基于事例与因果模型的故障诊断

基于事例的推理（ Ｃ Ｂ Ｒ）近年来在人工智能领域受到了广泛重视, Ｃ Ｂ Ｒ 可用于解决复杂系统的故障诊断问题。本文针对 Ｃ Ｂ Ｒ 技术在故障诊断中的应用,从人的诊断思维出发,研究了故障事例的表达模型,探讨了以故障的因果模型为知识导引进行事例组织与故障推理的方法,并以柴油机故障诊断为例,指出这种方法可有效地提高故障推理与事例检索的效率。     

基于因果行为模型的机械运动系统方案求解

从机械运动系统的多能复合特征出发,提出了基于因果行为模型的方案求解方法.采用键合图建模运动行为语义,提取了输入输出的能量类型、变化与约束特征.通过有向图联结基本行为,建立因果行为模型来描述系统的复杂行为.建立了相应的方案求解过程模型,其中方案创新主要通过正向推理组合基本元件,方案变型则通过在约束下扩展行为模板实现.最后,以工业高速平头锁眼机运动方案为例,验证了该方案的可行性.     

基于遗传算法的概率因果模型在液压泵故障诊断中的应用

针对液压泵多故障诊断和特征提取上的瓶颈问题,提出了应用概率因果模型的液压泵故障诊断法,以斜轴泵为例,在分析其故障特征的基础上,从测得的振动信号中提取故障特征频段,建立模型,以遗传算法实现对故障的搜索,实验结果与事实相符,从而为液压泵多故障诊断提供了一条有效途径。     

基于模型推理的参数再设计方法研究

采用定性因果推理和启发式搜索的方法,提出了一种自动生成参数再设计方案的关键技术。以一个减速器再设计问题为例,探讨了基于参数的再设计问题的基本形式,建立了基于因果影响关系的再设计模型。描述了生成再设计方案的算法,包括再设计方案综合效果的估算方法和基于最佳-优先搜索的方法,分析了算法的完备性和复杂度问题。以减速器再设计的例子演示了算法的有效性和该工具的功能。     

基于高精度性能模型的轴流通风机喘振故障预报方法

提出了一种基于高精度性能模型的轴流通风机喘振故障预报方法，以实现动(静)叶调节轴流通风机喘振故障的预报。仿真实例表明该方法是可行的。     

基于模糊多属性评判方法的因果强度求解算法

在利用概率因果网络模型进行航电系统故障诊断过程中,由于复杂系统中难以获取全部故障样本,导致节点之间的因果强度求解困难.对此,以模糊理论和层次分析法为理论依据,建立了航电故障诊断系统因果强度的模糊多属性评判模型,给出了属性权重的计算方法,推导出航电系统节点之间的因果强度求解算法,很好地解决了概率因果网络构建过程中因果强度难以获取的问题.最后以一个应用实例验证了此方法的优越性及工程实用性.     

基于E-CBP的机电产品可持续概念设计方法

在传统概念设计方法的基础上,引入可持续设计理念,提出基于E-CBP(extended casual behavioral process)模型的可持续概念设计方法。通过对行为的特性研究,提出了相应的可持续设计指导原则。根据这些原则对E-CBP模型进行优化,并以电动抛光机为实例验证了该方法的可行性。     

面向性能设计的耗能机电产品能量流研究

为了直观描述耗能机电产品的设计变量、能量作用以及性能之间的关系,首先定义能量流元作为能量流模型的基本单元,用以描述产品零件或模块的功能/性能、设计变量、接口参数和能量变化量等与能量相关的要素;在此基础上提出采用特征能量来表征零件或模块实现功能/性能的能量作用。然后,针对复杂耗能机电产品的目标功能/性能约束提出了能量流建模的流程,并以冰箱制冷系统为例详细阐述了建立功能/性能约束下的功能链,划分能量流元和特征能量求解三个主要的能量流建模步骤。最后以某型号电冰箱制冷系统能量流建模及分析的案例验证了方法的有效性。     

机电BIT系统中基于因果网络模型的传感器证实算法研究

随着对诊断决策要求的提高,传感器证实已经逐渐成为机电设计状态检测和诊断系统中不可忽视的技术。通过对研究方法的调研和总结,考虑到在BIT系统中应用的特点及需求,研究采用基于知识模型冗余的传感器证实技术以实现更好的实时性。研究了基于传感器因果网络模型的传感器证实算法,实现对网络中节点和链接间相关信息的融合,以得到准确的证实结果,并在实例应用中验证了方法的有效性。     

开放式架构产品的稳健性能匹配设计方法

制造业技术的不断发展和市场竞争使用户对产品的个性化需求不断增加,传统的产品结构难以支撑高度个性化产品的开发。开放式架构产品由开放的产品平台和个性化模块组成,其中个性化模块可以由不同的企业设计和开发,能够实现较高程度的个性化。对开放式架构产生的不确定性对产品性能的影响进行研究,基于稳健设计方法,提出了开放式架构产品的稳健性能匹配方法。将不同个性化模块参数的变化作为产品平台的噪声因素,以降低噪声影响下的产品性能衰减为目标,实现产品平台覆盖范围内性能的综合优化。通过开放式架构冰箱为例验证了方法的可靠性。     

基于特征匹配的逆向工程模型重建方法

逆向工程（RE）也称反求工程,以实物、样件、软件（包括图样、程序、技术文件等）或影像（图片、照片等）为对象,应用产品设计方法学、系统工程学、计算机辅助技术方法进行系统分析和研究,探索掌握其关键技术,进而开发出同类或更先进产品。从数据采集、数据处理和模型构建3个阶段给出了RE中的模型重建过程。首先基于特征的点云匹配方法进行数据采集,获取物体表面的点云数据,然后采取降噪、平滑等方式进行预处理,最后通过曲面拟合、曲面特征提取和数据拼接完成实物到模型的建模。同时给出了各阶段的通用方法和实际应用的注意事项。RE可快速准确地确定实物的结构特点、内部构造等信息,并为后续设计提供参考。     

