要特性参数,从而为实现降低虚警率的技术研究提供理论指导.     

直升机航向姿态系统机内测试降虚警方法

振动、温度等环境因素导致的虚警问题严重阻碍着机内测试在直升机航向姿态系统中的应用,针对该问题建立了航向姿态系统机内测试的隐马尔科夫模型,采用正常、虚警、故障等历史信息训练该模型.提出了基于隐马尔科夫模型的降虚警方法,该历史信息与当前机内测试结果相结合,监测识别机内测试虚警.某型直升机航向姿态系统机内测试试验结果表明,该方法可以有效地降低机内测试虚警.     

电静液作动器不确定性建模分析与可靠度计算

不确定性是影响飞机电静液作动器(EHA)可靠性的主要因素。针对消除不确定性影响和提高EHA可靠性的问题,研究了基于概率论的EHA不确定性建模与可靠度计算方法。对EHA不确定性进行了定性分析;在建立EHA线性数学模型基础上,给出了一种不确定性建模方法,并据此分别考虑独立不确定因素和多不确定因素的影响,提出了EHA对这些参数的不确定性建模和可靠度计算方法;以EHA作动筒截面积对输出位移影响为例进行演算,采用Matlab进行仿真对比验证,证明了EHA不确定性模型和可靠度计算方法的正确性。     

用概率假设密度滤波实现同步定位与地图创建

针对杂波环境中传统同步定位与地图创建(SLAM)算法无法有效表达传感器多种信息以及容易发生错误数据关联的问题,提出一种基于概率假设密度滤波的SLAM算法。该算法将每一时刻传感器的观测信息和环境地图表示为随机有限集,建立联合目标状态变量;通过概率假设密度(PHD)滤波对机器人位姿和环境地图状态进行同时估计,并利用粒子滤波实现PHD滤波。在进行目标状态提取时,为避免聚类算法引入的误差,对粒子集进行时滞输出。提出的SLAM算法能准确表达观测的不确定性、漏检以及杂波引起的虚警等多种传感器信息,且避免了数据关联过程,使系统状态估计更接近真实值。仿真实验结果表明:与传统SLAM算法相比,新算法的机器人定位及环境构图精度提高了50%以上,为杂波环境下SLAM问题的研究提供了新的途径。     

资源约束下多过程的不确定时间建模与分析

由于测量不精确、信息不完备以及信息包含噪声等原因,工作流的时间信息会具有不确定性。针对不确定性情况下工作流时间建模和分析的实际需求,基于可能性理论,给出扩展模糊时间工作流网(Extended fuzzy timing work flownets,EFTWFN)定义,实现对不确定性时间信息的全面描述。在考虑资源约束情况下,提出一种工作流多过程EFTWFN模型的推理分析方法,将EFTWFN与线性逻辑结合,定义多种变迁间的化简规则,再基于规则逐步化简EFTWFN模型,从而实现对不确定性时间问题的解决。所提出的方法实用性较强,能够有效处理资源约束情况下工作流多过程的定量和定性两方面问题;而且效率较高,可在线性时间复杂度内完成对问题的求解。在某制造企业中的实例应用与仿真验证表明,该方法具有很好的效果。     

基于未知输入观测器的故障检测诊断降虚警研究

对基于模型的故障检测与诊断中的虚警问题进行了研究,系统地分析了其发生机理,给出了一种基于未知输入观测器生成残差的方法,该方法能够在确保故障检测率要求的同时,使虚警率最小,仿真结果验证了方法的有效性.     

基于未知输入观测器的故障检测诊断降虚警研究

对基于模型的故障检测与诊断中的虚警问题进行了研究,系统地分析了其发生机理,给出了一种基于未知输入观测器生成残差的方法,该方法能够在确保故障检测率要求的同时,使虚警率最小,仿真结果验证了方法的有效性.     

加工过程的不确定性信息分析

加工过程存在着模型、参数和测量等不确定性信息 ,它们具有随机性、模糊性或复合不确定性。研究加工过程的不确定性信息 ,对研究基于信息优化的加工过程智能控制具有重要意义     

机电BIT故障特征选择方法研究

提出一种故障特征选择方法，该方法采用类内类间距离作为特征评价准则，并利用遗传算法良好的寻优能力，解决特征的优选问题。轴承诊断实例证明，该方法有较好的寻优特征子集的能力，能够提高BIT系统的诊断精度，降低系统的虚警率，因而在机电BIT故障特征选择中有较好的应用前景。     

机电系统BIT的非永久故障分析建模与诊断

非永久故障是导致机电系统BIT（built-in test）虚警的一个主要原因,诊断非永久故障既可保证BIT的高故障检测率,同时又可有效地抑制虚警。但是目前缺乏对非永久故障的机理分析与建模,相应的诊断研究也很少。在分析研究非永久故障的表现形式、产生原因与机理的基础上,对被测系统的状态进行马尔可夫建模,再根据被测系统和隐马尔可夫模（hidden Markov model,HMM）的状态都是通过表现来感知的特点,利用HMM对BIT被测系统建模,并提出基于HMM的BIT非永久故障诊断方法,最后通过实验验证表明,此方法能有效地诊断非永久故障,降低BIT虚警。     

