航天复杂系统的加权模糊Petri网故障诊断建模

针对模糊Petri网模型难以解决航天复杂系统故障诊断中存在的状态组合空间爆炸、故障关系不清晰、故障源对故障影响程度等问题,提出了基于加权模糊Petri网的故障诊断方法,同时定义了加权模糊Petri网转化成分层着色Petri网的规则。该方法将加权思想与模糊Petri网相结合,建立加权模糊Petri网模型;将加权模糊Petri网转换为分层着色Petri网模型;通过图形反向推理诊断思想实现加权模糊Petri网的知识表示与推理规则,诊断故障发生的原因。最后,对某航天测试系统的一级稳定系统中的放大器系统故障诊断实例进行了仿真,结果表明:该方法对本实例的应用效果较好,故障传播路径清晰,对于规则变化具有良好的适应性,为其他复杂系统的故障诊断提供了一定的参考。     

一种分层模糊Petri网风险评估方法

针对传统模糊Petri网在对不确定环境下的专家系统的知识表示与推理时无法兼顾不确定知识的模糊性与随机性、在复杂的故障情况下故障的因果关系表达不清晰、定量推理计算时缺乏层次性、不能局部求解的问题,构建一种基于云模型的分层模糊Petri网以加强模糊Petri网的知识表示能力和提高推理过程的计算效率。利用专家知识和Petri网层次分解原则将系统故障模式和故障原因之间的因果关系进行建模,使故障建模更具结构性,计算更加灵活;应用云模型处理知识的模糊性和不确定性;通过合理考虑局部权重和全局权重,结合Petri网层次分解原则和云聚合算子给出相应的推理算法。实例验证表明,所提方法能够有效对系统进行风险评估,且在知识表示和推理方面优于其他方法。     

模糊Petri网在电梯故障诊断中的应用

介绍了基于模糊Petri网的知识描述方法及推理算法，并采用模糊Petri网作为电梯故障诊断专家系统中的知识表示方法和推理搜索策略，对故障信息的模糊性和不确定性进行表示和处理，实现了知识表示和推理模型的集成和统一，有效的解决了诊断推理过程中知识表示与推理等关键问题。     

基于改进模糊故障Petri网的复杂系统故障诊断与状态评价EI北大核心CSCD

为提高复杂系统的可靠性,在综合模糊Petri网和故障Petri网优点的基础上,提出了改进模糊故障Petri网的建模及推理方法。该模型定义了库所、托肯及变迁的着色规则,并结合模糊产生式理论,应用于复杂系统的故障推理,从而更加直观、明确地描述故障状态及信息。该模型的正向推理反映了故障传播的固有特性,采用基于智能点火判断矩阵的正向演绎算法,实现了故障状态快速、准确的智能评价。该模型的逆向推理为故障诊断过程,引入智能的逆向推理矩阵,并结合基于Petri网关联矩阵的最小割集诊断法,实现了模型中任意库所故障的逆向自动诊断,同时根据故障易发率得出最小割集优先顺序,提高故障诊断的效率。以数控机床进给系统的故障分析为例,验证了所提模型和方法的正确性与高效性。     

基于模糊Petri网的飞机故障推理建模技术研究

将数学建模和可视化技术相互融合,将飞机部件间的逻辑关系量化并通过可视化的方式表达,建立基于特定机型的飞机故障推理系统,对飞机维修排故前期具有一定指导意义。首先介绍了Petri网的相关理论,着重阐述了模糊Petri网理论及其应用领域,提出把模糊Petri网理论应用于故障推理系统;在模糊Petri网理论的基础上实现基于模糊Petri网可视化建模飞机故障推理系统,实现在人机交互界面的模糊Petri网的可视化建模,并采用矩阵推理算法对建立的模糊Petri网模型进行故障推理。最后以飞机维修故障实例对该系统进行验证。     

