基于PMC模型的高效人工免疫诊断算法

诊断算法是系统级故障诊断的一个重要研究课题.文献[10]提出PMC模型下的人工免疫诊断算法,但是没有充分利用PMC模型的特点,并在计算亲和度的时候给出一个假设.对此首先利用PMC模型的特点优化初始种群的质量,其次定义优化后的亲和度函数,最后提出新的算法流程,并证明算法的正确性和收敛性.模拟实验显示在CPU时间和迭代次数上都优于原算法.     

PMC模型下的一个贪婪诊断算法

提出了一种PMC模型下基于矩阵运算的贪婪诊断算法——MGFD算法。算法结合作者曾经提出的"绝对故障基"思想,首先剔除绝对故障基,得到一个维度减小的矩阵,之后根据该矩阵求得集团。在文献[10]提出的四个贪婪诊断算法的基础上,提出集团的内贪婪因子、外贪婪因子、综合贪婪因子等概念,设计了新的贪婪准则。论证了MGFD算法的正确性,并对算法进行了实验仿真。实验结果表明,MGFD算法相比文献[10]提出的贪婪诊断算法,具有较高的诊断正确率。     

基于PMC故障模型的NASD诊断算法

在PMC故障模型下,现有的自适应顺序诊断算法（ASD算法）不能充分利用所有的测试结果。为了有效地减少测试次数,提高诊断效率,提出一种新的自适应顺序诊断算法（NASD算法）。引入相对故障单元的概念,给出并证明了故障单元和无故障单元的判别定理。据此给出系统诊断的策略：（1）边寻求无故障单元边确诊故障单元;（2）已确认的故障单元不再参与任何测试;（3）找到无故障单元或故障单元数接近一半时,系统诊断结束。实例表明,NASD算法优于其他ASD算法。     

改进的基于互测PMC模型的系统级故障诊断集团算法

该文改进了基于互测PMC模型的系统级故障诊断集团算法的理论，通过定义集团测试边和绝对故障集，简化了集团诊断图，由此能较易地找到所有的基于互测PMC模型的相容故障模式(即使不满足t—可诊断性)，从而大大减少了系统级故障诊断的复杂度，尤其是对强t—可诊断系统。     

Cross-cube在PMC诊断模型下的可诊断性

可诊断性度是衡量一个互连网络可靠性的重要指标。Cross-cube是超立方体的一种重要变型,与超立方体相比有许多好的性质。PMC模型是并行计算系统中的一种经典的诊断模型,在该模型下有两个著名的诊断策略：精确策略和悲观策略。证明了n维Cross-cube在精确策略下的可诊断性度是[n+1(n≥4)],在悲观策略下的可诊断性度是[2n-2(n≥4)]。证明了Cross-cube在精确策略下的可诊断性度大于超立方体的可诊断性度,在悲观策略下的可诊断性度与超立方体的可诊断性度相同。     

基于PMC模型的MWOFD算法

为了诊断出系统中的故障单元,首次将贝壳漫步优化算法用于解决系统级故障诊断问题,提出一种高效快速的诊断算法--MWOFD诊断（Mussels Wandering Optimization Fault Diagnosis）算法。结合系统级故障诊断的特点,设计了个体化编码及初始化的方法,并根据诊断模型所满足的方程约束重新设计了适应度函数,同时对二进制映射算法进行优化。最后将新算法与AD-FAFD算法,FAFD算法和EAFD算法进行实验对比,结果表明：MWOFD算法有效地提高了诊断正确率和诊断效率。     

Chwa & Hakimi故障模型方程诊断的理论基础

针对基于对称比较的系统级故障模型———Chwa&Hakimi模型 ,建立起“方程诊断”的有关概念 ,把该模型等价地转换为一个方程 (或方程组 )。对于一类特殊的Chwa&Hakimi模型找到了求全体相容故障模式的具体算法 ,该算法为寻求一般情形下Chwa&Hakimi模型的全体相容故障模式奠定了理论基础和算法基础。     

PMC诊断模型下的网络条件可诊断度研究

可诊断度是确保互连网络的可靠性的重要指标,是当网络的节点发生故障时,快速准确地找出网络中故障节点的能力。PMC模型是一种传统的系统诊断模型,迄今已有许多相关的研究成果并已被广泛地应用。本论文基于PMC诊断模型,在每个节点都有一个无故障邻居节点的条件下,证明当δ_E (G)≥15 且δ(G)≥5时,无K_3子图的图G δ_E 1条件可诊断;当δ_E (G)≥7且δ(G)≥3时,二部图G δ_E 1条件可诊断。     

