基于PMC故障模型的NASD诊断算法

在PMC故障模型下,现有的自适应顺序诊断算法（ASD算法）不能充分利用所有的测试结果。为了有效地减少测试次数,提高诊断效率,提出一种新的自适应顺序诊断算法（NASD算法）。引入相对故障单元的概念,给出并证明了故障单元和无故障单元的判别定理。据此给出系统诊断的策略：（1）边寻求无故障单元边确诊故障单元;（2）已确认的故障单元不再参与任何测试;（3）找到无故障单元或故障单元数接近一半时,系统诊断结束。实例表明,NASD算法优于其他ASD算法。     

基于PMC模型的高效人工免疫诊断算法

诊断算法是系统级故障诊断的一个重要研究课题.文献[10]提出PMC模型下的人工免疫诊断算法,但是没有充分利用PMC模型的特点,并在计算亲和度的时候给出一个假设.对此首先利用PMC模型的特点优化初始种群的质量,其次定义优化后的亲和度函数,最后提出新的算法流程,并证明算法的正确性和收敛性.模拟实验显示在CPU时间和迭代次数上都优于原算法.     

改进的基于互测PMC模型的系统级故障诊断集团算法

该文改进了基于互测PMC模型的系统级故障诊断集团算法的理论，通过定义集团测试边和绝对故障集，简化了集团诊断图，由此能较易地找到所有的基于互测PMC模型的相容故障模式(即使不满足t—可诊断性)，从而大大减少了系统级故障诊断的复杂度，尤其是对强t—可诊断系统。     

PMC模型下的一个贪婪诊断算法

提出了一种PMC模型下基于矩阵运算的贪婪诊断算法——MGFD算法。算法结合作者曾经提出的"绝对故障基"思想,首先剔除绝对故障基,得到一个维度减小的矩阵,之后根据该矩阵求得集团。在文献[10]提出的四个贪婪诊断算法的基础上,提出集团的内贪婪因子、外贪婪因子、综合贪婪因子等概念,设计了新的贪婪准则。论证了MGFD算法的正确性,并对算法进行了实验仿真。实验结果表明,MGFD算法相比文献[10]提出的贪婪诊断算法,具有较高的诊断正确率。     

基于Chwa & Hakimi故障模型的二分诊断算法

在对Chwa &; Hakimi故障模型的诊断中,目前相对成熟的算法有t-可诊断性算法和方程诊断算法两大类。然而,上述两类算法各有其优缺：前者要求故障处理机的数目小于处理机总数的一半;后者则希望故障处理机的数目多多亦善。不仅指出何时采用t-可诊断性算法或方程诊断算法,而且建立了所谓的二分诊断算法,即当故障处理机数量占处理机总数一半左右时将原测试系统拆分为两部分：相对正常机集合和相对故障机集合,从而对各个处理机集合采用各自适合的算法去诊断。     

基于蝙蝠算法的系统级故障诊断研究

首次将蝙蝠算法用于解决系统级故障诊断问题,从而提出了一种高效的诊断算法——蝙蝠故障诊断算法。在初始化阶段,种群被分成大、小两类,并采用不同的处理方式;根据系统级故障模型的特点,设计出了具有方程约束的适应度函数;为了平衡全局搜索与局部搜索,在速度更新公式中增加一个变系数;为实现寻址的离散化,对蝙蝠速度进行了二进制映射。仿真实验结果表明,蝙蝠故障诊断算法在迭代次数、诊断正确率和最优解的适应度等方面明显优于现有的具有代表性群智能诊断算法——FAFD算法。     

在MM＊比较模型下M？bius立方体的一个快速诊断算法

基于比较的诊断是多计算机故障诊断的一种实用方法.M（o）bius立方体是超立方体结构的一种变形,具有并行处理所需的某些性质.文章在MM＊比较模型下研究了M（o）bius立方体的诊断问题.利用M（o）bius立方体中圈的分布特性,提出了一个新的诊断算法.通过数据的适当组织,该算法的运行时间为O（Nlog22N）,其中N表示处理器总数.而经典的Sengupta-Dahbura诊断算法所需时间为O（N5）.因此,新算法在诊断时间方面明显优于Sengupta-Dahbura算法.     

