基于有向图和贝叶斯网络融合的飞机系统故障诊断研究

针对民用飞机系统的故障复杂性和特殊性,提出了一种基于有向图和贝叶斯网络融合的故障诊断方法.首先分析增压系统的组成,总结各组件之间的功能逻辑;接着以有向图理论为基础,将有向图中的节点赋值为系统各组件功能,进而推导出系统的功能模型,提高了故障诊断的直观性和有效性;最后利用贝叶斯网络快速的概率推理能力,缩小故障点集,实现故障定位,提高了诊断的快速性和精确性.通过实例验证,所研究的故障诊断方法对排故效率有了提升,同时对飞机其他系统的故障诊断有一定的参考价值.     

卫星电源系统的有向图分层诊断方法

在卫星电源故障诊断问题的研究中,针对系统的知识获取难问题,提出了一种将有向图和CLIPS专家系统相结合的分层诊断方法。这种方法利用有向图知识描述容易和CLIPS推理引擎快速的优势,设计了一个以事实描述系统模型知识的自定义模板结构,同时采用有向图分层策略减小故障搜索空间,然后利用CLIPS提供的快速匹配算法完成诊断推理过程,最后结合已有的专家经验知识给出卫星电源的故障诊断结果。实验结果表明,新方法具有很好的准确性和快速性。     

基于一种改进的云神经网络涡扇发动机故障诊断

在基于数据驱动的涡扇发动机地面定检系统中,为了提高航空发动机的故障诊断性能,提出一种改进的基于云神经网络的航空发动机故障诊断方法;首先,把云模型和BP神经网络相结合,得到进行故障诊断与检测的模型结构,然后用余弦式改进自适应遗传算法并对网络模型进行优化,得到改进后的云神经网络模型;通过对实际数据的实例仿真表明,该方法对于航空发动机地面稳态的故障诊断是可行的,并且提高了故障诊断系统的诊断精度。     

工业锅炉故障诊断的改进数据挖掘方法

针对工业锅炉的常见故障,提出了一种基于数据挖掘方法的锅炉故障诊断技术.通过建立一个智能化的数据挖掘工具,直接从大量实时数据中获取故障诊断知识进行故障诊断.数据挖掘工具的核心是采用信息熵技术来辅助遗传算法初始种群的生成.遗传算法和信息熵的有效集成,极大地提高了该数据挖掘方法的工作绩效.将本方法应用于火电厂锅炉的一个复杂故障事例,结果表明其诊断的精度可以满足现场应用的要求.     

模糊概率SDG模型及故障推理方法

基于符号有向图(SDG)的故障诊断方法具有良好的完备性和易于解释性,但其存在分辨率差的缺陷,为此提出基于模糊概率SDG模型和贝叶斯推理的半定量故障诊断方法.用模糊变量表示节点变量,用条件概率表(CPT)表达节点间的定性因果关系,利用贝叶斯推理和回溯搜索找出故障源候选解的集合,并对候选解进行排序.最后建立了某卫星一次电源系统的诊断模型.仿真结果表明,该方法有效地提高了诊断的分辨率,适用于航天器在轨故障诊断.     

SDG故障诊断中的分层建模递阶推理方法

针对采用符号有向图(signed directed graph,SDG)对石化工业系统进行故障诊断时,经常存在SDG建模和推理过程十分繁琐、困难的问题,提出了一种基于控制回路分解系统的SDG分层建模及递阶推理方法.在建立SDG模型时将整个系统分解为含有系统层、子系统层和回路层的多层次模型架构,进而利用递阶推理在分层SDG模型中搜索相容通路来实现故障诊断.该方法能清晰表述工业系统的SDG模型,减少了建模和推理的复杂度.以Tennessee Eastman仿真系统为例进行了验证,证明了方法的有效性.     

HSDG故障诊断方法在自动化检定系统中的应用

针对智能电能表自动化检定流水线生产故障不易发现、发现不易处理等问题, 文章引入了一种基于分层符号有向图(HSDG)的故障在线诊断方法. 该方法首先对自动化流水线进行建模和分层, 给出了自动化检定流水线的分层符号有向图模型; 并结合动态核偏最小二乘支持向量回归模型计算各节点符号, 输出模型样本; 最后文章给出了基于“离线分析”和“在线诊断”的故障诊断完整流程. 实例验证表明, 该方法故障诊断速度快、故障辨识能力强, 具有鲁棒性, 其诊断结果具备一定的解释能力, 在生产中具有一定的指导意义.     

