容错云计算网络中自适应故障检测方案研究

当前大多数故障检测(FD)技术无法针对动态网络条件自动调整它们的检测服务参数,导致无法应用于实际环境中。针对容错云计算网络中的故障检测特性进行研究,提出了一种通用的容错云计算网络自适应故障检测(SFD)算法;基于上述通用算法,对当前故障检测器进行优化,提出了一种自适应累积型故障检测器,并对SFD算法的部署进行了研究。基于七种典型的广域网案例,比较评估了该故障检测算法与当前其他算法的性能。实验结果表明,该算法可以实现故障的自适应检测,满足用户需求,拥有较高的系统性能。     

云网络中一种基于高服务质量的故障检测方案

当前大多数故障检测技术(FD)无法针对动态网络条件自动调整它们的检测服务参数,导致无法应用于实际环境中。对现实中的自动容错云计算网络的故障检测特性进行研究,首先提出一种通用的容错云计算网络自适应故障检测算法(SFD),然后基于上述通用算法,对当前故障检测器进行优化,提出一种自适应累积型故障检测器,并对SFD算法的部署进行研究。最后,我们基于7种典型的广域网案例,通过广泛的实验,比较评估该故障检测算法与当前其他算法的性能。实验结果表明,算法可以实现参数的自动调整,进而获得相应的服务质量,满足用户需求,拥有较高的系统性能。该SFD可以广泛应用于工业和商业领域,并为云网络带来巨大效益。     

采用双状态传播卡方检验和模糊自适应滤波的容错组合导航算法

太阳能高空长航时无人机导航系统中,捷联惯导/北斗2κ全球卫星导航/星光导航(SINS/BD2/GPS/CNS)是一种可用的组合方案.针对常规容错组合导航算法故障检测类型单一,故障时滤波精度下降的问题,提出一种采用双状态卡方检验(TSPCST)和模糊自适应滤波(FAF)的容错组合导航算法.为了同时检测多种故障,将TSPCST应用于联邦滤波结构中;为了防止故障数据污染系统,利用FAF输出的高精度导航信息,对双状态传播器定期交替校正;进一步,FAF运用TSPCST检测得到的故障信息变量,定义量测子系统模糊有效域,将检测阈值模糊化,以弥补常规固定检测阈值算法难以选取阈值的不足;最后,通过计算信息分配因子,自适应处理多种故障数据.仿真结果表明,该容错组合导航算法性能优于常规固定检测阈值算法.     

改进粒子群算法应用于Android恶意应用检测

为进行Android恶意应用检测,提取了Android应用程序的API调用信息、申请权限信息、Source-Sink信息为特征,这些信息数量庞大,特征维数高达三四万维。为消除冗余特征和减少分类器构建时间,提出了使用[L1]与离散二进制粒子群算法（BPSO）进行混合式特征选择;同时针对BPSO易早熟收敛的缺点,提出了一种改进的二进制粒子群算法SVBPSO。通过研究不同映射函数对二进制粒子群算法的影响发现,使用S型映射函数的BPSO全局搜索能力强,使用V型映射函数的BPSO局部搜索能力强,故该算法使用S型映射函数进行全局搜索,每隔一定迭代次数使用V型映射函数进行局部探索。实验结果证明,SVBPSO具有良好的收敛效果,使用SVBPSO进行特征选择后能提高Android恶意应用检测正确率。     

基于联邦滤波的卫星容错组合导航算法

多模卫星组合导航能够充分发挥多种卫星体系的优势,有效提高导航可靠性和精度,已成为导航领域重要的发展方向;为解决多模卫星系统可能存在故障卫星而导致系统定位失效的问题,文中提出一种基于联邦滤波的多模卫星容错组合导航算法,并引入了改进的残差故障检测方法,完成了一种北斗/GPS/GLONASS容错组合导航算法的设计;实验结果验证了该算法对于故障卫星检测和隔离的有效性;该算法对于多模卫星组合导航的应用具有较好的实用价值。     

云网络中基于高服务质量的故障检测方案

对自动容错云计算网络的故障检测特性进行研究,提出一种通用的自适应故障检测算法(SFD)。基于该算法,对当前故障检测器进行优化,提出一种自适应累积型故障检测器,并对SFD算法的部署进行研究。基于7种典型的广域网案例,通过大量实验,比较评估该故障检测算法与其它算法的性能。实验结果表明,该算法可以实现参数的自动调整,获得相应的服务质量,满足用户需求,拥有较高的系统性能。     

