动态系统基于模型诊断的研究进展与展望

基于模型诊断是为了克服传统故障诊断方法的缺点而兴起的一项新型的智能推理技术,其应用也越来越广泛.介绍了动态系统基于模型诊断的诊断过程,综述了建模诊断方法、时序基于模型诊断方法.通过与静态诊断的比较,指出动态系统基于模型诊断的各种定义及其研究意义,并指出有待解决的问题.     

动态系统基于模型诊断的研究进展与展望

基于模型诊断是为了克服传统故障诊断方法的缺点而兴起的一项新型的智能推理技术,其应用也越来越广泛.介绍了动态系统基于模型诊断的诊断过程,综述了建模诊断方法、时序基于模型诊断方法.通过与静态诊断的比较,指出动态系统基于模型诊断的各种定义及其研究意义,并指出有待解决的问题.     

基于模型诊断中计算碰集的方法

基于模型诊断是为了克服传统故障诊断方法的缺点而兴起的一项新型的智能推理技术.人们已经建立了基于模型诊断与本原蕴涵/蕴涵式的直接关系.这里论证了极小碰集与本原蕴涵/蕴涵式的关系.提出了碰集计算方法-NEWHS-tree,指出该算法需要搜索的结点数比Greiner的HS-DAG算法需要搜索的结点数大大减少,而且能够处理多故障诊断问题,而Slagle等学者提出的算法不能处理多故障诊断问题.     

基于故障行为的模型诊断方法

提出一种利用故障行为求解所有极小诊断的新方法,并结合带有终止节点的集合枚举树形式化地表达计算过程,逐步生成所有的极小诊断.该方法不用求解冲突集及冲突集的碰集,一次直接求出所有的极小诊断,避免了由于调用基于假设的真值维护系统时的组合爆炸而引起的NP-完全问题.在集合枚举树中添加了终止节点,从而避免了非极小诊断的产生,且不会因剪枝而丢失正确的解.实验结果表明,该算法程序容易编制,且效率较好,可以满足复杂的被诊断对象的实时性要求.     

基于TRBAC混合模型的协同设计过程动态访问控制

针对具有周期时间约束、访问次数限制和设计过程动态变化特点的协同设计过程访问控制问题,将基于角色的访问控制模型和基于任务的访问控制模型进行扩展与融合,提出一种适应于协同设计全过程的动态访问控制模型CDACM。通过引入设计单元结构体的状态迁移和约束依赖关系,控制访问授权状态的变化和权限的约束,以实现与上下文相关的主客体动态授权管理;同时通过设定权限激活周期时间约束和权限访问次数限制约束,来解决权限访问时间限制和事务完整性约束问题。给出协同设计的访问控制策略和激活机制。将理论研究应用于链式输送机协同设计访问控制系统中,验证了所提模型的有效性。     

应用基于模型的定义技术建立三维工序模型研究

为了实现零件加工特征中间工序模型的快速生成,提出了一种应用基于模型的定义(MBD)技术建立三维工序模型的方法.分析了设计MBD模型与工艺MBD模型、工序MBD模型间的相互关系,结合数字化工艺设计系统,给出了三维工序模型中孔特征和规则凸台面特征的自动生成技术路线,论述了数字化工艺系统的功能框架及信息模型,并验证了应用MBD技术建立三维工序模型的可行性和有效性.     

利用标志传播求解基于模型的故障诊断

基于模型的诊断是一项新型的智能推理技术,是人工智能领域中一个炙手可热的研究分支.提出元件输出标志的概念,通过在系统中传播输出标志,来判断元件集合是否为系统的诊断.使用SE-Tree( set enumeration tree)形式化地描述整个计算过程,逐步生成当前系统对应的所有极小诊断.此方法不求解冲突集和碰集,直接求出所有的极小诊断,与Reiter的模型诊断方法有着本质的不同,极大地减小了诊断求解的复杂度.实验结果表明,该算法具有较好的效率,并且适用于复杂的对象的诊断问题.     

基于模型诊断的候选空间单调性研究EI北大核心CSCD

为了通过增加测量点、从候选诊断空间中找出真正的故障元件集,深入研究了测量点的选择优化问题,通过逻辑推理与验证的方法,分析了候选诊断空间大小随新测量点的单调性变化的关系,并给出了可以导致候选诊断空间单调递增或单调递减的测量点特征。同时证明了增加相关测量点可导致诊断空间单调递减,为进一步选择优化的测量点提供了基本理论依据。     