基于CAE的客车模型建立方法的研究

鉴于目前对客车安全性、舒适性、行驶平稳性等综合性能要求的日益提高,从分析客车结构动态性能出发,针对分析过程中有限元模型建立这一最关键阶段,在现有客车有限元建模技术的基础上,讨论了建立客车整车有限元模型的方法。由几何模型转化成有限元模型,并对部件问的连接进行有效模拟,完成整车有限元模型的建立,为进行动态结构分析奠定了基础。     

多变量因果驱动的系统服役安全状态评估方法

针对传统状态评估侧重于关键生产单元,未考虑监测变量间的因果关系对状态评估精度的影响等问题,提出一种基于多变量因果驱动的复杂机电系统服役安全状态评估方法。从频域角度将广义偏定向相干分析法用于系统变量之间的因果测度分析,建立反映系统实时运行状态的因果网络模型。基于该模型,从多维统计的角度利用网络平均路径长度、聚类系数和网络结构熵提取系统的关键运行特征,并通过融合形成反映系统服役状态的综合指数。选取某化工企业实际运行过程中典型机组的故障数据进行验证,结果表明,相对于单一维度的状态评估指标,融合后形成的综合指数能够更加全面、准确地反映系统服役状态演化。     

改进因果推断方法在发电机组辅机状态监测中的应用研究

数据分析技术是建设智慧电厂的核心要素,目前的大多数数据分析技术是利用数据间的强相关关系,因果推断技术的发展为利用两个强相关变量中呈现的因果不对称性发现可靠因果关系提供了有力工具。针对因果推断技术用于实际设备中模型难以选择、模型有效性和准确率无法判断的问题,本文提出一种基于因果函数的改进因果推断方法,并以一种新的角度使用因果效应强度变化监测系统运行状态。首先根据专家知识设置强、非因果关系,引入因果关系保持率CRR、因果信息不对称度DDA,改进因果关系模型的选择和评估过程。最后通过滑动窗口结合倾向得分匹配计算各方向因果效应强度用以监测系统状态。在某一次风机的系统算例中验证表明,改进因果推断方法能有效验证不同因果模型的有效性和准确度,优化因果发现过程,结合所选LiNGAM模型构建了合理可信的因果关系网络。根据因果关系网络通过因果效应强度的变化成功跟踪表征了系统状态,并发现了原始数据中无法发现的系统状态恶化节点。     

基于并行工程的绿色机电产品设计方法研究

并行工程作为产品开发的新模式,把计算机辅助设计、制造、管理和质量保证等有机地集成为一体,实现信息集成、信息共享、过程集成.为改进传统的串行式设计方法,提出机电产品开发中应用并行式绿色设计方法,以缩短产品开发周期,提高质量,降低成本,减少污染,保护环境,开发绿色机电产品.     

基于CAE的客车模型建立方法的研究

鉴于目前对客车安全性、舒适性、行驶平稳性等综合性能要求的日益提高,从分析客车结构动态性能出发,针对分析过程中有限元模型建立这一最关键阶段,在现有客车有限元建模技术的基础上,讨论了建立客车整车有限元模型的方法.由几何模型转化成有限元模型,并对部件间的连接进行有效模拟,完成整车有限元模型的建立,为进行动态结构分析奠定了基础.     

基于数据的航空发动机模型匹配方法

本文提出了一种航空发动机模型匹配方法,以双轴涡轮风扇发动机为研究对象,在不同飞行条件、不同发动机性能退化状态下,基于发动机部件特性参数和气路测量参数求解了敏感系数矩阵,预测了退化发动机工作点特性参数和输出性能参数。结果表明,模型计算过程简单,运算速度快,在不考虑测试噪声的情况下,特性参数预测误差均小于0.16%,输出的推力和耗油率的误差最大为0.4%,精度满足工程要求。本文所述方法不受部件特性和发动机结构类型的影响,可扩展应用于其它类型发动机。     

一种基于模糊因果聚类的室内热舒适预测方法

提出一种用于室内热舒适预测的模糊因果聚类分析方法.在论域内随机产生若干样本点,对合理样本点运用模糊因果聚类方法求出其最佳聚类,提取各类样本的特征构造模糊预测模型.通过对室内热舒适指标的实例分析,说明该方法可用于不同地区的热舒适预测,能解决PMV等指标预测出现的较大偏差等问题.     

基于神经网络的压电能量收集器性能预估模型

设计了一款双稳态聚偏氟乙烯（polyvinylidene fluoride,简称PVDF）梁压电振动能量收集器,并介绍了该款收集器结构特点和工作原理。为了解决传统理论模型预测与能量收集器实际输出性能的偏差,利用人工神经网络对其结构参数、激励频率和收集电能之间的非线性关系进行建模。基于误差反向传播训练的多层前馈网络建立了双稳态PVDF梁压电能量收集器的人工神经网络模型。以质量块质量、PVDF压电梁的压缩距离以及外激振力频率作为输入变量,收集器输出电压均方根（root mean square,简称RMS）值作为输出变量,采集了不同条件下压电能量收集器的实验数据。通过将仿真预测结果与实验结果对比,验证了所设计的人工神经网络能有效地预测压电能量收集器的输出特性,且无需复杂的收集器理论建模。