基于多源信息融合故障树与模糊Petri网的复杂系统故障诊断方法

针对复杂系统故障树模型构建困难且模型冗余节点多、计算复杂的问题,提出一种基于多源信息融合故障树与模糊Petri网的故障诊断方法。该方法先将多源信息进行标准化处理,从处理后的信息中提取维修元数据,同时利用数据挖掘方法得到故障关联项集。通过维修元数据、故障关联项集和系统结构关系的映射、融合,更加全面、准确地构建复杂系统故障树模型。采用模糊Petri网对多源信息融合故障树模型进行简化和改进,并利用基于模糊Petri网的动态故障推理方法和基于关联矩阵的最小割集求解方法建立复杂系统故障诊断方法,提高了故障的诊断速度与推理效率。以汽车发动机故障诊断过程为例,证明了所提方法的合理性和有效性。     

模糊Petri网在液压同步提升系统故障诊断中的应用

研究了基于可信度的合成式模糊产生式规则的表示方法,在此基础上,将模糊Petri网与矩阵运算相结合,给出了模糊推理过程的形式化推理算法,将复杂的推理过程采用矩阵运算实现,充分利用了模糊Petri网的并行处理能力,利用此理论及方法可以大大减少诊断时间,提高了准确度．最后以液压同步提升系统故障诊断为例证明算法的可行性和准确性．     

基于模糊Petri网的压缩机故障诊断

针对压缩机故障诊断系统知识具有不确定性和模糊性的特点,给出了基于模糊产生式规则的模糊Petri网模型和反向推理算法,并以Ⅰ级压力过低故障诊断为例,说明了该模型具有直观,表达能力强和易于推理的优点。     

基于模糊Petri网的门式起重机故障诊断专家系统研究

为了诊断不确定性的门式起重机故障,在传统专家系统的基础上采用模糊Petri网来表示知识并进行逻辑推理进行故障诊断。在基于规则库的诊断基础上,运用模糊Petri网图形化的方法进行逻辑推理和知识表达,对故障信息的模糊性和不确定性进行表示和处理,并通过人机对话进行模糊量化。通过门式起重机故障诊断案例分析,结果基于模糊Petri网的门式起重机故障诊断专家系统可以快速诊断门式起重机的故障。说明采用模糊Petri网的专家系统可以较好地快速诊断不确定性的门式起重机进行故障,具有一定的应用性。     

层次故障诊断模型的模糊Petri网推理

本文提出在故障诊断的层次化分解基础上,结合模糊Petri网(FPN,Fuzzy Petri Network)实现故障推理过程.首先将层次化的诊断分解模型采用Petri网中变迁和位置的转移来进行描述.推理算法采用矩阵运算,充分利用了Petri网的并行性处理能力,并能够描述故障传递状态.该推理过程简单,并能够使诊断效率得到提高.     

复杂系统故障传播与故障分析模型研究

针对复杂系统故障传播与故障分析的复杂性与不确定性,建立了一种复杂系统故障传播与故障分析模型,即模糊概率Petri网系统。该模型引入故障模式关联概率与置信度约束,用模糊概率Petri网完备地描述了子系统故障模式关联关系,并按照子系统之间的连接关系用消息库所和门变迁连接各模糊概率Petri网,最终形成整个复杂系统的模糊概率Petri网系统模型。模糊概率Petri网系统采用对象内置于Petri网和Petri网内置于对象相结合的方式,简化了模型的表达形式,具有良好的封装性、可重用性和可维护性。最后,以一个应用实例说明了模型的适用性。     

模糊故障Petri网在飞机电源系统故障诊断中研究

针对飞机电源故障诊断专家系统中存在的知识表示复杂、不确定性等问题,采用一种基于模糊故障Petri网模型来进行知识表示,同时提出一种正向推理和反向推理相结合的推理算法,该推理算法先用正向推理从故障原因出发,正向查找故障原因导致的故障现象,然后再针对故障现象进行反向推理查找产生此故障的原因,验证故障诊断的真实度。以飞机电源系统中典型故障现象为例,建立故障诊断模型,采用正反结合推理算法加以应用验证,验证结果表明该算法对飞机电源系统故障诊断准确,可操作性强。     

基于TS算法的FPN鱼雷电子系统故障诊断方法

针对鱼雷电子系统故障传播的连续性,以及故障征兆与故障原因之间的模糊不确定性特点,提出一种基于禁忌搜索算法的模糊Petri网的鱼雷电子系统故障诊断方法.该方法定义了一个十元组的模糊Petri网,给出了表示模糊产生式规则的三种基本的模糊Petri网模型,在此基础上采用禁忌搜索算法对模糊Petri网模型参数进行优化.当模糊Petri网模型参数得到优化后,根据库所信度的大小通过故障推理进行故障定位.将其应用到某型鱼雷电子系统的故障诊断系统中,结果表明,该方法能够有效的提高模型故障诊断能力,具有较强的实用性.     

