基于改进的证据更新工业过程故障诊断研究

工业生产过程的故障成因颇为复杂,一种故障的故障特征可能有多种表现形式,而多种故障又有可能表现出一种故障特征。因此单模型、单因素的故障诊断方法已显其不足。提出了改进的证据更新的动态故障诊断算法,并结合人工智能方法应用到硝酸生产过程故障诊断系统中。该方法通过对模糊神经网络的描述来确定故障诊断的辨识框架,应用新型的模糊推理方法生成诊断证据,诊断证据再基于改进的证据更新规则来实现证据的动态更新,根据结果来进行故障决策,从而解决了故障模式多样性、故障诊断动态性以及故障特征不确定性的问题。经实例验证,该方法的应用可提高故障诊断确诊率。     

一种复杂系统的快速故障诊断方法

针对复杂系统故障诊断效率低,通用性、扩展性差等问题,提出并实现了一种基于灵巧故障树的快速故障诊断方法,首先通过诊断节点生成算法建立故障诊断树的关系,然后运用数据库技术对知识库进行处理,最后采用图形界面实现人机交互;该方法将故障树、数据库和虚拟界面进行融合设计,实现了故障的快速诊断和推理的动态更新,并在多型火炮控制系统的故障诊断中得到应用,取得了重大效益。     

基于诊断证据静态融合与动态更新的故障诊断方法

提出一种将诊断证据静态融合与动态更新相结合的故障诊断方法.在静态融合阶段,利用Dempster组合规则融合每个时刻的多条局部诊断证据,获取静态融合证据,并给出基于证据距离的故障信度静态收敛指标;在动态更新阶段,基于条件化的线性组合更新规则,利用当前时刻静态融合证据更新历史证据,获取更新后的全局性诊断证据,并给出基于S函数的故障信度动态收敛指标.在两个阶段中,基于静态和动态信度收敛性指标函数,分别给出相应的优化学习方法,获取静态融合中局部诊断证据的静态折扣系数、动态更新中历史与当前证据的更新权重系数等参数的最优值.在最大信度原则下,利用更新后获取的诊断证据做出诊断决策.最后,通过在电机柔性转子实验台上的诊断实验,将所提方法与已有的典型融合诊断方法进行了对比分析,说明所提出的融合诊断方法及其性能指标函数和参数优化方法的有效性.     

基于随机集与条件证据理论的模拟电路故障诊断方法

为实现模拟电路故障的准确定位,采用一种基于随机集与条件证据的融合先验知识的模拟电路故障诊断方法;首先对测量数据进行处理获取故障电路特征值,得到故障证据可信度分配,并将其表示为证据的随机集形式,然后利用条件证据理论对证据进行组合,最后计算组合后的证据与先验信息之间的和谐度,并依据决策规则得到诊断决策;这种方法充分利用了各种信息,提高了故障诊断的可靠性,故障元器件定位率也比较高;以含容差的二阶滤波电路为例,对电路元件单软、硬故障进行诊断,给出了具体诊断方法及步骤,诊断正确率达到95％以上,结果证明了该诊断方法的有效性;另外,该方法的诊断步骤相对程式化,便于计算机实现,可以实现模拟电路的在线诊断.     

基于改进证据推理规则的变压器故障诊断

为对变压器进行准确、高效的故障诊断,克服已有证据推理规则处理冲突证据时收敛慢甚至不收敛的缺陷,提出了一种按相关性对证据进行修正及对冲突信息合理分配的改进证据推理规则,并将其应用于变压器故障诊断;数值算例中,与传统证据推理规则相比,无论对于一致性证据还是冲突性证据,改进证据推理规则提高了变压器故障诊断的收敛速度、降低了故障误判率、取得了良好的诊断效果;改进证据推理规则,可以充分利用变压器故障中的一致性或冲突性多源故障征兆信息,准确、高效对其进行故障诊断。     

基于灰色关联和D-S证据理论的感应电转子故障诊断

针对单一的灰色关联或D-S证据理论在转子故障诊断中存在的不足,将灰色关联和D-S证据理论相融合的决策级信息融合方法应用到感应电机转子故障诊断中;首先用灰色关联对故障进行初步诊断,然后,将灰色关联分析的诊断输出结果作为D-S证据理论的基本概率分配,最后,依据证据组合规则进行合成,得出转子故障的最终诊断结果;实验仿真结果验证了方法在转子故障诊断中的有效性,可以减小诊断的不确定性,提高故障的诊断准确率和诊断精度。     