对称比较模型下的系统级故障诊断

本文在对称比较模型下研究系统级故障诊断问题，提出了一个非自适应诊断算法和一个自 适应诊断算法，并分析了它们的诊断开销。     

移动计算环境下装备故障诊断模型研究

针对目前装备维护方面的实际需求,提出了基于案例推理的移动计算环境下装备故障诊断模型;在充分考虑到移动设备与PC机性能差异的基础上对案例推理的中心环节——案例检索进行了优化,并重点研究了相似度匹配算法,最后对整个模型进行了实验验证。结果表明该模型适用于移动设备,且具有较高的效率。     

On the Characterization and Fault Identification of Sequentially t-Diagnosable System Under PMC Model

Sequential diagnosis is a very useful strategy for system-level fault identification because of its lower cost of hardware.In this paper,the characterization of sequentially t-diagnosable system is given,and a universal algorithm to seek faulty units in the system is developed.     

一种改进的基于免疫网络模型(aiNet) 的故障诊断算法

根据抗体群与抗原群的匹配关系,提出一种改进的基于免疫网络模型(aiNet)的故障诊断算法.建立了自适应调整剪枝和抑制阈值的规则,并对K近邻算法的附加距离阈值加以限制,提高了基于aiNet故障诊断算法对已知故障的识别率,克服了其不能识别新故障的缺点.仿真结果表明,改进算法具有优良的故障诊断性能.     

多层免疫故障诊断模型的研究

借鉴生物免疫系统的分层防御机理以及层次间的相互刺激作用,提出了用于网络故障诊断的多层免疫诊断模型。模型采用三层结构,包括固有诊断层、故障传播识别层和适应性诊断层。固有诊断层考虑故障在发生概率上相互独立的已有知识,故障传播识别层采用B细胞免疫网络作为故障定位的故障传播模型,适应性诊断层学习和概括未知故障中发现的模式。多层故障诊断方法既能检测出已知故障,又能检测出未知故障。采用网络故障传播模型及定位算法,能找出最优的测点组合诊断所有的故障,可以减少需测测点的数量。     

基于学习矢量神经网络的电力变压器故障诊断

提出了一种基于学习矢量化(Learning Vector Quantization)神经网络分类器结合油中溶解气体分析(DGA)的变压器故障诊断方法,把故障信号的训练样本输入到LVQ网络中进行训练,利用网络的竞争性将分类信息转变成使用者所定义的类别.训练和测试结果表明了该方法的有效性.     

基于LPV建模的故障诊断方法研究

建立航空发动机动态线性变参数（LPV）数学模型准确反映发动机动态特性,较好地消除了模型偏差对故障检测准确率的影响,并针对传感器典型故障进行仿真。仿真结果表明,所研究方法准确度高,实时性好,对模型误差具有较好地鲁棒性。     

基于网络模型的输电线路缓变故障诊断方法

针对输电线路缓变故障的故障机理不明确,全系统的故障及时诊断和仿真困难等问题,提出了基于网络模型的缓变故障诊断方法。引入复杂网络集群划分中的模块性概念,解决了状态划分过程中的数据间相似度测度和划分测度问题。利用网络结构反映故障状态和特征,建立故障诊断网络模型,把输电线路故障诊断转化为子网络探测问题。通过多传感技术针对同一故障的多种故障表征,多层次多领域采集不同的特征量,选择故障反映灵敏度高的状态信息量,从而较好分析诊断故障。通过实验仿真对比,证明了基于网络模型的故障诊断方法对输电线路缓变故障诊断具有较高的正确率和容错性。     

基于PSO神经网络的故障诊断方法研究

将粒子群优化算法和BP算法相结合,提出了一种基于粒子群神经网络的故障诊断方法.该方法分阶段实施神经网络的训练,有效地加强了算法的全局搜索能力,采用PSO优化了传播中的权值、阈值以及网络结构.这不仅弥补了BP算法的不足,而且删除了冗余连接,提高了故障模式识别的能力.仿真结果表明该方法加快了神经网络的学习收敛速度,提高了故障模式的识别正确率,可以有效地应用于设备的故障诊断.