SDG建模及其应用的进展

符号有向图SDG(signed directed graph)是描述大规模复杂系统的一种有效方式,通过节点和有向支路表示了系统变量或局部之间的因果影响关系.近年来,关于SDG的研究已经成为热点并已取得许多成果,特别是在安全分析领域得到了重要的应用.本文在概述了SDG方法的产生背景与发展近况的基础上,主要综述了SDG研究中的若干重要问题,包括SDG模型的数学描述和基于数学模型、流程图和经验知识的三种建模方法,以及SDG在安全评价和故障诊断领域研究和应用的相关成果,总结了相关方法的优缺点,其中的核心问题是推理方法及其效率.最后对SDG技术的发展方向做出了展望,定量信息引入、推理方法、计算机建模等方面都有待于进一步研究.     

模糊SDG故障诊断方法及其应用

基于SDG的故障诊断方法在使用过程中,由于阈值设定不合理会导致故障的误报或漏报。针对该问题展开研究,提出模糊SDG模型,建立五级SDG模型并引入参数模糊隶属度,提出相应的模糊推理算法。通过将模糊SDG模型及其推理方法应用于某常减压蒸馏装置进行故障诊断实例分析,验证了方法的有效性和可行性。     

基于Django框架的故障诊断和安全评估平台

符号有向图(SDG)作为一种定性研究方法,在系统推理和图形绘制上有待改进.详细描述了计算机辅助下的SDG故障诊断和安全评估平台的开发过程.平台的开发基于开源Django框架,具有搭建维护简单、操作方便、易于二次开发等特点;利用分层SDG模型和新的推理算法实现对系统的故障诊断和安全评估,支持故障传播路径查询和分层SDG的自动绘制.以田纳西-伊斯曼过程(TEP)为例,对平台的有效性进行验证,结果证明平台推理结果完备、有效,具有实际应用的前景.     

模糊SDG故障诊断及推理方法研究

本文概述了故障诊断技术在国内外发展及各种故障诊断技术的理论方法,针对定性符号有向图(SDG)故障诊断技术在定量信息表达虚假解多、分辨率差等缺点,在定性sDG故障节点引入阈值的概念,将符号有向图节点偏差模糊化为定性模糊偏差,建立了基于SDG模型和模糊融合的故障诊断方法,包括SDG建模、故障源数检验和故障诊断等步骤.     

基于概率符号定向图的故障诊断方法的研究

本文在传统SDG算法中引人节点、支路的概率信息,建立概率符号有向图（PSDG）模型对常减压蒸馏装置进行全面深入的安全评价分析。本文提出的安全分析推理算法,能够提供故障诊断的准确性和分辨率。     

控制系统的SDG模型描述及故障传播分析

讨论了控制系统的符号有向图(SDG)模型描述和故障在控制系统中的传播方式及分析方法.该方法按控制回路信息流向的正反推理,分析初始和稳态响应的故障传递规律,通过基本单元的组合可以扩展到各类控制系统的SDG描述和故障传播分析.以锅炉水位控制系统为例,验证了该方法的有效性.     

基于模糊分层SDG模型的故障推理方法

针对传统 SDG 模型诊断方法存在的诊断分辨率低、速度慢、效率低等不足,提出了一种基于模糊分层SDG模型的故障推理方法. 首先建立系统的SDG模型,并进行分层;再利用模糊变量表示节点变量,用条件概率表表达节点间的定性因果关系;最后利用贝叶斯推理和回溯搜索找出故障源候选集,并对候选解进行排序. 应用提出的方法,进行了某型号航空发动机燃油调节系统故障诊断,结果表明该方法能够提高诊断的分辨率和效率,诊断结果准确而且完备.     

基于符号有向图的故障诊断系统及其软件平台

基于符号有向图(SDG)的故障诊断系统不依赖精确数学模型和在线数据,适用于外场通用故障诊断设备实施现场诊断。建立图形化SDG模型开发平台是实现其通用性的关键。基于Visio的软件实现通过模具设计和功能扩展降低了平台开发成本,提高了平台运行的可靠性,也使得现场维护人员可以方便地利用其扩展诊断设备功能。     

基于SDG故障诊断的传感器分布优化设计

故障诊断是化工企业安全生产中一项重要的工作，其诊断方法的效率主要取决于监视过程变量传感器的配置。现有的双向图的设计方法配置过程繁琐，容易出错。针对这个问题，提出一种改进的基于SDG故障诊断的计算机程序算法来设计传感器的网络分布。通过对一个化工实例的仿真研究表明，这种改进的计算机程序算法具有效率高、信息利用量大、准确率高和简单易用的特点，为将基于SDG的故障诊断的方法应用于实际控制过程提供了一种新的途径。     