一种离散余弦变换电路的并发故障检测结构…

本文提出了一种离散余弦变换 (DCT)电路的并发故障检测结构。DCT采用 B.G.L ee算法蝶型结构实现 ,检测采用的方法是基于算法的并发故障检测容错方法。与其它并发故障检测容错结构相比 ,本文提出的并发故障检测 DCT结构在硬件及时间冗余度上均优越     

飞控系统传感器故障诊断的在线方法研究

传感器是飞行控制系统当中的一个重要组成部分,在系统中往往利用传感器的各个输出来建立飞机的动态状态;因此,实时准确的对传感器进行故障检测和识别可有效地提高系统的安全可靠性;提出一种带有可变遗忘因子的BP神经网络在线递推学习算法,应用改进的算法对飞行控制系统的传感器故障进行实时在线的检测和识别,且利用神经网络的输出对系统进行重构;仿真结果表明提出的方法可准确的对传感器的故障进行故障诊断和容错控制.     

基于T-S模糊神经网络模型的编码器故障软闭环容错控制方法

针对舞台吊杆调速系统中速度反馈元件增量式编码器可能产生的丢码、断码等问题,为防止故障影响的传播,结合数据驱动技术提出了一种基于T-S模糊神经网络(T-S FNN)模型的编码器故障检测与软闭环容错控制方法。首先,利用系统正常运行时的历史数据建立系统较为精确的T-S FNN预测模型,并用实际编码器测量值与模型预测值相减获得残差信息;其次,将其残差实时数据通过改进的序贯概率比检验(SPRT)算法进行故障检测,以克服检测延迟确保故障检测的可靠性,当检测出故障时,再用T-S FNN模型的预测输出替代故障编码器的输出,实现软闭环方式下的容错运行;最后,针对编码器丢码、断码等故障,采用上述方法进行了软闭环容错控制的有效性仿真验证。仿真结果表明,该方法能够快速可靠地检测到编码器故障,并用预测的重构信息通过容错切换机制,及时、安全地以软闭环方式实现了对故障编码器的容错控制,提高了舞台吊杆调速系统运行的安全可靠性。     

一种水下机器人传感器故障诊断与容错控制方法

采用自适应滤波器ＦＩＲ 对水下机器人进行在线自适应建模,并利用ＬＭＳ算法来调节滤波器的权系数．通过对滤波器权系数和误差信号平方的分析,实时检测出传感器的故障,并应用ＦＩＲ 滤波器输出替代故障传感器信号,实现传感器故障情形下水下机器人容错控制．应用该方法对Ｏｕｔｌａｎｄ１０００水下机器人传感器的故障进行检测和容错,实验结果表明所提故障检测方法准确可靠,具有较好的容错效果．

     

基于聚类中值比较的WSNs故障检测算法

无线传感器网络(WSNs)中的传感器件容易失效而导致测量数据不准确,因而,高效、实用的故障检测算法对于保证WSNs的感知质量非常重要。提出一种基于聚类中值比较(CBMC)的故障检测算法。不同于传统的中值比较的思想,该算法引入聚类方法对待检测节点的邻居节点测量数据进行分组,根据分组信息计算该节点状态。仿真实验表明:CBMC算法具有较高的故障检测率(DR)和较低的故障误检率(FPR)。     

一种网格环境下的动态故障检测算法

针对现有网格系统出错几率较大、已有故障检测算法不能有效满足网格系统需求问题,提出了一种网格环境下的动态故障检测算法．根据网格系统的特点,基于不可靠故障检测思想,建立了网格系统模型和故障检测模型;结合心跳（heartbeat）策略和灰色预测方法,设计了一种动态心跳机制,并给出了预测模型和实时预测策略;提出了基于该动态心跳机制的网格故障检测算法,分析了算法的可靠性．仿真实验结果表明,该算法是正确、有效的,可用于网格环境下的故障检测．     

采用在自己空间变异搜索来训练检测器的阴性选择算法

针对故障检测中,现有阴性选择算法的不足,以自己空间为基础,依据遗传算法中变异的机制,以及体现免疫系统疫苗接种、克隆选择的原理训练检测器,对能检测出异常的检测器的阴性选择算法作了新改进。最后通过仿真表明了新改进的算法在基本能覆盖自己空间范围的前提下,计算复杂度明显下降的同时对异常检测的有效性大大提高。     

