改进的模糊Petri网在民航飞机故障诊断中的应用

针对民航飞机系统的复杂性,采用了反正向推理相结合的模糊Petri网的故障诊断模型.首先,依据预设的变迁阈值,采用反向搜索策略,对建立好的模糊Petri网模型进行约简,以减小后续推理规模,提高推理搜索速度;然后采用正向推理算法进行数值计算,将复杂的推理过程通过矩阵运算实现,充分利用了模糊Petri网的并行处理能力,使模糊...     

基于适应型Petri网的民航飞机故障诊断研究

针对民航飞机系统故障诊断的复杂性,提出了一种粗糙集与Petri网相结合的诊断方法;利用粗糙集理论不需要提供待求解问题所需处理的数据集合之外的任何先验信息的特点,得到一种诊断规则的自动获取方法,可有效解决飞机系统故障诊断专家系统在知识获取方面的"瓶颈";在获取规则的基础上建立Petri网模型,运用改进的关联矩阵和状态方程计算方法,将诊断问题转化为矩阵运算,使复杂的推理转变为简单的数学运算,提高了推理搜索速度;最后通过实例分析验证了该算法的可行性与有效性.     

基于组合逻辑的故障诊断方法

针对复杂系统故障传播和故障分析的模糊性和不确定性,首先,在逻辑Petri网和模糊Petri网的理论基础上,根据逻辑Petri网的传值不确定性以及模糊Petri网对模糊信息的表示和推理能力的特点,提出模糊逻辑Petri网的概念及推理规则,考虑不同故障源对故障的影响程度,将概率信息引入模糊逻辑Petri网,对故障源赋予置信度,使故障诊断过程更符合实际。其次,利用模糊逻辑Petri网对故障诊断系统进行建模,用模糊逻辑Petri网描述了系统故障状态组合的逻辑关系,并进一步简化了系统模型的表达形式,具有良好的封装性、重构性和可维护性,在一定程度上缓解了状态组合空间爆炸问题。针对故障的传播性,采用可达性分析方法对故障信息的传播路径进行模拟论证,提高了故障诊断效率。最后,通过离心式压缩机故障诊断过程实例分析,验证了该方法的有效性和可行性,提高了故障诊断过程的准确性和高效性。     

基于模糊神经Petri网的故障诊断模型

Petri网是对具有产生式规则的故障诊断系统的有力建模工具，但其缺乏较强的学习能力．本文以Petri网的基本定义为基础，结合模糊逻辑和Petri网模型，定义了模糊Petri网模型，在此基础上引入人工神经网络技术，给出了人工神经网络的模糊Petri网表示方法，并针对工程机械故障诊断异步、离散等特点，提出并建立了故障诊断的模糊神经Petri网模型及其改进模型．基于模糊神经Petri网的故障诊断系统结合了Petri网和人工神经网络的优点，经过自学习后同时具有很强的推理能力和自适应能力．     

飞机系统的智能化故障诊断研究

通过分析民航外场维修诊断现状，综合运用人工智能，模糊逻辑和神经网络等先进理论，提出了一种基于模糊系统与神经网络融合的飞机系统智能故障诊断方法，该方法经对A320飞机故障实例的诊断仿真，得出了比较满意的结果。     

模糊推理Petri网及其在故障诊断中的应用

分析了推理Petri网与传统Petri网的共性和区别,给出了模糊产生式规则推理 Petri网模型.在此基础上,给出了有效的推理算法,并以极大代数矩阵算子进行了形式化表 示,此算法充分利用了Petri网的数学理论基础和描述并发系统的能力,具有并行推理能力, 可以同时得到推理后系统的全部状态值.最后举例说明了其在故障诊断中的应用.     

分层级故障诊断策略与规则的优先权排序方法

针对某些复杂设备很难有效地创建基于元器件层次分解的诊断树的特点,提出基于故障类别信息的分层级故障诊断推理策略,给出相应的规则存储模式并引入规则优先权;然后提出基于模糊多属性群决策理论的规则优先权排序方法;最后给出该诊断推理策略的可信度的传递算法和具体推理流程;应用实例和分析表明,所提出的方法在冲突消解方面具有很好的效果,可有效提升诊断效率.     

基于模糊Petri网的汽车故障诊断仿真研究

本文将Petri网和模糊推理相结合,建立故障诊断的模糊Petri网模型。其中,用FPN表示模糊产生规则,用Petri网的变迁激活规则进行故障诊断推理,从而分析出异常行为过程间的因果关系,推理出故障的原因及其可信度。以汽车故障诊断为例,建立了基于模糊Petri网的诊断模型。通过仿真分析,验证了模型的正确性和算法的有效性。     

一种面向故障诊断的模糊Petri网

运用Petri网进行故障诊断推理时,常存在一种故障对应着多种原因的可能,推理结论不能区分并列原因间的相对可能性,且不能体现人工经验.针对这一问题,定义了一种面向故障诊断的模糊Petri网,运用基于状态方程的推理方法,将人工经验用模糊值表示并参与推理运算,以相应库所对应的模糊信息值来衡量库所对应事件的可信度,从而可以实现区分并列事件间的相对可能性.通过某控制系统故障诊断实例,验证了所定义的模糊Petri网和状态方程及其诊断算法的正确性和有效性.     

