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。     

基于自适应神经网络加权模糊故障诊断研究

研究故障诊断问题;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,基于模糊逻辑BP神经网络和传统Petri网模型结合,提出了一种新的自适应的加权模糊神经网络Petri网模型故障检测方法;该方法首先采用改进的BP神经网络算法对模型的权值进行训练,然后采用构造的自适应模糊Petri网模型对故障进行诊断;在柔性制造系统实例中进行了故障诊断,实验结果表明,该方法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,具有一定的实际应用价值。     

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Petri网故障诊断及在工程机械中的应用

针对传统模糊Petri网在故障诊断应用中的不足之处,提出了一种新的故障诊断模糊Petri网模型（FD-FPN）,变迁激活概率元素的引入,使反向推理中冲突消解问题的解决更加合理。在此基础上,提出了基于变迁激活概率矩阵的反向推理算法,正向与反向推理方法的结合可以实现故障因果的相互验证,使故障诊断过程更加科学,结论更符合事实。最后,结合故障诊断实例的应用,证明了文中提出方法的合理性和有效性,且运算简单,便于计算机实现。     

直觉模糊Petri网的双向模糊故障推理算法

针对故障诊断中故障现象与故障原因之间复杂的不确定关系,利用直觉模糊集表达不确定性信息的优势和Petri网的图形处理问题的能力,给出了基于直觉模糊Petri网的双向模糊故障推理算法。该算法首先利用反向直觉模糊推理算法对模型进行约减,查找故障原因,再利用正向直觉模糊推理算法对模型进行计算,输出结果。该算法既可将故障信息化繁为简,降低推理过程的时间复杂度,还能够使故障诊断的确定性程度得到进一步提高。汽车发动机诊断案例表明了所给双向直觉模糊推理算法的可行性和有效性。     

模糊Petri网在风电机组故障诊断中的应用

针对风力发电机组故障诊断建模中动态行为较难描述的问题,结合模糊Petri网的图形描述能力及模糊推理性,提出故障诊断的模糊Petri网模型及其相应的故障诊断方法,根据故障发生的实际情况给出正反两种推理算法。用齿轮箱故障的实例加以验证,证明了该方法的正确性及在风电机组故障诊断中应用的可行性。     

基于ACO优化参数的模糊Petri网故障诊断技术研究

针对传统模糊Petri网在进行故障诊断推理时,需要依靠专家经验给出所有产生式规则的参数,使得故障诊断的精确度受限于专家知识水平的问题,提出了一种加权模糊神经Petri网模型以及相应的构造方法,此方法使用模糊Petri网进行故障诊断,网模型中各参数由BP神经网络训练而得,为了进一步提高诊断精确度,定义了使用ACO (Ant Colony Optimization)对网模型的各参数进行优化的算法;最后通过发电机故障诊断实例对比试验,验证了文中ACO优化的模糊神经Petri网,能够对各种故障进行正确的诊断,且在诊断精度和效率上较常规的模糊神经Petri网有了很大的提高,具有很强的实用性和可行性.     

改进的部分可观Petri网系统在线故障诊断器设计

本文研究部分可观Petri网建模的离散事件系统的故障检测问题.针对现有的部分可观Petri网系统的在线故障诊断器存在故障诊断率较低的缺陷,本文提出了整数线性规划与广义互斥约束集成的部分可观Petri网系统在线故障诊断改进算法.假定部分可观Petri网系统的结构与初始标识为已知,故障被建模为不可观变迁.首先,算法需要观测接收事件序列,求解部分可观Petri网的整数线性规划问题,算法对系统的故障进行初步诊断.初步诊断为不确定诊断的情形,采用广义互斥约束的方法进行诊断.最后,通过离散事件系统实例分析,采用本文的算法,故障诊断率显著提高,验证了算法的有效性.     

Fault diagnosis of turbine based on fuzzy cross entropy of vague sets

The fuzzy cross entropy of vague sets, so-called vague cross entropy, is introduced by analogy with the cross entropy of probability distributions. And then a new method of the fault diagnosis is proposed on the basis of the vague cross entropy and is applied to the fault diagnosis of turbine. The vague cross entropy between a testing sample and the knowledge of system faults is evaluated in the fault diagnosis of the turbine vibration. If the cross-entropy value is small, the testing sample is near to a type of fault knowledge. Then, the type of vibration fault is determined according to the minimum cross-entropy value. The fault-diagnosis example of the turbine demonstrates that the proposed method cannot only diagnose the main fault types of the turbine, it can also detect useful information for future trends and multi-fault analysis.     

