梯形模糊因果图及归一化研究

因果图理论是一种基于概率论的推理方法。文章在分析因果图理论发展和存在的问题基础上，将模糊数学引入因果图理论，即模糊因果图，从而可以克服因果图分析中概率难以精确赋值的缺点，将因果图理论应用扩大到了模糊领域。文章主要对事件概率为梯形模糊教进行讨论，提出了模糊因果图的算子，得到了模糊条件概率的计算公式，讨论了模糊概率的归一化方法。最后，以核电站的一个子系统为例进行仿真实验，实验结果与实际一致，归一化方法可行。研究表明：模糊因果图能有效地用于故障分析，比原来的因果图方法具有更大的灵活性和适应性.     

变压器故障风险分析理论模型研究

变压器是电力系统关键的一次设备,其故障直接影响到电网的安全可靠水平,因此开展变压器的故障风险分析理论模型研究具有重要的意义.给出了用于描述变电设备故障模式的因果网络图与链条模型及其基本特点,并在此基础上给出了变压器故障风险的定性分析模型.通过变压器绕组短路的案例分析表明,提出的故障风险分析定量模型能够有效预估变压器的故...     

基于贝叶斯网络的电力变压器局部放电故障检测

针对传统电力变压器故障检测方法对电力系统中潜藏的故障问题检测水平不足,准确率较低,无法及时准确的发现异常隐患等问题,提出基于贝叶斯网络的变压器局部放电故障检测方法;首先通过传感器获取电力变压器不同状态下运行过程中的参数数据,对局部放电故障发生的概率和范围进行合理性评估,提取评估概率数据综合为样本数据集,构建贝叶斯网络故障树;根据逻辑规则转化为贝叶斯网络,推演计算故障节点之间的算例关系,利用贝叶斯原理抽取故障特征指标与异常概率之间的关联关系,利用模糊描述方法构建故障特征关联函数,计算可得故障特征模糊函数动态变化关系,实现对变压器故障发生的概率与位置信息的判断与确定;实验结果表明,利用贝叶斯网络对电力变压器局部放电故障检测准确率达到85%以上,最高可达96%,说明该方法具有较高的检测准确率,能够有效提高电力变压器放电故障检测的有效性。     

基于信任知识库的概率模糊认知图

模糊认知图较难表示概念间因果关系测度的不确定性、因果联系的时空特性及专家对知识的不确定性．在继承模糊认知图模型优点的前提下，在概念间的因果关系中引入条件概率及信任知识库表示，提出基于信任知识库的概率模糊认知图模型．该模型用条件概率及信任知识库表示因果联系的时空特性、专家对知识及概念间因果关系测度的不确定性，从而将因果关系测度的不确定性、因果联系的时空特性及专家对知识的不确定性有效地融入模糊认知图中，自然扩展了模糊认知图模拟因果关系的能力，较大限度地减少了认知图对现实世界模拟的失真．最后通过实验说明了基于信任知识库的概率模糊认知图模型，具有比FCM更强的模拟能力．     

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。     

一种新颖的深度因果图建模及其故障诊断方法

为了实现复杂工业过程故障检测和诊断一体化建模, 提出了一种新颖的深度因果图建模方法. 首先, 利用循环神经网络建立深度因果图模型, 将Group Lasso稀疏惩罚项引入到模型训练中, 自动地检测过程变量间的因果关系. 其次, 利用模型学习到的条件概率预测模型对每个变量建立监测指标, 并融合得到综合指标进行整体工业过程故障检测. 一旦检测到故障, 对故障样本构建变量贡献度指标, 隔离故障相关变量, 并通过深度因果图模型的局部因果有向图诊断故障根源, 辨识故障传播路径. 最后, 通过田纳西?伊斯曼过程进行仿真验证, 实验结果验证了所提方法的有效性.     

多值因果图的推理算法研究

针对多值因果图存在的两个困难：（1）不严格满足概率论；（2）将其用于实际问题时，推理结果可能出现错误，提出了一种基于因果影响可能性分配的推理算法，该算法将多值因果图的推量分成3个阶段，首先对多值因果图进行补充定义，使多值因果图能够兼容单值因果图；接着将多值因果图转化为单值因果图进行概率计算，最后对多值因果图进行可能性计算，将单值因果图计算得到的概率按多值因果图计算得到的可能性进行分配，以核电站二回路系统中蒸汽发生器故障诊断因果图为例，展示了该算法推理计算的全过程，实例表明，该算法能够有效地克服多值因果图存在的困难，其推理过程严谨，计算结果符合实际情况，而前面提出的推理算法基础上，针对其不能处理模型情况的局限性，提出了一种模糊推理算法，该算法对多值因果图进行了模糊扩展定义，在读数变量和事件变量之间建立了用于表达模糊知识的模糊对应关系，在事件变量上定义了一个等价的虚拟模糊状态，使读数变量取值对应一个模糊状态，把读数和模糊推理转化为对应模糊状态的非模糊推理，通过本文的工作，目前因果图已发展成了一个能够处理离散变量和连续变量的混合因果图模型。     