模糊概率SDG模型及故障推理方法

基于符号有向图(SDG)的故障诊断方法具有良好的完备性和易于解释性,但其存在分辨率差的缺陷,为此提出基于模糊概率SDG模型和贝叶斯推理的半定量故障诊断方法.用模糊变量表示节点变量,用条件概率表(CPT)表达节点间的定性因果关系,利用贝叶斯推理和回溯搜索找出故障源候选解的集合,并对候选解进行排序.最后建立了某卫星一次电源系统的诊断模型.仿真结果表明,该方法有效地提高了诊断的分辨率,适用于航天器在轨故障诊断.     

用虚拟连杆构造冗余残差对多关节机械臂进行故障诊断

提出了一种多关节机械臂的故障诊断方法.基于机械臂各个关节间的转动传递关系,对多个关节构造虚拟连杆的残差,利用虚拟连杆与机械臂工作空间残差间构成的冗余关系进行故障诊断.将残差阈值的设计与机械臂末端位置的渐变相联系,改进了现有方法中判别关节故障没有利用关节间位置关系的不足.     

基于KPCA的半定量SDG过程故障诊断方法应用研究

近年来,过程工业安全事故频发,这使得加强生产过程安全保障变得迫在眉睫,而对于过程故障的监测、诊断是有效规避故障产生严重后果的一个有效方法。本文提出了一种基于核主成分分析(KPCA)的半定量符号有向图(SDG)故障诊断方法。此方法运用KPCA对过程进行异常检测,当找到异常过程变量后,通过引入相对偏移率和分类诊断对传统SDG进行改进,从而得到故障的完整传播路径,为故障诊断以及后续的故障处理提供了有效的指导。通过在TE过程中的仿真验证,结果表明,本方法诊断效率高,精确度高,为保证生产安全运行,提高产品质量提供了新途径。     

基于结点优化的决策导向无环图支持向量机及其在故障诊断中的应用

支持向量机(Support vector machine, SVM)是利用离在线数据自动建立故障诊断模型的智能方法,它在多故障诊断时, 必须先进行多分类扩展. 决策导向无环图(Decision directed acyclic graph, DDAG)法是一种性能优秀的多分类扩展策略, 但该方法的决策结果与结点的排部密切相关, 而其结点的排部却是主观的, 影响了诊断的正确率. 本文提出一种根据故障数据的空间分布来优化结点排部的方法, 它能够提高支持向量机诊断的正确率. 采用该方法扩展的多分类支持向量机在变压器故障诊断中获得良好效果.     

SDG故障诊断规则的知识约简

符号有向图(SDG)是揭示流程系统深层知识的定性模型,用于描述流程系统的状态变量及其变量间的故障信息传递关系.当系统的状态变量过多,运用SDG故障诊断算法生成的故障规则过于庞大,推理困难.粒矩阵的知识约简算法能有效约简冗余属性.因此,将粒矩阵的知识约简算法引入SDG故障诊断,以电站除氧器系统为例,使用粒矩阵的知识约简算法约简主要故障的故障规则,简化规则中的冗余节点,提高故障诊断效率,最后验证了约简后的故障诊断规则的正确和有效.     

基于贝叶斯网络的故障诊断专家系统

现代系统设备的日趋复杂化和自动化,对故障诊断技术提出了更高的要求;随着人工智能技术的发展,故障诊断技术向智能化方向发展,如何将人工智能技术应用到故障诊断中去,是当前研究的重点;为了实现对汽车发动机已发故障和潜在故障的快速高效诊断,根据发动机故障知识结构特性,将贝叶斯网络因果有向图的故障知识表示方法引入到专家系统中,并采用可在线监控和离线诊断的推理机制,在G2平台下实现了汽车发动机故障诊断专家系统,系统应用的效果表明了该方法的可行性.     

基于有向图的飞机增压系统功能建模故障诊断研究

针对民用飞机系统的复杂性和故障诊断的特点,基于有向图理论建立了飞机增压系统的功能模型,进而设计了故障诊断算法以实现精确的故障定位;首先,通过分析增压系统的组成得出各组件之间的功能关系;然后根据功能建模方法,结合图论知识将系统个组件功能赋予有向图中的节点,建立系统的功能模型;最后将可测试组件作为关键节点,定义优先权值以缩小故障点集,设计故障诊断流程图完成了系统的故障定位;从实例分析结果来看,所研究的故障诊断方法能准确定位数字式增压控制器这一元器件级别的故障,提高了排故精度和效率。