基于一类支持向量机的传感器故障诊断

提出了一种基于一类支持向量机的传感器故障诊断方法,它利用相空间重构技术将传感器本身获取的相关时序数据转化成矢量,再用一类支持向量机来训练正常行为模型,进而通过发现数据异常来进行故障诊断。通过连续输入测量数据,它还可以实现在线诊断。仿真实验表明:该方法在诊断传感器故障方面有良好的性能。     

基于计算智能方法的动态系统故障诊断技术

简要地综述了基于计算智能方法的动态系统故障诊断技术的最新进展。将计算智能方法与基于模型的方法结合，用于不确定非线性动态系统的故障诊断是这一领域新的发展趋势。重点分析了用于非线性系统故障诊断的基于状态／参数估计的计算智能方法，主要包括神经网络、模糊逻辑、遗传算法。探讨了提高诊断算法鲁棒性的途径。同时也对无模型的基于计算智能的故障诊断方法中的一些研究热点问题进行了分析。最后探讨了该领域今后的发展方向。     

基于有向图的飞机增压系统功能建模故障诊断研究

针对民用飞机系统的复杂性和故障诊断的特点,基于有向图理论建立了飞机增压系统的功能模型,进而设计了故障诊断算法以实现精确的故障定位;首先,通过分析增压系统的组成得出各组件之间的功能关系;然后根据功能建模方法,结合图论知识将系统个组件功能赋予有向图中的节点,建立系统的功能模型;最后将可测试组件作为关键节点,定义优先权值以缩小故障点集,设计故障诊断流程图完成了系统的故障定位;从实例分析结果来看,所研究的故障诊断方法能准确定位数字式增压控制器这一元器件级别的故障,提高了排故精度和效率。     

基于数据库的电力设备故障诊断模糊专家系统的设计与实现

采用SQL Anywhere 5.0设计知识库。PowerBuilder6.5编程实现了电力设备故障诊断模糊专家系统,其知识的表示采用了模糊产生式表示式,引进了模糊匹配与加权模糊逻辑进行模糊推理,实现了一种较为理想的非精确推理。     

模糊SDG故障诊断方法及其应用

基于SDG的故障诊断方法在使用过程中,由于阈值设定不合理会导致故障的误报或漏报。针对该问题展开研究,提出模糊SDG模型,建立五级SDG模型并引入参数模糊隶属度,提出相应的模糊推理算法。通过将模糊SDG模型及其推理方法应用于某常减压蒸馏装置进行故障诊断实例分析,验证了方法的有效性和可行性。     

Sensor deployment based on fuzzy graph considering heterogeneity and multiple-objectives to diagnose manufacturing system

In this paper, a methodology is presented to generate an optimized sensor deployment deciding sensor types, numbers, and locations to accurately monitor fault signatures in manufacturing systems. Sensor deployment to robustly monitor operation parameters is the corner stone for diagnosing manufacturing systems. However, current literature lacks investigation in methodologies that handle heterogeneity among sensor properties and consider multiple-objective optimization involved in the sensor deployment. We propose a quantitative fuzzy graph based approach to model the cause–effect relationship between system faults and sensor measurements; analytic hierarchy process (AHP) was used to aggregate the heterogeneous properties of the sensor–fault relationship into single edge values in fuzzy graph, thus quantitatively determining the sensor's detectability to fault. Finally sensor–fault matching algorithms were proposed to minimize fault unobservability and cost for the whole system, under the constraints of detectability and limited resources, thus achieving optimum sensor placement. The performance of the proposed strategy was tested and validated on different manufacturing systems (continuous or discrete); various issues discussed in the methodology were demonstrated in the case studies. In the continuous manufacturing case study, the results illustrated that compared with signed directed graph (SDG), the proposed fuzzy graph based methodology can greatly enhance the detectability to faults (from SDG's 0.699 to fuzzy graph's 0.772). In the discrete manufacturing case study, results from different optimization approaches were compared and discussed; the detectability of sensors to faults also increased from SDG's 0.61 to fuzzy graph's 0.65. The two case study results show that the proposed approach overcame the qualitative approach such as signed directed graph's deficiency on handling sensor heterogeneity and multiple objectives; the proposed approach is systematic and robust; it can be integrated into diagnosis architecture to detect faults in other complex systems.     