基于模糊神经和局部统计的变压器故障研究

为了实现电网运行状态的在线监测和故障诊断隔离,提出了基于模糊神经模型和局部统计方法的故障诊断隔离机制。首先在分析电力变压器故障的基础上,利用模糊神经网络建立无故障状态时电力变压器的温度模型,得到模糊神经模型和实际电力变压器输出的温度偏差,然后结合优化的全局检验和最小最大检验的局部统计方法计算对应故障诊断和隔离指标。当其超过设定的故障阈值时,该评估系统可早期发现故障和启动警报,并根据具体参数变化将故障定位在变压器具体元件。仿真试验表明,提出的故障诊断和隔离方法在实际系统中表现出优越的性能,能够提前发现故障原因,维护电网高效运营,具有重要的理论意义和应用价值。     

基于有序加权平均算子的概率模糊认知图

模糊认知图(FCM)与概率模糊认知图(PFCM)使用简单的加权和集结因果推理结果,忽略了原因节点间关联关系的不确定性,阈值函数导致推理结果进一步失真.在继承FCM与PFCM优点的基础上,引入有序加权平均(OWA)算子模拟各种确定的或模糊的与或组合关系,提出了基于有序加权平均算子的概率模糊认知图(OWA-PFCM).通过构建一个动态的攻击效能评估模型,阐述了OWA-PFCM在工程建模中的应用.OWA-PFCM能同时表示因果节点状态的不确定性、因果联系强度的不确定性、与或组合关系的不确定性,具有更强的模拟能力.     

基于优化模糊Petri网的矿用变压器故障诊断

针对用于矿井中有煤尘而无爆炸危险的地方、以油浸式为主的变压器,提出了一种基于优化模糊Petri网的矿用变压器故障诊断模型。根据故障征兆与故障之间的关系,利用模糊产生规则来建立故障诊断模型;利用Elman网络算法的自学习和自适应能力对模型初始参数进行优化处理,使模糊Petri网初始参数值的设置更加合理。Matlab仿真结果表明,优化模型和未优化模型的故障诊断准确率分别为87.88%和75.76%,验证了优化模型的有效性。     

基于FRPN的水下机器人故障诊断

根据水下机器人系统故障特征的提取具有模糊性和并发性的特点,提出了一种新的基于模糊产生式规则推理的Petri 网模型—模糊推理Petri 网（Fuzzy Reasoning Petri Net,FRPN）,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。利用该模型为水下机器人故障系统进行建模,并分析得到系统中各部件故障发生的概率用以指导水下机器人维修中的故障排除。实验表明该模型具有直观、表达能力强和易于推理的优点。     

基于FCM与模糊粗糙集理论的交通事件检测模型

为准确及时地发现高速公路上的事故隐患,有效地减少交通延误,保障道路安全,提出了一种新的基于模糊C均值（FCM）聚类和模糊粗糙集的交通事件自动检测模型。模型分为离散化、推理规则建立和模糊推理三个步骤。在属性离散化时,提出用常用的隶属度函数来拟合FCM聚类后的结果,并用此函数和参数来实现属性数据的离散化,避免了每次输入数据都必须通过聚类操作来进行离散化;采用了粗糙集理论建立推理规则,选择和交通事件密切相关属性并进行规则的约简,加速了模糊推理的速度;最后采用Max-Min模糊推理方法对交通事件进行检测。通过多种检测方法对比测试,结果表明了此模型在总体性能上优于传统的检测方法,验证了此模型的有效性,为交通事件的检测提供了一种新的思路。     

一种基于改进T-S模糊推理的模糊神经网络学习算法

针对模糊神经网络学习算法计算量过大,在预测模型设计中提出了基于改进T-S模糊推理的模糊神经网络学习算法。主要工作如下:首先,改进T-S模糊推理方法,定义基于偏移率的T-s模糊推理方法;然后,通过将此模糊推理方法与基于合成规则的模糊推理方法及距离型模糊推理方法相比较可以看出,所提方法有较少的计算量,且比较有效;最后,在此基础上改善了模糊神经网络学习算法,并将其应用于天气预测与安全态势预测。测试结果表明,该方法明显改善了学习效率,减少了预测模型设计中的学习次数与时间复杂度,并降低了学习误差。     

