风电机组故障诊断中不确定性信息处理的贝叶斯网络方法

针对风电机组故障信息耦合性、模糊性的不确定性特点,结合贝叶斯网络在处理不确定性问题上的优势,提出了风电机组故障诊断的贝叶斯网络方法.重点研究了该方法的两个关键问题,即风电机组故障诊断的贝叶斯网络建模和贝叶斯网络推理.构建了一种基于事故树分析方法的三层CME贝叶斯网络模型并解析了贝叶斯网络的故障推理过程,通过风电机组齿轮箱的故障诊断实例验证了上述模型的可行性和贝叶斯网络推理的有效性.研究成果对具有相关不确定性问题的机电设备故障诊断有借鉴意义.     

贝叶斯网络在水电机组故障诊断中的应用研究

分析了传统故障诊断方法对于处理实际系统中的不确定性问题时所存在的不足,将贝叶斯网络的理论与方法应用到水电机组故障诊断中,介绍了贝叶斯网络的建模方法与推理机制,并通过一个专家系统的建模过程与诊断结果,证明了基于贝叶斯网络的水电机组故障诊断专家系统所具有的独特优点。     

基于故障树和贝叶斯网络的故障诊断模型

针对设备故障诊断技术中存在的固有不确定性问题,通过分析传统故障树模型存在的局限性以及传统贝叶斯网络建造困难的特点,提出了一种融合于故障树和传统贝叶斯网络的新方法—诊断贝叶斯网络法,并阐述了故障树和贝叶斯网络的故障诊断策略优化方法的基本思想和具体算法.通过综合分析故障树和贝叶斯网络在诊断推理和模型表达方面的特点得出,新方法可使二者充分发挥优势,有效解决故障诊断中存在的不确定性问题,提高了诊断的准确率,在故障诊断领域中具有一定的实际应用价值.     

一种基于动态贝叶斯网的高效多故障诊断算法（会议）

故障管理是网络管理的重要内容之一,快速准确地定位网络故障是一项重要的研究课题。基于静态贝叶斯模型的故障诊断方法已被广泛采用,但当网络动态变化时,该方法具有很大局限性。目前,当网络动态变化时,可以提高诊断准确度的算法是基于动态贝叶斯模型的,但已有算法复杂度较高,不适用于规模较大的网络。本文首先将被管系统建立成动态贝叶斯模型,并提出一种能够处理多故障的近似推理算法。接下来通过复杂度分析,证明该近似算法时间复杂度为多项式级,远远低于精确算法的时间复杂度下限,可以用于解决大规模动态网络的故障诊断问题。最后通过实验证明,本文提出的新算法在准确度方面虽然略低于精确算法,但执行效率上远远高于精确算法。     

配电网可靠性评估贝叶斯网络区间算法

提出一种基于贝叶斯网络的配电网可靠性评估区间算法。为计及元件可靠性参数的不确定性,引入区间数运算法则,基于贝叶斯网络的双向推理模式,计算负荷点和系统的区间可靠性指标并辨识其薄弱环节。通过RBTS母线2等算例系统的可靠性评估和分析,证实算法的正确性和有效性。     

一种基于规则库的贝叶斯网络开发器的设计与实现

贝叶斯网络作为不确定性知识表达和推理的一种方法在很多领域都有着广泛的应用，作者在文中提出了一种根据许多专家提供的规则库进行贝叶斯网络结构学习的新算法，并且通过严密的推理对以往的CPT学习算法进行了一些有意义的改进，进而形成了一个较为完备的贝叶斯网络学习。     

基于GO法与DBN的冗余系统可靠性分析

为获得冗余可修系统在共因失效影响下的可靠性动态变化规律,提出了一种将改进GO法与动态贝叶斯网络相结合的新算法。首先,根据系统的原理图与流程图建立GO图模型;然后,基于信号流与各操作符向动态贝叶斯网络的映射规则,将GO图模型转化为动态贝叶斯网络;最后,凭借动态贝叶斯网络成熟的软件与算法对模型进行求解。通过对算例的验证和比较可以得出,该方法不但能够得到冗余系统的可靠度与可用度随时间变化的动态曲线,还能处理维修因素与共因失效对分析结果的影响。此外,新算法具有强大的反向推理能力,可迅速获得系统的薄弱环节,为实现系统的故障诊断提供理论支持     