PMC模型下网络故障的节点可诊断研究

传统故障诊断研究大多忽略了系统局部特征。PMC模型下,针对于这一问题,引入了节点可诊断的概念,并通过节点可诊断方法的研究得到了节点可诊断度的充分条件和◢t◣-可诊断新算法STFDA。最后,对◢n◣维超立方网络和◢n◣维星状网络从节点可诊断的角度进行了分析,验证了所得充分条件的正确性,并将算法应用到这两种网络中进行故障诊断。其中,充分条件和STFDA算法的实现借助了新的结构ST。STFDA算法的时间复杂度为◢O（Nδ）,δ◣为网络中节点的最大度。相比于其他算法,算法的时间复杂度得到显著降低。     

对称比较模型下的系统级故障诊断

本文在对称比较模型下研究系统级故障诊断问题，提出了一个非自适应诊断算法和一个自 适应诊断算法，并分析了它们的诊断开销。     

Malek故障模型的方程诊断算法设计

首先给出Malek模型的方程组定义形式,然后在不以“t-可诊断性”和“相信大多数”作前提假设的情况下,通过引入“集团”的概念给出了求其全体相容故障模式的具体方法—方程诊断算法,丰富了Malek模型的故障诊断方式。     

基于FTA和比较模型的网络故障诊断算法

针对网络故障特点,将MM*模型和FTA方法引入网络故障诊断建模中,设计了一种用FTA方法进行网络故障的系统分析与诊断,并定量求解出所有故障可能的最小割集,然后用MM*模型从最小割集中选取测试点对进行单点故障检测与定位的网络故障诊断算法。实验结果表明,该算法有效提高了网络故障诊断的效率和准确率,具有较好的实用性。     

一种Malek模型下的系统故障诊断算法

在多机系统中,各个结点（处理器）在通信过程中极易发生故障,因此选择有效的诊断算法,快速、准确地判断出系统故障集十分重要。传统的PMC模型以结点相互测试的结果为基础,而故障结点的测试结果不唯一,导致该模型诊断结果相对不稳定。针对这种情况,采用Malek诊断模型代替传统的PMC模型,借助遗传算法特性,将复杂的网络拓扑图简化为二进制编码,并按照适应度函数值确定种群搜索方向,提高搜索效率。该算法根据Malek模型设计约束方程,提出新的适应度函数,优化变异算子。实验表明,算法改进后,缩短了判断故障集所需的CPU时间,同时,算法根据故障症候判断出目标故障集的概率更高,从而证明了用Malek模型代替PMC模型的高效性。     

扩展T-S模糊模型的PSO神经网络优化算法

针对机械设备具有模糊性和非线性的特点,提出了一种利用扩展T-S模糊模型的,自适应PSO算法和BP神经网络相结合的新型智能结构优化算法。通过自适应的高斯函数来更改基本T-S模糊模型中的隶属度函数,进而使用扩展的T-S模糊模型来调整PSO算法的参数。以BP 神经网络隐含层神经元数目为设计变量,提取训练后的均方误差作为评价函数,用改进后的粒子群算法进行寻优。把优化后的网络模型应用于轮盘结构优化中,实验表明,该方法在保证轮盘性能的同时,对其结构进行了重新优化,是一种可行的结构优化方法。     

基于梯度粒子群算法的细菌觅食算法

针对细菌觅食算法在优化过程中环境感知能力较弱且容易陷入局部极值的缺陷,将梯度粒子群算法的基本思想引入细菌觅食算法中,改进原算法的收敛速度和收敛能力,并据此提出了基于梯度粒子群算法的细菌觅食算法GPSO-BFA。该算法既利用了细菌觅食算法出色的全局搜索能力,又借助梯度粒子群算法的快速局部寻优能力,很好地将两者的优势结合在一起。基于六个高维Benchmark函数的实验结果显示,该算法在收敛速度和精度方面都优于其他四种细菌觅食算法。     

信息熵协进化粒子群算法

针对基本粒子群算法具有搜索初期收敛速度慢,后期易陷入局部极值点的缺陷,引入信息熵衡量粒子群体的适应度值,结合模拟退火算法,提出一种基于信息熵混合协进化粒子群算法,增强了算法的自适应能力。通过4个标准函数对提出的算法进行了测试,仿真结果表明,算法是有效和可行的,且比基本粒子群算法的计算精度高。     

求解非线性互补问题的熵函数认知优化算法

提出了一个求解非线性互补问题的熵函数社会认知优化算法。首先将非线性互补问题转化为非线性方程组来求解,然后利用熵函数法将非线性方程组求解转化为一个光滑的无约束优化问题,最后应用社会认知优化算法求解此优化问题。实验结果表明,该算法收敛速度快,稳定性好,是求解非线性互补问题的一种有效算法。