基于模型的飞机燃油系统故障诊断系统的设计与实现

燃油系统作为飞机不可或缺的功能和保障系统,对飞机的飞行安全有着重大影响.传统故障诊断方法已经不能满足日益复杂的燃油系统诊断和维护需求.基于模型诊断是为了克服传统诊断方法的缺点而兴起的一项新型的智能推理诊断技术.研究了基于模型的飞机燃油系统故障诊断方法,建立了故障诊断模型,给出了基于模型的燃油系统故障诊断推理策略.设计并...     

基于直觉模糊Petri网的故障诊断

故障诊断经常受到多种不确定性和模糊性因素的影响,针对不确定性的故障诊断问题,利用直觉模糊集较好的表达不确定性信息的优势和Petri网较好的并行处理以及图形处理问题的能力,构建了直觉模糊Petri网模型。由于将直觉模糊推理转化为矩阵运算的过程中有非隶属度参数的参与,因此推理结果可提供更多的信息。根据实际故障诊断中的模糊推理问题,给出了带有权值、阈值等参数条件下新的直觉模糊推理算法。通过获取和处理故障诊断中的不确定性和模糊性的知识,该算法将故障诊断过程转化为利用直觉模糊Petri网的直觉模糊推理过程。实际燃气轮机故障诊断模型案例表明了所给直觉模糊推理算法的有效性。     

模糊Petri网在航电总线系统故障诊断中的研究

航电总线系统结构复杂,各部件相互耦合,故障传播模式多样化。因此,为了处理故障诊断中不充分和模糊的信息,提出了将模糊Petri网应用到航电总线系统的故障诊断中,构建出其故障的传播模型,并在模型的基础上,给出有效的推理算法。表明利用模糊Petri网,可以建立航电总线系统的故障传播模式的模型,清晰地反映故障的产生、发展及影响。     

模糊时间Petri网的时间推理及其在过程监测中的应用

针对传统分析方法的不足,提出用线性逻辑给出模糊时间Petri网描述和时间推理的方法。该方法能清楚地分析模糊时间Petri网的运行行为,具体例子说明了其在系统过程监测和诊断中的应用。     

遗传神经网络故障诊断自适应Petri网模型

研究故障诊断优化问题。针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,造成故障诊断难以精确,提出了将遗传算法、神经网络和传统Petri网模型结合,形成了一种改进的自适应的加权Petri网模型以及模型的构造算法,同时在此基础上,采用改进的遗传算法对神经网络模型的权值进行优化训练,并给出了采用构造的自适应模糊Petri网模型对故障进行诊断的具体步骤。仿真实例验证了算法的有效性,对柔性制造系统实例的故障进行诊断,验证了此自适应的加权模糊Petri网模型结合了Petri网和遗传算法的优点,具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断。     

基于感知模糊Petri网的自动装弹机故障分析方法

坦克自动装弹机故障发生率高,原因复杂,为了缩短自动装弹机故障诊断时间,提高诊断准确度,在分析了自动装弹机内部原理及获取相关专家经验后,提出了一种基于感知模糊Petri网的故障诊断方法。结合自动装弹机的具体构造建立对应的PFPN故障模型,通过模糊Petri网表示故障传播过程,利用感知机误差反向传递方法学习有限的专家经验,确定Petri网络中触发事件的权值。通过正向推理,实现了对自动装弹机故障的准确判断。逆向推理结合最小割级方法,缩小排查范围,提高推理效率。以旋转故障机为例建立对应的 PFPN故障模型,与故障树模型诊断结果和历史诊断数据对比,验证该故障分析方法的合理性和有效性,实现了对自动装弹机的快速准确的故障诊断。     

Fault diagnosis and cause analysis using fuzzy evidential reasoning approach and dynamic adaptive fuzzy Petri nets

Fault diagnosis is of great importance to all kinds of industries in the competitive global market today. However, as a promising fault diagnosis tool, fuzzy Petri nets (FPNs) still suffer a couple of deficiencies. First, traditional FPN-based fault diagnosis methods are insufficient to take into account incomplete and unknown information in diagnosis process. Second, most of the fault diagnosis methods using FPNs are only concerned with forward fault diagnosis, and no or less consider backward cause analysis. In this paper, we present a novel fault diagnosis and cause analysis (FDCA) model using fuzzy evidential reasoning (FER) approach and dynamic adaptive fuzzy Petri nets (DAFPNs) to address the problems mentioned above. The FER is employed to capture all types of abnormal event information which can be provided by experts, and processed by DAFPNs to identify the root causes and determine the consequences of the identified abnormal events. Finally, a practical fault diagnosis example is provided to demonstrate the feasibility and efficacy of the proposed model.