基于PSO-VMD与贝叶斯网络的滚动轴承故障诊断

为解决电机在变负载运行条件下滚动轴承振动信号故障的特征提取困难、故障诊断准确率低的问题,提出一种基于变步长粒子群的变分模态分解与贝叶斯网络相结合的滚动轴承故障诊断模型。通过变步长粒子群算法优化的变分模态分解与Hilbert变换,提取故障信息并离散化处理,构建贝叶斯网络故障诊断模型,对滚动轴承故障发生概率推理,并利用完备、不完备数据集以及噪声试验验证该方法的准确性。仿真结果表明,该方法能高效提取特征信息,实现对不确定信息的推理估计,提高滚动轴承故障诊断的准确率,在滚动轴承的故障诊断预测中具有较好的理论与应用前景。     

基于故障树及贝叶斯网络的继电保护系统风险评估及故障定位方法

继电保护系统故障树是保护系统危险性辨识和评价的重要工具.针对故障树顶级事件发生率难以精确获取、故障树不能进行反向推理等不足,提出基于故障树和贝叶斯网络的继电保护故障风险评估方法:正向上,依据保护实时运行数据确定贝叶斯网络根节点(对应故障树基本事件)故障状态,结合贝叶斯网络推理给出贝叶斯网络叶节点(对应故障树顶级事件)的故障概率,实现保护系统的先验风险预测;反向上,由贝叶斯网络叶节点故障,结合贝叶斯条件概率公式,计算贝叶斯网络根节点的故障概率,实现故障原因的后验定位及溯源.所提方法为提高保护系统可靠性和进行故障诊断提供依据.     

基于动态贝叶斯网络的电源系统可靠性分析与故障诊断

动态系统的可靠性分析与故障诊断一直是可靠性领域的热点及难点问题,作为该领域热门的分析工具之一,动态贝叶斯网络(DBN)得到了充分的应用与开发。但是,现有的DBN算法受限于系统的失效分布类型,且建模难度也随着系统复杂度的增加而呈指数增长。针对以上问题,该文提出一种改进的动态贝叶斯网络概率表建模方法,在连续任务时间的条件下,实现动态系统的可靠性分析。然后,结合DBN双向推理算法,求解系统失效时部件失效的后验概率,并将计算结果应用于系统故障诊断及薄弱部件定位。最后,结合某电源系统的可靠性分析与故障诊断,验证了该方法的实用性。     

基于贝叶斯网络地铁车门系统可靠性分析和故障诊断

针对驱动电机未动作造成地铁车门系统产生故障这一问题,提出了一种利用贝叶斯网络对车门驱动电机进行可靠性分析的方法.根据车门驱动电机的故障树建立对应的贝叶斯网络,采用桶排除法计算驱动电机未动作的故障概率,由后验概率进行驱动电机的故障诊断,并确定各基本故障的灵敏度,从而获得车门系统的关键环节为内部电机驱动模块和EDCU插头.实验结果表明,贝叶斯网络能很好地应用于地铁车门系统的可靠性分析,可为车门故障维修提供支持和参考.     

基于LabVIEW的统计告警算法在麻醉术中的设计与实现

提出了一个针对麻醉术中血容量不足的实时智能监测告警算法：统计告警算法.该算法综合了血压、心率、脉量和呼气末二氧化碳浓度等指标,能够提供足够的诊断支持信息,并可随时调节告警灵敏度,通过Kappa分析,在线状态下新算法与麻醉师的诊断结果一致性为76%;并基于LabVIEW平台设计了算法的系统框图和各功能模块.     

矢量量化的音频信号类型确认算法的研究

语音识别和控制环境中,非语音信号(噪音)很容易与语音信号相混淆,一部分噪音被机器误认为语音,导致系统性能恶化.针对这一问题,以说话人识别理论为基础,提出了一种采用矢量量化来对音频信号类型(噪音或语音)进行确认的方法,以便于后期对非语音信号的噪音进行鉴别并且予以消除,提高语音信号处理系统的工作效率.在此基础之上,在MATLAB平台上设计了一个基于此方法的语音与非语音识别的仿真系统.测试结果表明,系统实现了语音与非语音识别的基本功能,达到较好的工作效果.     

