一种新的基于扩展星型结构的系统级故障诊断算法

网络系统级故障诊断是一种重要的针对网络节点进行故障诊断的方法.通过对网络系统级故障诊断的PMC模型和MM模型的t可诊断性进行分析,在确定的网络拓扑结构中构造扩展星型结构,利用图论的方法对给定的PMC模型和MM模型下的症状进行分析和论证,判断扩展星型结构根节点的状态.最后基于扩展星型结构判断网络节点状态的证明结果,提出一种新的针对已确定系统诊断度、并能构造出扩展星型结构的多处理器网络系统的系统级诊断算法——扩展星型结构算法.通过理论证明和实验结果表明:这种算法能够简单、快速并且正确地识别出处理器网络系统的故障节点,其时间复杂度为O(N),N表示处理器网络系统的节点个数.     

基于互测PMC模型的强t-可诊断系统集团算法

定义了基于互测PMC模型的强t-可诊断系统，提出了一系列的性质和定理，提出了系统级故障诊断的集团算法，从而减少了系统级故障诊断的复杂度。     

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。     

一种启发式的计算机局域网故障诊断方法

介绍了概率诊断的思想;给出了一种考虑网络对象相关性的局域网故障诊断概率模型。由于故障诊断问题是一个NP-C问题,提出了一种启发式算法,克服了现有故障诊断算法在故障相关性、计算复杂度等方面存在的不足。通过分析比较,该启发式算法有效地降低了计算复杂度。实验仿真结果表明该启发式算法具有较好的性能,诊断概率高。     

一种利用节点误码率大小的调制结构优化算法

为降低小波包调制系统的误码率,该文提出了一种利用各节点误码率大小的调制结构优化算法.该算法将满树结构各节点代表的子信道的误码率作为各节点的度量值,按照一定的剪枝规则将满树结构中导致系统误码率升高的子节点剪枝实现调制结构的优化.理论分析和仿真结果表明,与其他算法相比,该算法优化出的调制结构能够进一步降低系统误码率,且算法计算复杂度较低.     

基于交叉熵的节点重要性排序算法

如何高效地度量节点的重要性一直是复杂网络研究的热点问题。在节点重要性研究中,目前已有许多算法被提出用于判断关键节点,然而多数算法局限于时间复杂度过高或评估角度单一。考虑到熵可用于定量描述信息量的大小,因此,提出了一种基于交叉熵的节点重要性排序算法,该算法兼顾了中心节点与其近邻节点之间的整体影响力,并将节点的邻域拓扑信息有机地融合,使用交叉熵值来量化节点之间的信息差异性。为验证该算法的性能,首先采用单调关系、极大连通系数、网络效率以及SIR模型作为评价指标,其次在8个不同领域的真实网络上与其他7种算法进行比较实验。实验结果表明,该算法具有有效性和适用性,此外时间复杂度仅为O(n),适用于大型网络。     

基于因果图的分布式诊断模型研究及应用

为了降低系统多故障诊断的计算复杂性,研究了一种基于因果图的分布式诊断模型.首先用因果网络图建立集中式模型,然后通过有向树分解技术把集中式模型转化为分布式模型,并离线计算集群表,得到局部诊断解后再采用诊断融合算法实现全局诊断.对电源系统的应用结果表明,分布式模型简化了集中式模型的计算复杂性,提高了效率,并且通过计算后的集群表及融合算法可以实现耦合故障的诊断.此种方法适用于卫星这类复杂系统的故障诊断.     

PMC模型下超立方体的一种条件诊断算法

诊断是一种提升互连网络可靠性的常用手段．条件诊断是假设系统中任一节点的所有相邻节点不会同时发生故障,这种诊断大大提高了诊断的有效性．提出一种在PMC模型下超立方体的条件诊断算法,通过广度优先搜索遍历整个超立方体,在遍历过程中通过相邻节点之间的诊断结果将超立方体节点分成若干个集合,再通过集合之间的关系和集合中所含元素的数量识别出故障集合和无故障集合．对于n维超立方体,节点数为N,该算法的时间复杂度为O(N²)．     

一种有效的局部可修复码的构造方法

为了能够同时优化局部可修复码的平均信息修复度、平均修复度以及更新复杂度,并降低构造局部可修复码的算法复杂度,通过分析Tanner图的特点,提出了一种新的构造方法。首先,对局部校验节点进行设计,在满足局部可修复码的平均信息修复度为最优的基础上,通过区分局部组的特点,对重叠组进行分类构造,优化码的平均修复度;其次,对全局校验节点进行设计,优化码的更新复杂度;最后对构造码的算法复杂度进行分析和对比。结果表明,所提出的方法优化了以上所述的性能,且降低了局部可修复码在构造过程中的复杂度。     

动态网络中的高效多故障诊断技术

针对已有算法复杂度较高,不适用于规模较大网络的问题,将被管系统建立成动态贝叶斯模型,并提出一种能处理多故障的近似推理算法. 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. 实验结果证明,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.     