基于证据推理规则的信息融合故障诊断方法

本文针对不确定性故障特征信息的融合决策问题,给出基于证据推理(evidence reasoning,ER)规则的故障诊断方法.首先基于故障特征样本似然函数归一化的方法求取各传感器(信息源)提供的诊断证据;从传感器误差以及故障特征对各故障类型辨别能力的差异出发,给出获取诊断证据可靠性因子的方法;给出双目标优化模型训练得到诊断证据的重要性权重,最后利用ER规则融合经可靠性因子和重要性权重修正后的诊断证据,利用融合结果进行故障决策.该方法继承了Dempster-Shafer证据理论处理不确定性信息融合问题的优点,同时克服了它在实际应用中无法区分证据可靠性和重要性的不足,使得所获诊断证据更为客观、可信.最后,通过在多功能电机转子试验台上的故障诊断实验,验证了所提方法的有效性.     

运用信息融合的电路故障诊断方法研究

针对采用传统故障诊断方法进行电子电路故障元件诊断存在不确定性问题,从DS证据理论的基本概念和证据的融合推理方法出发,提出了采用多信息融合进行电路故障诊断的新方法.该方法通过测量待诊断电路中元件的工作温度、电压这两个参数,获取传感器对待诊断元件的信度函数,然后利用DS联合规则得出融合信度函数,进而确定故障元件.故障诊断实例的结果表明,诊断结论的可信度明显提高,不确定性明显减小,该诊断方法较传统方法更准确有效.     

改进D-S证据理论在电动汽车锂电池故障诊断中的应用

针对电动汽车电池系统的故障采用基于神经网络的改进D-S证据理论组合规则完成诊断过程。为了避免单一途径的诊断可能造成故障漏检误检的状况,决策层采用D-S证据理论组合规则来确定基于BP网络和RBF网络两种故障诊断算法结果。然而为了克服D-S证据理论处理高度冲突证据的缺陷,本文提出了一种基于神经网络改进的D-S证据理论组合规则。首先,采用神经网络对电池故障进行初步诊断,结合网络诊断准确率来分配不确定信息并构造证据体,又引入了证据间的支持矩阵来确定新的加权证据体。然后,把各个焦元的信任度融入D-S证据理论组合规则,从而融合神经网络证据体及新加权证据体。最后,依据决策准则确定锂电池系统的故障状态。通过仿真实验验证了本文提出的改进D-S证据理论融合诊断方法在电动汽车锂电池故障诊断中的有效性。     

发动机故障多级融合诊断研究

针对神经网络中两种常用的网络类型BP和Elman,在发动机故障诊断中的应用过程的特点——各自网络都有自身缺陷,提出基于BP-Elman神经网络与证据理论相结合的多级融合故障诊断方法;首先BP-Elman网络得出其各自的初步诊断结果,经过必要的转换将其转换成证据理论的概率赋值;证据理论组合规则将初步诊断结果融合得出决策级诊断结果;通过对某柴油机燃油喷射系统的故障诊断过程表明,该模型经过尽可能地融合有效故障信息,大大提高系统的诊断精度和诊断正确率,而且有效降低了系统的不确定性。     

改进动态因果图与模糊推理融合故障诊断方法

在复杂的控制系统发生故障时,运维系统能保证对其进行快速、可靠的故障诊断尤为重要。针对复杂控制系统中控制信号多、信号关联性强、故障状态多、部件故障模式多的情况,提出一种改进动态因果图与模糊推理融合的故障诊断方法,利用改进动态因果图逻辑表达能力强,能因果互推的特点,构建多重（正向、反向、混合）模糊规则,有效克服了模糊逻辑推理中只能由因溯果而不能由果溯因的难题,同时,将动态因果图的动态特性引入到模糊规则的动态更新中,增强了模糊推理的实时性。最后,以某型装甲设备垂直力矩电机控制过程的故障诊断为应用背景,在自行研制的故障诊断平台中嵌入此法进行故障诊断测试,测试结果分析表明,此法能有效提高诊断效率,具有更高的准确性、先进性、适用性。     

基于虚拟样机和模糊推理的故障仿真预测模型

为了克服由于试验和使用数据不足而无法获取足够的故障知识的问题,将虚拟样机作为一种新的故障过程仿真和定量推理方法引入到故障预测中,提出了基于虚拟样机和动态模糊综合评判的故障仿真预测模型.详细说明了基于ADAMS的虚拟样机建立方法,指出了传统模糊综合评判方法的不足,提出了基于动态模糊综合评判的故障预测方法.这样建立的故障仿真预测模型不仅能表达火炮的动态特性,还具备较强的数值计算及过程控制能力.     