基于新型ESF的一类非线性系统故障滤波方法

针对传统非线性系统故障诊断方法中存在的线性化误差、滤波发散等问题,对一类含有测量噪声及执行器时变故障的非线性系统研究一类新的故障诊断方法。通过将系统的非线性动态及故障扩张为一新的状态,构造一种可用于故障诊断的扩张状态滤波器,并在此基础上推证出增广系统渐进稳定的充分条件,给出具有鲁棒H_∞性能的故障诊断滤波器设计方法,同时借助于原系统中已知的非线性动态,对滤波后的新扩张状态进行故障分离,实现对故障的滤波及诊断。用该方法对具有测量噪声的典型非线性系统Van der pol振荡器,在分别发生恒值和时变故障情形下进行仿真研究。结果表明,所提方法能较好地解决含噪非线性系统的滤波及故障诊断问题。     

用参数自整定模型在线检测空气处理机组故障

大型现代建筑大都安装了能源管理与控制系统（EMCS）,EMCS系统储存的大量监控数据为空调系统的在线故障检测与诊断提供了方便。提出了一种利用参数自整定空调部件模型在线检测变风量空气处理机组故障的方法。利用遗传算法优化模型参数使模型预测数据与实测值数据的残差最小,因此空调部件模型有较高的预测精度。若模型预测数据与实测数据的残差超出了预先设定的阈值,就意味着变风量空气处理机组可能存在故障。针对在实际应用时确定故障检测阈值的困难,给出了用统计方法确定阈值的方法。故障检测方法在真实建筑中进行了应用和验证,结果表明该故障检测方法可以结合EMCS系统准确有效的检测变风量空气处理机组故障。     

一类线性变参数时滞系统的故障诊断

研究了线性变参数时滞系统的故障诊断问题．在参数的凸条件约束和系统参数矩阵的仿射依赖条件假设下,利用线性分式变换,将故障滤波器设计问题转化为H∞鲁棒控制器设计问题,给出了该变参数控制器的存在条件和增益求解方法．最后通过仿真算例验证了方法的有效性和可行性．     

基于时频消噪TFPF和时频分布MBD的轴承早期故障诊断

噪声是影响轴承、齿轮等机械设备早期微弱故障特征正确提取的主要因素,利用新颖的时频峰值滤波技术TFPT有力的噪声消减特性,将PTFT与改进的时频分布MBD相结合,提出了时频峰值滤波TFPT-时频分布MBD的故障识别新方法,即应用TFPF消减振动信号的随机噪声作为时频分析的前置处理,对消噪的故障信号作MBD时频分析来识别故障特征,给出了时频峰值滤波时频分布的故障诊断模型。诊断实例的分析结果表明了与传统的MBD的故障特征提取相比,提出的改进方法更易提取出强噪声背景下的轴承早期的微弱故障,具有明显的可诊断性和实用性。     

FCM-HMM-SVM混合故障诊断模型及其在电力电子电路故障诊断中的应用

提出一种基于模糊C均值聚类（FCM）、隐马尔可夫模型（HMM）和支持向量机（SVM）相结合的电力电子故障诊断方法.采用FCM方法对故障信号进行模糊聚类,提取故障特征;根据隐马尔可夫模型进行动态过程建模;根据支持向量机进行模式分类;基于HMM-SVM混合的故障诊断模型实现了对机车变流器电路中晶闸管断路故障的诊断.实验结果分析表明,该方法能准确地对电力电子电路进行诊断和故障元定位,诊断精度高,具有很好的实用价值.     

车辆底盘故障诊断的多智能体技术研究

半主动悬架系统（SAS）和电动助力转向系统（EPS）的故障诊断对保障整车安全性及其重要.为快速准确诊断SAS和EPS的子系统故障,基于多智能体理论构建出半主动悬架智能体、电动助力转向智能体、系统智能体、显示智能体等,构架底盘悬架子系统与转向子系统通用故障树,建立故障征兆库、专家规则库等数据库,利用智能体的智能行为决策问诊、快速分析判别原因并显示维修建议.通过故障实例诊断模拟,验证了智能体技术在底盘故障诊断中的可行性与有效性.     

基于音频信号的汽车状态与故障分析

汽车行驶过程中的声音信号包含了丰富的声源信息,且音频信号具有非接触测量,测取方便的特点,为汽车的状态与故障判断提供了一个有效的途径。但其声音混杂着噪声,针对汽车故障音频信号的特点,提出了一种基于快速独立主元分析(FastICA)与递推最小二乘支持向量机(RLSSVM)的FastICA-RLSSVM故障诊断方法。利用FastI-CA对混合声音信号进行分离,提取原始特征音频信号。在此基础上利用RLSSVM对汽车故障进行快速分类,从而判断汽车的工作状态和故障类型。实验结果表明,该方法提高了故障诊断的精确度,而且缩短了RLSSVM的训练时间,具有较好的可靠性和有效性。