基于Petri网的液压马达故障诊断

针对液压马达故障诊断中特征提取的瓶颈问题,提出一种基于Petri网的液压马达故障诊断方法。以叶片式液压马达为例,分析液压马达常见的故障及原因,利用Petri网的知识表示方法提取故障征兆和故障原因,建立基于petri网的液压马达故障诊断模型,经过Petri推理,结果表明该方法是有效的。     

基于自适应模糊Petri网的雷达故障诊断方法研究

针对雷达设备越来越复杂,故障诊断难度逐渐增大的情况,提出一种基于自适应模糊Petri网(AFPN)的雷达故障诊断方法.在该方法中,首先根据雷达故障专家系统中常用的模糊产生式规则建立模糊Petri网,然后结合神经网络知识通过样本数据对模糊Petri网中的权值进行反复的学习训练,这样可以避免依靠人工经验设置带来的不确定性.当Petri网权值固定之后,根据故障征兆出现的概率通过故障推理最后找到故障起因.这种方法和传统的故障树方法相比,具有很多优势.     

基于模糊Petri网融合推理的装备故障诊断技术研究

研究了模糊Petri网应用于故障诊断中的正向推理方法,针对某型工程装备液压系统故障的特点,建立了基于模糊Petri网的故障诊断推理模型,并以液压系统压力不足故障为例,探讨了正向推理方法在系统级故障诊断中的应用。实现了故障征兆的信息融合,该推理方法适用于现场的快速故障诊断。     

基于模糊Petri网融合推理的装备故障诊断技术研究

研究了模糊Petri网应用于故障诊断中的正向推理方法,针对某型工程装备液压系统故障的特点,建立了基于模糊Petri网的故障诊断推理模型,并以液压系统压力不足故障为例,探讨了正向推理方法在系统级故障诊断中的应用。实现了故障征兆的信息融合,该推理方法适用于现场的快速故障诊断。     

单斗挖掘机液压系统故障分析和可靠性评估新法

以某型单斗挖掘机液压系统的故障分析及可靠性评估为目标,基于Petri网理论建立液压系统的故障Petri网模型,采用割集理论确定液压系统故障的所有割集,利用故障Petri网的定量计算能力求解液压系统的可用度指标数据。应用表明,与故障树法相比,故障Petri网在定性分析和定量计算方面具有优势。     

基于改进的Petri网汽车故障检测技术研究

汽车故障纷繁多样,具有动态性和不确定性的特点,伴随着时代的变迁,现有的Petri网推理算法已经不能满足现今的汽车故诊断技术,针对这个情况,本文提出了一种改进型的算法,先用模糊产生优化的Petri网的推理算法,最后对故障进行诊断,并用具体的例子进行了阐述和分析,突出了这种改进型算法的优势,非常的适用。     

基于Petri网的测试⁃故障诊断一体化模型研究

现有测试性模型对复杂装备进行分层建模时，不仅需要每层装备的故障模式、影响和危害性分析（failure mode， effects and criticality analysis，简称FMECA），还需要确定各故障模式之间的联系，增加了实际工作量和建模难度，与实际故障诊断脱节。为解决上述问题，提出一种基于Petri网的建模方法，将测试性模型与故障诊断模型相结合。首先，采用广义随机Petri网建立装备系统级的测试性模型，采用模糊Petri网（fuzzy Petri net， 简称FPN）建立子系统的故障诊断模型，完成系统到子系统的传递；其次，根据FMECA信息对故障统计数据进行处理，通过神经网络对参数进行调整学习和优化；然后，采用正向推理实现故障的准确预测，逆向推理结合最小割集完成故障定位；最后，以涡扇发动机风扇部件模型为例进行建模分析，并通过故障树和统计数据验证了模型的正确性和有效性。