微型计算机系统板的故障诊断

在归纳总结了微机系统板树形结构的基础上,采用诊断卡这一系统板诊断工具的设计思想,运用微功能测试的方法对系统板树形的硬件电路及芯片进行搜索,根据功能通路判据规则进行准芯片级的故障定位,并采用有效时序过程检测方法实现了诊断算法,以达到迅速、有效、准确定位故障的目的。     

基于贝叶斯理论的复杂系统快速诊断算法

针对系统结构复杂、维修保障难度大,多具有不确定性(不完整性)信息、多故障和关联故障等特点,融合贝叶斯理论和策略优化算法的优势,提出一种混合快速诊断算法.将诊断任务分解成若干单故障子任务,对子任务用故障树和贝叶斯网络分别建模,根据贝叶斯-蒙特卡洛算法获得先验概率,进行诊断推理分析,获得系统故障薄弱环节,同时运用综合策略优化算法,对故障原因进行诊断策略优化,以实现快速诊断为目的.以电控发动机复杂系统为例,对混合快速诊断算法进行应用研究,验证了该算法的正确性和有效性.     

互连网络故障直径的研究

考虑了至多可以删除多少个顶点才能保证互连网络的连通。给出了网络的容错能力。根据Menger定理可以得到BC互连网络之间至少存在n条内部节点互不相交的路径。利用广度优先搜索的思想,给出了求任意两个节点之间的n条内部节点互不相交。且在两点间所有路径中是最短的n条路径的算法。该算法为网络故障直径的研究提供了依据。而且。在故障存在但是网络连通的情况下。可以求得网络中任意两节点间的n条最并行路径。提高了网络的容错能力。本文对提出的方法及算法的正确性进行了证明,为研究互连网络的性质提供了新的研究方法。     

基于遗传小波神经网络的电网故障诊断方法研究

电网故障中继电保护和断路器的拒动、误动以及信息上传过程中的丢失、畸变等问题使快速、准确的故障诊断仍是一个难题。神经网络方法虽已应用,但神经网络容易陷入局部极小值,针对此情况,提出了基于小波神经网络和遗传算法相结合的故障诊断方法。用遗传算法学习小波神经网络的权值、尺度函数、结构,可以确定用于故障诊断的最优小波神经网络。并对算例进行了仿真,仿真结果表明优化的故障诊断系统优于BP算法的诊断系统,提高了故障诊断精度。     

基于小波奇异熵和SOM神经网络的微电网系统故障诊断

针对微电网系统运行方式灵活、拓扑结构多样的特点,基于对小波变换、奇异值分解和泛化信息熵基本理论的分析,揭示了小波奇异熵能够对故障信号给出确定的量度,将小波奇异熵与自组织特征映射(self-organizing feature map, SOM)神经网络相结合,提出一种能够适应微电网系统拓扑结构变化情况的故障诊断方法。 利用PSCAD4.2建立了微电网故障仿真系统,进行故障诊断仿真试验。 试验结果表明:该方法不受故障位置、故障时刻等因素的影响,在微电网系统拓扑结构发生变化的情况下,能实现有效的故障诊断。     

基于免疫代理的网络故障诊断研究

针对现有网络故障诊断系统的自适应能力弱、诊断速度慢和故障模式不同等问题,将免疫原理与代理技术相结合,采用分层多步的诊断思想构建诊断模型。基于克隆选择学说,提出新算法,完成检测器的训练。该算法选取了检测器克隆群,引进优化参数,可避免过早收敛和局部最优解的产生,从而改进诊断性能;同时还引入了检测器分类思想,加速诊断过程。与传统故障诊断方法相对比,该模型在处理复杂环境下的网络故障具有较明显的优势。     

基于C++ Builder的凝汽器故障诊断系统

为了有效地对电厂凝汽器进行故障诊断并给予操作指导,开发了凝汽器故障诊断系统.该故障诊断系统分别采用标准BP算法和改进BP变步长附加动量法进行网络的学习训练.以凝汽器故障知识库为依据,构造了17个输入层节点、13个隐含层节点、12个输出层节点的三层反向传播网络.经过对比,说明采用经过改进BP变步长附加动量法进行网络的学习...     

Fault Diagnosis Approach of Local Ventilation System in Coal Mines Based on Multidisciplinary Technology

In order to reduce the probability of fault occurrence of local ventilation system in coal mine and prevent gas from exceeding the standard limit, an approach incorporating the reliability analysis, rough set theory, genetic algorithm （GA）, and intelligent decision support system （IDSS） was used to establish and develop a fault diagnosis system of local ventilation in coal mine. Fault tree model was established and its reliability analysis was performed. The algorithms and software of key fault symptom and fault diagnosis rule acquiring were also analyzed and developed. Finally, a prototype system was developed and demonstrated by a mine instance. The research results indicate that the proposed approach in this paper can accurately and quickly find the fault reason in a local ventilation system of coal mines and can reduce difficulty of the fault diagnosis of the local ventilation system, which is significant to decrease gas exploding accidents in coal mines.     

超立方体中基于极大安全链路矩阵的容错路由

超立方体网络拓扑结构是多处理机系统中常见的一种.随着多处理机系统规模的增大,系统出现链路与结点故障的概率也随之增大.针对超立方体结构的多处理机系统中存在链路故障的情况,提出了用于最优通路记录的极大安全链路矩阵(maximum safety-link matrices,MSLMs)这一概念,给出了一种建立MSLMs及其容错路由算法.通过n-1轮邻结点的信息交换,用矩阵的形式记录最优通路;与已有的容错路由算法相比,极大安全链路矩阵解决了如何用矩阵的形式来记录最多最优通路数的问题.     

基于神经网络的模拟电路故障诊断

针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于LM算法的神经网络故障诊断方法;主要包括故障特征的选取以及神经网络的建立.其中网络隐含层节点数的选取采用黄金分割优选法.试验仿真表明,LM算法明显提高了网络训练速度,减少了训练时间,其效果优于标准BP算法,可有效提高故障诊断性能.