基于改进图卷积神经网络的配网线路故障诊断

随着电网的不断扩容,系统结构越来越复杂,多故障频发,而多故障是故障诊断的关键和难点。为解决故障处理数据量大,需要快速、准确地诊断电网故障的问题,本文提出了一种基于模糊优化图卷积神经网络的配网故障诊断模型。首先处理采集的配网故障线路的特征数据;其次,搭建基于图卷积神经网络的故障诊断模型,利用模糊理论建立配电网故障的隶属函数;最后利用训练好的模型进行配网故障诊断。仿真结果表明,模糊优化图卷积神经网络对多故障诊断的准确率高于卷积神经网络以及其他方法,本文方法做出的诊断结果更加精确,综合诊断效果最好。     

改进的模糊聚类在控制系统故障诊断中的应用

为了提高控制系统中传感器与执行器故障诊断的准确性,结合小波分析特征提取的优势和密度函数加权模糊C-均值聚类具有较好分类效果的特点,提出了一种新的控制系统故障诊断方法。该方法首先利用小波分析对故障信号进行特征提取,降低噪声的影响;然后对特征提取后的数据通过加权模糊C-均值聚类算法,对故障进行识别分类。实验表明,基于小波分析和加权模糊C-均值聚类相结合的方法,不仅可以识别不同部件的故障,而且可以对同一部件的不同类型的故障进行诊断。     

Fault Diagnosis and Sliding Mode Fault Tolerant Control for Non‐Gaussian Stochastic Distribution Control Systems Using T‐s Fuzzy Model

For the non‐Gaussian stochastic distribution control system using Takagi‐Sugeno fuzzy model, a new fault diagnosis and sliding mode fault tolerant control algorithm is presented. First, a new adaptive fault diagnosis algorithm is adopted to diagnose the fault that occurred in the system, and the observation error system is proven to be uniformly bounded. Second, the sliding mode control algorithm is used to reconfigure the controller, based on the fault estimation information. The post‐fault probability density function can still track the given distribution, leading to fault tolerant control of non‐Gaussian stochastic distribution control systems using Takagi‐Sugeno fuzzy model. Finally, simulation results show the effectiveness of the proposed method.     

化工过程故障诊断的模糊概率Petri-net的研究

本文研究基于模糊与概率信息的模糊概率Petri-net故障的诊断方法，概率信息用来解决问题冲突，模糊信息用来解决故障诊断不确定性并计算诊断的可靠性。在石油化工装置中的应用表明，这种方法是行之有效的。     

基于模糊故障树的磁浮列车悬浮系统故障诊断

悬浮控制系统是CMS-3型磁浮列车系统的重要子系统，其可靠性的高低直接关系到列车能否安全运行．在对CMS-3型磁浮列车悬浮系统故障概率分析的基础上，将模糊数学和故障树方法相结合，建立了悬浮系统的模糊故障树，通过对其进行失效分析，给出了悬浮系统的故障诊断算法．实验表明，该方法用于悬浮系统的故障诊断是行之有效的．     

Intelligent Fault Diagnosis in Lead-zinc Smelting Process

According to the fault characteristic of the imperial smelting process (ISP), a novel intelligent integrated fault diagnostic system is developed. In the system fuzzy neural networks are utilized to extract fault symptom and expert system is employed for effective fault diagnosis of the process. Furthermore, fuzzy abductive inference is introduced to diagnose multiple faults. Feasibility of the proposed system is demonstrated through a pilot plant case study.     

基于神经网络与模糊融合的外围故障诊断方法

针对用传统检测方法诊断模拟电路系统设备外围故障困难的问题,提出了一种利用BP神经网络与模糊融合相结合的故障诊断新方法,将神经网络与模糊融合结合起来,实现两者优势互补;首先利用神经网络的泛化能力对系统内部各可测点电压各用一个独立的BP神经网络对系统进行初级诊断,然后根据初级诊断结果,运用模糊融合诊断方法进行故障诊断,诊断结果更趋于合理,对模拟电路系统的外围故障实现正确定位;该方法能充分利用系统内部故障信息,有效避免采集外围设备信息的困难。     

FMS工作流故障诊断自适应加权模糊Petri网模型

研究了使用人工神经网络和加权模糊Petri网对故障进行诊断的方法。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,将人工神经网络、模糊逻辑和传统Petri网模型结合,定义了一种自适应的加权模糊Petri网模型以及模型的构造方法,在此基础上,提出了一种使用改进的BP算法对模型的权值进行训练的方法,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。最后对柔性制造系统(FMS)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网和人工神经网络的优点,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。