Surrogate model-assisted interactive genetic algorithms with individual’s fuzzy and stochastic fitness

We propose a surrogate model-assisted algorithm by using a directed fuzzy graph to extract a user’s cognition on evaluated individuals in order to alleviate user fatigue in interactive genetic algorithms with an individual’s fuzzy and stochastic fitness. We firstly present an approach to construct a directed fuzzy graph of an evolutionary population according to individuals’ dominance relations, cut-set levels and interval dominance probabilities, and then calculate an individual’s crisp fitness based on the out-degree and in-degree of the fuzzy graph. The approach to obtain training data is achieved using the fuzzy entropy of the evolutionary system to guarantee the credibilities of the samples which are used to train the surrogate model. We adopt a support vector regression machine as the surrogate model and train it using the sampled individuals and their crisp fitness. Then the surrogate model is optimized using the traditional genetic algorithm for some generations, and some good individuals are submitted to the user for the subsequent evolutions so as to guide and accelerate the evolution. Finally, we quantitatively analyze the performance of the presented algorithm in alleviating user fatigue and increasing more opportunities to find the satisfactory individuals, and also apply our algorithm to a fashion evolutionary design system to demonstrate its efficiency.     

SDG故障诊断规则的知识约简

符号有向图(SDG)是揭示流程系统深层知识的定性模型,用于描述流程系统的状态变量及其变量间的故障信息传递关系.当系统的状态变量过多,运用SDG故障诊断算法生成的故障规则过于庞大,推理困难.粒矩阵的知识约简算法能有效约简冗余属性.因此,将粒矩阵的知识约简算法引入SDG故障诊断,以电站除氧器系统为例,使用粒矩阵的知识约简算法约简主要故障的故障规则,简化规则中的冗余节点,提高故障诊断效率,最后验证了约简后的故障诊断规则的正确和有效.     

基于基因搜索的模糊图象解释方法

图象解决是计算机视觉的重要组成部分，它涉及图象处理，分类器设计和逻辑推理等许多领域。针对目前图象解释系统要面对的严重噪声、模糊性和不确定性问题。重点研究了一种基于基因搜索的双向推理技术，该算法分为如下两步：首先通过基于分割区域统计/几何特征的模式分类器来得到初始的分类模糊隶属度，并根据经验（或统计）得到的先验空间位置关系模糊规则来构造一种有效表达图象解释信息的模糊图。然后通过基因搜索算法融合上面的两类信息来得到图象的最佳解释，实验结果表明，该方法对具有单一对象或多个对象的区域均有很好的效果，也是对基于概率、证据和模糊推理等单向推理机制图象解释方法的提高。     

模糊元图:一种构造模糊知识库的新方法

在分析了现有模糊图论结构的基础上,对模糊超图和模糊有向图进行扩充,提出一种新的图论结构－模糊元图,并将其应用于飞行器邦联诊断中的模糊知识库构造,实际应用表明,基于模糊元图的知识库具有很高的推理效率,并且便于规则的添加和删除。     

两种优化训练的FNN在船舶柴油机故障诊断中的性能研究

本文针对船舶柴油机故障诊断系统,基于遗传算法（genetic algorithm,GA）和蚁群优化算法（ant colony optimization algorithm,ACOA）构造了2种优化训练的模糊神经网络（fuzzy neural network,FNN）智能故障诊断模式,给出了该模糊神经网络智能故障诊断系统的结构及其参数选取方法,通过对船舶柴油机燃烧子系统的FNN模型结构权值和阈值优化训练的故障诊断仿真研究,对两种方式的性能进行对比研究,仿真测试结果表明,基于ACOA的诊断模型具有更好的故障诊断知识表达准确性和较快的收敛速度等特点,具有较好的应用前景。     

改进动态因果图与模糊推理融合故障诊断方法

在复杂的控制系统发生故障时,运维系统能保证对其进行快速、可靠的故障诊断尤为重要。针对复杂控制系统中控制信号多、信号关联性强、故障状态多、部件故障模式多的情况,提出一种改进动态因果图与模糊推理融合的故障诊断方法,利用改进动态因果图逻辑表达能力强,能因果互推的特点,构建多重（正向、反向、混合）模糊规则,有效克服了模糊逻辑推理中只能由因溯果而不能由果溯因的难题,同时,将动态因果图的动态特性引入到模糊规则的动态更新中,增强了模糊推理的实时性。最后,以某型装甲设备垂直力矩电机控制过程的故障诊断为应用背景,在自行研制的故障诊断平台中嵌入此法进行故障诊断测试,测试结果分析表明,此法能有效提高诊断效率,具有更高的准确性、先进性、适用性。