Functional diagnostics of dynamic systems using fuzzy rules for fault analysis and decision making

A method of functional diagnostics of dynamic systems based on fuzzy approach is proposed; this method possesses two basic specific features differing it from other known fuzzy methods based on application of fuzzy logics and state observer data base. First, this method uses the data base of interacting observers, while traditionally independent observers are used. The second specific feature of the proposed method is that it presumes the absence of a strict boundary between the serviceable and disabled technical states of the system. This makes it possible to specify the decision making rule in fault diagnosis.     

基于模糊逻辑和组合证据理论的信息融合技术在网络管理中的应用

研究基于模糊逻辑和组合证据理论的综合信息融合技术在网络管理中的应用．研究了用于网络管理的来源于多信息源的关联规则的融合方法和推理机制，以及故障与故障原因的模糊关系和模糊规则的融合方法及推理机制；在故障定位方面，采用组合证据理论对网络专家、规则推理和模糊推理所给出的故障原因进行融合得出综合的诊断结果。     

航空瞄准具故障诊断专家系统中知识的处理方法

针对航空瞄准具故障诊断专家系统中知识的获取、表达和推理方法等问题进行研究;首先根据瞄准具的结构特点建立了层次诊断模型,并根据模型在系统中采用了故障树分析法;然后着重讨论了系统中知识的表达、推理和模糊推理等问题的处理方法;通过在系统中建立层次结构的综合数据库及采用产生式规则,有利于诊断知识的获取和表达;采用全局择优搜索法、双向推理和模糊推理,大大提高了推理的效率;该方法的应用为瞄准具故障诊断专家系统的开发和完善提供了有力的技术支持.     

基于改进证据理论和神经网络的故障诊断模型*

针对单一故障诊断方法精度低的问题,提出了一种基于D-S证据理论和神经网络相融合的决策层融合故障诊断模型。该方法利用证据理论来处理不精确的、模糊的信息,用神经网络来处理证据理论中的基本可信度分配问题。由于证据理论合成公式无法处理高冲突的证据,提出了一种改进的基于冲突焦元的证据合成规则。该模型在降低决策不确定性的同时大大提高了诊断的精度。最后通过发动机故障诊断实例验证了该模型的有效性。     

基于模糊产生式规则推理的电脑故障诊断系统

根据电脑故障知识结构性差、耦合性不强及特征参数不易提取的特点,采用适合该问题的模糊产生式算法进行故障诊断推理,设计了故障知识的三层模型、表达方法和知识库结构,给出了基于模糊区间的语义距离计算公式、基于故障树的防止规则组合爆炸的规则分组方法和带误差控制的阈值选取方法,运用面向对象的理论设计和实现了电脑故障智能诊断系统,其中描述了B/S模式下分布式计算环境的系统结构和规则类的设计。     

基于NNFPN模型的电梯故障诊断方法的研究

提出一种基于神经网络的模糊Petri网模型(NNFPN),并将该模型应用于电梯故障诊断系统．阐述了该模型的定义、模糊产生式规则的NNFPN表示、NNFPN的触发规则以及NNFPN的训练学习算法．分析了如何建立基于NNFPN的电梯故障诊断模型,提出针对不同工作状态利用不同的NNFPN电梯故障模型进行诊断,可使诊断结果更加准确．     

减法聚类-ANFIS在网络故障诊断的应用研究

提出了一种基于减法聚类-自适应模糊神经网络（ANFIS）的网络故障诊断建模方法。减法聚类算法生成初始模糊推理系统,ANFIS建立网络故障诊断原始模型,应用混合算法对模糊规则的参数进行训练并建立最终的模型。仿真实验表明基于减法聚类-ANFIS的建模方法是有效的;通过仿真结果比较,减法聚类-ANFIS的网络故障诊断能力及收敛速度均优于BP神经网络,更适合作为网络故障诊断模型。     

某武器系统电控设备的故障诊断专家系统

以Visual Basic6.0为开发环境，Access97为数据库结构形式，DAO为数据库访问技术，开发了某武器系统电控设备故障诊断专家系统，介绍了系统的功能组成和实现方法。研究了一般产生式规则与模糊产生式规则相结合的知识表示方法以及精确推理与模糊推理相结合、基于规则的推理和基于实例的推理相结合的推理机制。