面向旋转机械迁移诊断的分层并行网络模型自动创建方法

针对当前基于深度学习的旋转机械故障诊断方法存在的依赖人工建模经验、需手动调参、试错迭代、面对不同诊断任务需重新创建诊断模型、异构迁移性差等问题,文中提出一种面向旋转机械迁移诊断的分层并行网络模型自动创建方法,可根据不同诊断任务快速自动地搜索出具有异构迁移性能的高精度诊断模型。基于神经结构搜索(Neural architecture search,NAS)与模块化设计的思想,设计了两类包含多层网络并行结构的基础块,区别于逐网络层搜索的模式,以基础块为单位进行搜索提高效率,控制器输出决策序列确定基础块的内部结构,并将其堆叠形成分层并行结构的子模型,根据子模型在诊断任务上的验证结果利用策略梯度算法优化控制器,循环迭代上述过程不断提高子模型的诊断精度。子模型的分层并行结构支撑了其良好的异构迁移性能,此外为解决NAS搜索耗时的瓶颈问题,在子模型训练过程中设置了权值共享机制以提高自动建模效率。所提方法面向四个不同旋转机械故障数据集进行自动建模和异构迁移诊断试验,结果表明针对四个不同诊断任务,所提方法均能高效创建出100%精度的诊断模型,消耗时间313s到1601s不等,并且所创建的子模型在仅用10%目标域数据耗费100s时间进行微调的条件下,即可面对目标诊断任务达到95%以上的迁移诊断精度。     

基于自回归模型的齿轮轴破损诊断

齿轮轴失效引起的齿轮箱振动行为与轮齿失效引起的齿轮箱振动行为不同.传统的齿轮故障诊断方法大多针对于轮齿破损,难以有效识别齿轮轴破损.用自回归模型拟合正常齿轮振动的时域同步平均信号,利用Akaike判据获得自回归模型的阶数,用Levinson-Durbin递归算法求解Yule-Waker方程获得自回归模型的系数.将建立的自回归模型作为线性滤波器处理齿轮箱振动信号,获得预测误差信号.之后对预测误差信号进行两样本Kolmogorov-Smimov检验,获得正常齿轮轴振动信号和待处理齿轮轴振动信号预测误差的K-S统计距离和相似概率,并将其作为齿轮轴破损特征指标量.实际试验表明这一特征指标的有效性.     

航空发动机诊断知识的动态获取与柔性诊断技术

针对军用航空发动机的状态监测与故障诊断问题，研究了航空发动机的诊断知识动态获取模型及柔性诊断技术。建立了可扩展诊断样本库，实现样本库中故障征兆和故障模式的动态增减，以增加系统的柔性和可扩展性；运用粗糙集理论对样本集进行处理，实现冗余属性的约简、冗余样本的去除及样本冲突的消除；用神经网络通过对处理后的样本集进行学习以动态获取知识，将实际诊断样本输入到训练好的神经网络模型即可得到诊断结果。整个诊断过程具有充分的可扩展性和柔性，当有新样本加入时，按上述步骤进行处理即可实现诊断知识的动态获取和诊断。算例表明了方法的正确性和有效性。     

一种乳化液泵分级故障诊断方法

针对乳化液泵故障机理复杂、故障诊断难的现状,提出一种乳化液泵分级故障诊断方法。首先,通过深度自编码网络(Deep Auto-Encoder Network,DAEN)实现乳化液泵故障的第一级诊断,以乳化液泵的14个特征参数作为输入,自适应特征学习,识别故障形式;然后,通过专家系统实现乳化液泵故障的第二级诊断,将已识别的故障形式与必要故障信息作为专家系统输入,得到明确的故障定位。实验表明,深度自编码网络平均准确率98.712%,优于深度神经网络和卷积神经网络,可靠性高,可以完成第一级诊断任务,然后通过专家系统完成第二级诊断任务,分析产生原因,操作简单。将该方法编制成后台可运行的程序,嵌入煤矿综采工作面智慧云平台。经过实际测试,该故障分级诊断方法能够快速有效定位故障位置,提高诊断精度。     

基于部件的分层智能诊断系统研究

为提高智能故障诊断系统对复杂机械设备的诊断能力,提出基于部件的人工神经网络专家系统诊断模型,根据机组结构模型,采用面向对象的知识库构建方法,集成了人工神经网络诊断技术和基于规则的诊断技术,提高了诊断的效率。     

一种新型的动态光扫描测试技术

介绍了一种利用光电位置传感器（ＰＳＤ）的动态光扫描测试技术，光电位置传感器的误差标定方法及电路设计原理。其电路具有信号处理简单，分辨力高，精度高，对测量光强不敏感等优点。     

信息缺乏条件下聚丙烯晴生产过程基于模型的故障诊断研究

本文在分析了化工过程信息缺乏的四个主要要素后,研究了信息缺乏条件下主要基于仿真模型的故障诊断方法,并且结合实例--聚丙烯晴生产过程的八股流量计故障诊断进行分析,依据生产工艺机理对复杂的工艺过程进行系统分割,分成八个子系统,对故障的诊断分别予以子系统实现,在对每个子系统进行独立的基于模型的故障诊断研究的基础上,设计了实时监测网络,各子系统之间通过路径建立相互连接,并讨论了应用Matlab 6.0为平台开发监测软件的问题.