基于卷积神经网络的构件分类策略的研究

为了提高软件复用过程中构件检索的效率，分析了软件构件分类技术的优缺点以及构件特征，从构件刻面信息的角度，采用卷积神经网络技术，提出一种基于卷积神经网络的构件分类策略；利用卷积神经网络对构件刻面特征进行提取，减少人为因素，提高刻面信息提取精确性，并训练出基于卷积神经网络的构件分类模型，通过具体的实验，来论证该模型的准确性，以达到提高构件检索效率的目的。     

面向构件框架的研究与设计

面向构件软件开发的主要思想是使用现存的构件来建构软件系统,是提高软件开发效率和质量的有效途径,可复用的构件在软件复用技术中作用重大．该文首先阐述了构件的概念和面向构件技术优点,研究并设计了一种面向构件的架构,接着结合现行主流的开源框架,以eclilpse插件的方式给予实现和检验;最后,对面向构件技术的发展进行了展望。     

面向构件框架的研究与设计

面向构件软件开发的主要思想是使用现存的构件来建构软件系统,是提高软件开发效率和质量的有效途径,可复用的构件在软件复用技术中作用重大。该文首先阐述了构件的概念和面向构件技术优点,研究并设计了一种面向构件的架构,接着结合现行主流的开源框架,以eclilpse插件的方式给予实现和检验;最后,对面向构件技术的发展进行了展望。     

工业嵌入式控制系统软件构件的设计

随着计算机在工业控制领域的迅速扩大,软件规模及复杂性的不断提高,软件危机愈加明显地暴露出来,提高软件生产率成为软件产业的当务之急;基于构件的软件复用是当前复用研究的焦点,被视为实现成功复用的关键因素之一;基于构件的嵌入式系统软件复用技术是文中讨论的核心内容,提出工业嵌入式系统的系统级软件设计方法,以软件构件形式对其进行封装,以标准接口形式暴露给用户级应用软件对其进行操作,方便了系统的集成和维护.     

航天测控领域软件构件设计

简单介绍了传统的软件开发方法，叙述了软件构件化开发方法，给出了两个航天测控领域软件设计的例子。     

一个可扩展的OO构件模型的设计

基于构件的软件开发模式是大规模软件复用的一条切实可行的途径。近二十年来面向对象技术的迅速发展为这种开发模式提供了必要的技术支持。从软件设计范型的角度出发可以将构件分为OO构件和非OO构件两类,本文针对OO构件提出了一个简明的OO构件模型和OO构件描述语言,能够描述OO方法学中一些最常用的软件形态,为OO构件的制作、检索和组装提供一种易于实现的基础支持。     

计算机软件构件认知

构件技术已经成为软件技术的重要组成部分之一，其研究对软件技术的多个方面的发展起到了积极的推动作用。但是，构件技术本身的研究却面临着若干问题。分析构件技术研究的现状可以得到，尽管对构件技术中基本概念的认知正逐渐趋于一致，但认识的差异依然存在。     

面向功能构件的软件构件识别方法研究

为了从功能构件中识别出低耦合、高聚合的软件构件,分析了软件构件识别问题,提出了基于业务行为关系的软件构件识别方法,详细介绍了该方法的原理与过程。最后给出一个应用示例,说明方法的合理性和有效性。     

基于构件的应用框架设计

专向领域的复用是提高软件复用水平的主要途径之一，面向领域的应用框架设计则是其中最有效的方式。文中着重介绍了应用框架的基本思想，并给出应用框架设计的具体步骤。     

一种基于过程构件的软件演化过程设计方法

软件构件技术已成为软件开发的一种重要方法,同样过程构件技术在软件过程设计中也起着重要作用。过程构件技术对于提高软件过程的设计效率,增强过程的可复用性以及保证软件过程的质量有着十分重要的意义。主要针对软件演化过程(SEP)的设计,提出一种基于过程构件的过程设计方法,通过对过程构件和连接件进行连接与组装,最后得到以Petri网形式描述的软件演化过程模型。     

嵌入式设备故障检测和诊断系统设计

本文分析嵌入式设备的特点,并在此基础上提出充分利用嵌入式设备提供的接口资源,实现故障检测和诊断的方法,将设备故障定位到电路板级,为板级电路的故障检测和诊断奠定基础。此种方法在复杂工程环境下,无需拆卸嵌入式设备即可判断整机性能,达到故障检测和诊断的基本要求。在这一方法基础上,本文以某车载GPS导航系统为被测对象,详细介绍了故障检测和诊断系统设计。     

基于Web的铁路设备远程故障诊断系统的设计

基于Web的远程诊断为设备故障诊断的远程化、网络化、多专家协同诊断提供了一个便捷的途径,为了实现远程故障诊断的功能,提出了一种基于B/S结构的专家系统,对系统的一些关键技术进行了探讨,分析了诊断系统的服务器及客户端的实现要点,充分体现了基于Web模式进行远程故障诊断的优点。最后通过诊断系统总体功能的实现过程,证明了该方案是可行和有效的。     