基于神经网络与模糊推理的尿沉渣成分识别

把神经网络应用于尿沉渣有形成分的识别,并在神经网络识别的基础上引入模糊推理系统.当遇到神经网络无法正确识别的不规则有形成分时,由模糊推理系统进行推理识别.专家对不规则有形成分的识别经验通过建立多规则、多输入的Mamdani模糊推理模型,融入到识别系统中,使整个识别系统变得智能化.实验结果表明,该方法提高了不规则有形成分的识别率,达到预期的效果.     

基于扩展模糊Petri网的知识推理方法研究

为使模糊Petri网能够描述可变模糊隶属判据下的模糊知识,利用基准变换能较好地表达模糊隶属判据可变情况的特点,基于定性映射和定性基准变换对模糊Petri网进行了扩展,给出了扩展后网模型的形式定义和基本运行机制。通过利用定性映射描述模糊产生式规则,给出了一种新的知识表示模式和推理方法,新方法有利于构建模糊Petri网基于认知的学习机制。结果显示,该网模型具有较强的知识表达能力,适用于处理认知模糊不确定性知识,其推理过程能体现某些认知特性,尤其适用于构建以定性判断为特点的智能系统。     

基于模糊Petri网的无线顺序控制系统的故障诊断

通过分析基于无线传感器网络的顺序控制系统,给出它的故障传播规则。针对模糊Petri网在故障诊断中的置信度模糊推理算法的不足,进行了添加阈值判断的改进。运用改进后的模糊Petri网推理算法对无线顺序控制系统进行故障诊断,计算控制器故障发生的概率,得出其中控制逻辑重新发送概率最大,理论结果与现场实际测试结果基本一致。     

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。     

Fuzzy Reasoning as a Control Problem

Different from the dominant view of treating fuzzy reasoning as generalization of classical logical inference, in this paper fuzzy reasoning is treated as a control problem. A new fuzzy reasoning method is proposed that employs an explicit feedback mechanism to improve the robustness of fuzzy reasoning. The fuzzy rule base given a priori serves as a controlled object, and the fuzzy reasoning method serves as the corresponding controller. The fuzzy rule base and the fuzzy reasoning method constitute a control system that may be open loop or closed loop, depending on the underlying reasoning goals/constraints. The fuzzy rule base, the fuzzy reasoning method, and the corresponding reasoning goals/constraints define the three distinct ingredients of fuzzy reasoning. While various existing fuzzy reasoning methods are essentially a static mapping from the universe of single fuzzy premises to the universe of single fuzzy consequences, the new fuzzy reasoning method maps sequences of fuzzy premises to sequences of fuzzy consequences and is a function of the underlying reasoning goals/constraints. The Monte Carlo simulation shows that the new fuzzy reasoning method is much more robust than the optimal fuzzy reasoning method proposed in our previous work. The explicit feedback mechanism embedded in the fuzzy reasoning method does significantly improve the robustness of fuzzy reasoning, which is concerned with the effects of perturbations associated with given fuzzy rule bases and/or fuzzy premises on fuzzy consequences. The work presented in this paper sets a new starting point for various principles of feedback control and optimization to be applied in fuzzy reasoning or logical inference and to explore new forms of reasoning including robust reasoning and adaptive reasoning. It can be also expected that the new fuzzy reasoning method presented in this paper can be used for modeling and control of complex systems and for decision-making under complex environments.     

一种基于模糊逻辑的非线性系统故障检测与定位的方法

针对一般非线性系统,提出了一种带故障标志的系统故障模糊模型,基于此模型给出了一种非线性系统故障检测与定位的新方法,它采用模糊聚类算法提取故障系统的模糊规则,进而完成系统故障的检测与定位,该方法对噪声污染具有较强的抑制作用,对模型误差亦无较高的要求, 仿真结果表明所提方法对非线性系统的故障可以及时地完成检测与定位。     

改进证据推理的联合防空作战效能评估模型

根据证据理论在处理不确定性推理问题时的优势,运用证据理论对联合防空作战效能进行评估。首先建立基于证据推理的基本模型,然后引入模糊数学方法来处理具有模糊概念或推理关系的复杂问题,并且还考虑了实际问题中可能出现的加权证据或者相关证据的情况,提出了利用改进的证据模型进行联合防空作战效能评估的方法。通过实例分析,证明了改进证据推理模型在联合防空作战效能评估中的实用性与有效性。