基于EMD-HMM的BIT间歇故障识别

针对引起机内测试系统(BIT)虚警的间歇故障,提出了一种基于经验模态分解(EMD)和隐马尔科夫模型(HMM)的间歇故障诊断方法以抑制虚警。首先对原始信号进行EMD分解,选择能量最大的几个固有模式分量函数(IMF)进行特征提取,作为系统状态的观测值;然后将观测值输入到训练好的HMM中进行决策,求取最大似然概率值作为识别结果。结果表明,利用EMD进行特征提取并与HMM方法相结合能很好地分类出各种状态,有效地诊断出间歇故障。     

贝叶斯网络在火灾报警系统中的应用

在火灾报警系统中火灾概率分析存在不确定性因素问题,为此文章提出用贝叶斯网络对火灾概率进行分析。首先通过分析火灾燃烧原理,得到火灾概率与燃烧过程产生的物化特征之间的内在逻辑关系;在定义火灾燃烧特征参量作为贝叶斯网络节点变量的基础上,创建了基于Netica的火灾报警系统贝叶斯网络模型。通过概率推理和对节点的证据敏感性分析,验证了利用贝叶斯网络模型对火灾发生概率进行分析是可行的、有效的。     

非可靠性测试条件下复杂系统多故障定位方法

针对复杂系统多故障并存且实际测试中存在误警和漏检等特点,提出非可靠性测试条件下多故障定位问题的解决方法。以寻找后验概率最大的故障假设为目标,引入贝叶斯理论并结合系统的检测、误警相关矩阵,将原问题转化为一个组合最优化问题。采用改进的偏转次梯度优化算法（modified reflection subgradient optimization algorithm,简称MRSOA）求解优化问题的拉格朗日对偶,获得故障定位结果。对某型雷达发射机在非可靠性测试情况下的多故障定位结果表明,该方法具有较高的定位效率和定位准确度。     

基于动态特征矩阵的k近邻风电机组故障检测方法

受风的间歇性和随机性影响风电机组运行状态频繁切换,导致设备状态异常检测误报和漏报情况严重,风电企业运维成本居高不下。为此,提出了基于动态特征矩阵的k近邻故障检测方法,该方法采用基于互信息的动态特征矩阵描述风电机组的动态特性,通过加权k近邻同时考虑动态特征矩阵中的特征贡献率与累计互信息的影响,利用动态阈值计算降低运行状态突变造成的误报。分别以美国可再生能源实验室5 MW海上风机基准模型的常见传感器和执行器故障以及SCADA数据中记录的变桨系统故障为例,将所提方法的故障检测结果分别与PCA、KPCA、FD-kNN以及PC-kNN故障检测方法进行对比,结果表明所提方法能够准确进行故障信息的检测,所提方法优于其他对比故障检测方法。     

An improved PCA method with application to boiler leak detection

Principal component analysis (PCA) is a popular fault detection technique. It has been widely used in process industries, especially in the chemical industry. In industrial applications, achieving a sensitive system capable of detecting incipient faults, which maintains the false alarm rate to a minimum, is a crucial issue. Although a lot of research has been focused on these issues for PCA-based fault detection and diagnosis methods, sensitivity of the fault detection scheme versus false alarm rate continues to be an important issue. In this paper, an improved PCA method is proposed to address this problem. In this method, a new data preprocessing scheme and a new fault detection scheme designed for Hotelling's T2 as well as the squared prediction error are developed. A dynamic PCA model is also developed for boiler leak detection. This new method is applied to boiler water/steam leak detection with real data from Syncrude Canada's utility plant in Fort McMurray, Canada. Our results demonstrate that the proposed method can effectively reduce false alarm rate, provide effective and correct leak alarms, and give early warning to operators.     

基于自归一化神经网络的电弧故障检测方法

电弧故障是电气火灾的重要原因.低压线路发生串联电弧故障时,回路电流波形的时域特征与正常工作状态类似,采用传统的特征提取方法无法完整表达时域信号的全部数据特征,限制了电弧故障的特征表达能力,导致检测结果的误报率和漏报率较高.针对此问题,提出基于自归一化卷积神经网络的电弧故障检测方法.该方法将采集到的不同种类负载的电流时间...     

基于管道状态关联分析的泵机组故障诊断方法研究

在对现场泵机组和管道过程参数进行综合监测的基础上,提出了一种基于管道状态耦合分析的泵机组设故障监测方法,该方法包括了泵机组的异常捕捉技术、相关管道的实时状态识别以及基于耦合作用的故障判别。现场应用结果证明,该方法能够快速有效的实现机组故障检测和识别,与传统的方法相比大大降低了系统的误报警率。