设备故障诊断中的特征提取

以某航天器姿控系统为研究对象,对故障的原始特征进行特征提取和选择,以使所建立的故障标准模式由少数几个新特征给予有效的表达,较好地实现了主要故障模式的分离,为提高设备故障诊断能力和故障定位能力奠定了基础。同时,通过考察权系数,可判断出主分量中各个参数的贡献率,这将有利于指导设计阶段的测点选择。     

一种非线性系统被控对象故障诊断方法

控制系统中的传感器、执行器和被控对象的故障检测与诊断往往是把执行器和被控对象视为一个整体来研究, 这不利于故障的决策与处理. 对此, 设计了非线性系统故障诊断的滑模观测器, 提出一种诊断被控对象故障的方法, 即对非线性系统和执行器同时进行观测, 根据两观测器残差的变化情况判断出非线性系统中传感器、执行器和被控对象故障. 最后以单输入单输出非线性系统为例进行仿真, 验证了该方法的有效性.

     

Dissipativity-based distributed fault diagnosis for plantwide chemical processes

Most modern chemical processes consist of a number of process units interconnected with mass and energy flows, often with energy integration and materials recycle loops. As such, faults (process faults, actuator faults, or sensor faults) often propagate to multiple process units (subsystems), causing significant difficulties in fault diagnosis for plantwide systems. In this paper, a general distributed fault diagnosis approach is proposed for plantwide chemical processes, which takes into account the interactions among process units. The distributed fault diagnostic observers are designed to be sensitive to the local faults (local sensitivity) and insensitive to faults in other process units (remote faults insensitivity) and disturbances. The above requirements are formulated as plantwide dissipativity conditions and the gains for the distributed estimators and residual generators are obtained offline by solving a set of linear matrix inequalities. A case study of heat exchanger network is presented to demonstrate the effectiveness of the proposed approach.     

基于Web的设备监测与故障诊断系统的设计与实现

设备的故障诊断技术在现代化的大生产中越来越受到重视,通过基于Web的易于扩展的三层客户/服务器结构(B/S)模式的故障诊断技术的应用研究和具体实现过程,体现了基于Web模式进行设备故障诊断的优点和可行性,提出了一种设备监测与故障诊断的方法.通过组建监测诊断网络系统,可以实现仪器互联,资源共享,降低测试成本,提高测试效率.随着网络技术和数据库技术的发展,基于网络的监测诊断系统是仪器技术发展的必然趋势.     

Design of optimal structured residuals from partial principal component models for fault diagnosis in linear systems

A new method to generate optimal structured residuals from partial principal component models is introduced. The models are selected according to a pre-designed fault-to-residual structure matrix. The structures are so chosen that a certain degree of freedom is left to allow optimization. The performance measure for optimization is the ratio of the fault-gain to the noise standard deviation in the residual; a max–min solution is sought that maximizes the smallest of these measures within a given residual structure. In the special framework of partial PC models, the solution is obtained as a linear combination of the eigenvectors spanning the residual space of the partial model. For the basic case, a two-dimensional residual space, there is a single continuous-valued optimization parameter; with higher dimensional residual spaces the dimension of the optimization problem is growing as well. The new parametric optimization is integrated with structural optimization, utilizing earlier results. Also, the basic static algorithm is extended to discrete dynamic systems. In a simulation example, using data from an emulator of the Space-Shuttle main fuel tank, we demonstrated one and two-dimensional searches (two and three-dimensional residual spaces) and compared them to the fixed, maximum-zero residual design.     

A hybrid fault diagnosis strategy for chemical process startups

Development of fault detection and diagnosis has been emphasized for industrial processes in order to reduce process downtimes and maintain high quality products with reduced environmental effects. Faults occur more frequently during process startups due to dramatic state variations and tendency of manual operation, and it is therefore vital to diagnose and correct any faults efficiently during process startups. In this paper, a new fault diagnosis method for process startups is developed using on-line dynamic time warping technique in combination with the principal component analysis. SymCure reasoning under the G2 Optegrity is integrated to the strategy so that the method is able to diagnose new faults unknown to historical data. The proposed method was tested on startups of a lab-scale distillation column. Results indicate that it can diagnose both known and unknown faults effectively with improved computational efficiency.     

电子部件故障诊断的Dempster-Shafer信息融合算法

针对电路故障元件诊断的不确定性问题,给出了光电雷达电子部件故障定位的多传感器Dempster-Shafer(DS)信息融合方法.通过测试电路中的被诊断元件的工作温度和工作电压,得出了DS证据理论中两传感器对各待诊断元件的信度函数分配,再分别利用利用模糊规则和DS联合规则得到融合后的信度函数分配,从而确定故障元件.单传感器诊断与融合诊断的结果比较说明多传感器融合算法具有较高的准确性,而模糊融合算法与DS算法的结果比较则说明DS算法在故障诊断方面更具有优越性.     

一种基于输入训练神经网络的非线性PCA 故障诊断方法

简要讨论了线性PCA故障诊断方法存在的问题，提出一种基于输入训练神经网络的非线性PCA故障诊断方法。该方法首先利用输入训练神经网络和BP网络双网络机制，实现非线性主元的识别，并采用统计方法进行故障检测与故障分离。对CSTR的仿真研究结果表明，该方法能够克服线性PCA方法在提取过程变量的非线性特征方面存在的不足，并能够准确地进行故障检测和分离。