一种采用非己空间变异搜索的故障检测算法

针对故障检测中,现有阴性选择算法的不足,提出了一种基于非己空间变异搜索检测器的故障检测算法。该算法以非己空间为基础,依据生物遗传中变异的机制,以及体现免疫系统克隆选择的原理来训练检测器,对能检测出异常变化的经典阴性选择算法作了新改进。最后通过仿真表明了非己空间变异搜索算法在计算复杂度明显下降的同时,对故障检测的有效性和准确性有极大的提高。     

基于灰色预测和KID离群点检测的AUV故障诊断

提高故障诊断能力对于确保水下机器人AUV系统的稳定运行具有重要意义。针对水下机器人推进器系统,提出一种基于离群点检测的AUV故障检测方法。首先,将传感器采集的数据进行灰色预测处理;然后,提出了一种结合K-mean和DBSCAN的改进迭代聚类(Iterative K-mean DBSCAN,IKD)算法进行离群点检测;最后,与K-mean和DBSCAN算法相比,仿真实验结果表明基于灰色预测和KID离群点检测算法的故障检测准确率高,能够有效地实现水下机器人AUV的无监督故障诊断。     

管道泄漏计算机在线检测系统及其算法实现

设计了管道泄满计算机在线检测系统的总体结构，提出了一种基于工况分析的逻辑判决故障检测算法，当输油管道工作状况不断发生改变时，这种方法能够动态估计管道运行数据的正常值范围，很好地解决输油管道泄漏的故障检测问题，结合GPS技术和负压波定位算法，大大提高了报警准确性和定位精度，现场测试结果和实际工业应用证明了该方法的有效性。     

基于交叉熵的改进NPE间歇过程故障检测算法

针对具有复杂动态特性的间歇过程进行故障检测,邻域保持嵌入(neighborhood preserving embedding,NPE)算法在保持数据局部几何结构时因忽略全局信息而造成检测率较低的问题,提出一种基于交叉熵(cross entropy,CE)的邻域保持嵌入(CEGLNPE)算法.首先,将交叉熵保持全局结构的...     

基于分层滤波算法的无人机控制系统故障检测技术

针对传统无人机控制系统故障检测技术检测误差率高，检测速率低的问题，引入分层滤波算法研究了一种新的无人机控制系统故障检测技术，构建地面坐标系得到模型数据，同时收集无人机系统的内部转向角因素，录入转向角数据，采用算法整合处理主系统数据，利用滤波手段控制数据录入量，综合提取特征参数，选取不同于正常状态的特征参数，利用噪声估计器诊断故障，分析残差与“零”之间的关系，从而实现无人机控制系统的故障检测。实验结果表明，相较于传统技术，基于分层滤波算法的无人机控制系统故障检测技术误差率降低了0.56%，检测速率提升了27.39%。     

粒子群优化支持向量机的入侵检测算法

为了提高网络入侵的检测正确率,针对网络入侵检测中特征选择问题,将二值粒子群优化算法(BPSO)用于网络入侵特征选择,结合支持向量机(SVM)提出了一种基于BPSO-SVM的网络入侵检测算法。该算法将网络入侵检测转化为多分类问题,采用wrapper特征选择模型,以SVM为分类器,通过样本训练分类器,根据分类结果,利用BPSO算法在特征空间中进行全局搜索,选择最优特征集进行分类。实验结果表明,BPSO-SVM有效降低了特征维数,显著提高了网络入侵的检测正确率,还大大缩短了检测时间。     

基于BPSO-NB算法的Android恶意应用检测方法

为了提高Android恶意应用检测效率,将二值粒子群算法(BPSO,Binary Particle Swarm Optimization)用于原始特征全集的优化选择,并结合朴素贝叶斯(NB,Nave Bayesian)分类算法,提出一种基于BPSO-NB的Android恶意应用检测方法。该方法首先对未知应用进行静态分析,提取AndroidManifest.xml文件中的权限信息作为特征。然后,采用BPSO算法优化选择分类特征,并使用NB算法的分类精度作为评价函数。最后采用NB分类算法构建Android恶意应用分类器。实验结果表明,通过二值粒子群优化选择分类特征可以有效提高分类精度,缩短检测时间。 