数控车床故障传播机理分析

为探讨数控车床故障传播机理,即识别系统关键节点与关键故障传播路径,基于数控车床故障数据,应用有向图理论、集成决策实验室分析(DEMATEL)和解释结构模型(ISM)方法构建数控车床分层故障传播有向图模型;基于故障传播概率、边介数两指标定义故障传播强度表征故障传播行为;提出结合系统分层故障传播有向图模型和故障传播强度的数控车床故障传播机理分析方法.分析结果表明:系统分层故障传播有向图模型实现了系统层级分解,简化了故障传播分析过程,为关键路径识别奠定了基础;将故障传播强度作为关键路径识别的依据,避免了传统分析方法基于单一指标描述数控车床故障传播行为而产生的偏差,实现了准确定位故障源,准确识别系统关键路径.所提方法有助于系统故障诊断与维护.     

基于高斯和非高斯双子空间SVM的故障检测

为了降低样本间的自相关性对支持向量机(SVM)检测性能的影响,提出一种基于高斯和非高斯双子空间SVM(DSSVM)的故障检测方法.首先运用Kolmogorov-Smirnov(KS)检验原始数据中过程变量的正态分布特性,将过程变量划分为高斯子空间和非高斯子空间,并建立基于PCA的高斯子空间和IC A的非高斯子空间故障检测模型;分别对主元矩阵和独立元矩阵引入时滞特性和时差输入特性,该特性的引入能够降低样本间的自相关性;最后将引入时滞和时差特性的矩阵进行组合,运用SVM模型对其进行故障检测和监视.将该方法运用于多变量数值仿真和田纳西-伊斯曼工业过程,并与PCA、ICA、SVM和基于变量分布特征的统计过程检测方法(VDSPM)比较,仿真实验结果进一步验证了该算法的有效性.     

基于分步动态核主元分析的故障诊断方法

目的研究复杂工业系统动态、非线性特点,提出分步动态核主元分析（KernelPrincipalComponentAnalysis,KPCA）的故障诊断方法．方法该方法首先构造增广矩阵,然后将增广矩阵分成一系列子矩阵,将各子矩阵的构建一个新的数据增广矩阵,并对每个子矩阵使用KPCA提取变量数据的非线性空间相关特征,最后通过监测统计量监测出系统故障,用贡献度的方法识别发生故障变量．结果该方法改进了传统的动态方法,引入分步动态的定义,并且能充分考虑工业过程中的非线性和动态性,更精确的描述Y--,Ak过程特性,更精确的监测复杂工业系统的故障,并准确的识别出故障变量．结论对热连轧过程中活套故障诊断的仿真结果表明：基于分步动态KPCA的故障诊断方法能准确有效地诊断出故障,并识别出产生故障的原因．     

基于偏最小二乘回归的挖掘机液压系统故障诊断

为了提高挖掘机液压系统的可靠性水平，提出了一种针对挖掘机液压系统的偏最小二乘回归（PLSR）故障诊断方法，其原理是：首先使用非线性迭代偏最小二乘（NIPALS）算法分析系统正常状态下的样本，选择累积方差最大的PLS成分数目，建立输出变量关于输入变量间的PLSR辨识模型；然后，将系统故障状态下的样本代入PLSR辨识模型，运用广义似然比（GLR）检验对模型残差进行假设检验，判断系统的故障状态。实验结果表明，采用基于PLSR的故障诊断方法能准确地诊断出所有系统故障，能有效地应用于挖掘机液压系统的故障诊断。     

模拟集成电路故障诊断与参数辨识的代数方法

为实现模拟电路参数辨识和降低故障诊断成本,提出一种基于矩阵扰动理论的模拟电路故障诊断和参数辨识方法。该方法不同于基于数字信号处理（DSP）与人工智能的方法,而是从代数观点出发,以被测电路响应矩阵的本征值随被诊断器件参数的变化而变化的对应关系为基础,建立故障模型。该模型将故障检测,故障定位和参数辨识一体化处理,具有易于工程实施的优点。实验结果表明该方法的计算时间开销小,可降低测试成本,故障定位和故障参数辨识精度高,实验结果中的最大辨识误差为2.35%。     

基于多向主元分析的多传感器故障诊断

研究一种基于MPCA的多传感器故障诊断方法．这种方法把过程测量空间分为主元子空间和残差子空间．在残差子空间，首先用Q统计指标检测出传感器是否存在故障，如果Q统计指标超限，在主元子空间应用T^2统计量和相应的T^2统计量的贡献率，识别出引起过程异常的主要传感器变量并剔除．然后用同样的方法继续判断其它的传感器故障．仿真实例验证了该方法的有效性．     

加工中心组件故障传播影响力评估

为评估加工中心组件的故障传播影响力,快速、准确地识别系统关键组件,有效控制故障传播,采用故障传播机理分析与有向图结合的方式表征组件间故障传播路径。运用DWNodeRank算法评估组件间故障影响度,并结合故障率指标计算组件的故障传播率。考虑有效可达路径,基于改进ASP算法计算故障传播影响力值,实现对组件故障传播影响力的评估。实例分析和结果表明:DWNodeRank算法考虑了故障传播的方向和传播强度,有效降低了迭代复杂性并准确评估了节点影响度;故障传播率作为故障传播影响力评估的依据,其动态时变特征使得评估结果实时、精确,对于加工中心健康维护具有重要意义。     

一种基于KPCA的非线性故障诊断方法

介绍了一种非线性故障检测方法——核主元分析法(KPCA)，通过核函数来完成非线性变换，将变量由非线性的输入空间转换到线性的特征空间．在特征空间中使用PCA计算主元，构造T^2和SPE统计量检测过程故障的发生．提出了一种KPCA贡献图计算方法，根据测量变量和非线性主元的相关性，计算测量变量的贡献量绘制贡献图，用于故障变量的分离、仿真结果表明，KPCA方法可以比PCA方法更加迅速的检测到故障的发生，利用KPCA贡献图可以较好的辨识出故障变量。     

一种精确故障效应传播的形式化模型

大规模集成电路通常隐含难以检测的设计错误,而在使用过程中又可能产生新的故障点。对故障效应的传播路径和范围进行准确评估,有助于确定关键模块是否受到故障的影响和定位抑制故障效应传播的关键点。然而,常规的故障效应传播分析方法往往忽略了逻辑门对故障传播的阻断效应,以及扇出重回聚区域对故障效应传播的影响。提出了一种精确的故障效应传播模型,并采用布尔逻辑函数对所提出的模型进行了形式化描述。实验结果表明:所提出的模型可对故障效应的传播范围进行更为准确地评估,并显著降低误报率。     

一种基于KPCA的非线性故障诊断方法

介绍了一种非线性故障检测方法———核主元分析法(KPCA),通过核函数来完成非线性变换,将变量由非线性的输入空间转换到线性的特征空间.在特征空间中使用PCA计算主元,构造T2和SPE统计量检测过程故障的发生.提出了一种KPCA贡献图计算方法,根据测量变量和非线性主元的相关性,计算测量变量的贡献量绘制贡献图,用于故障变量的分离.仿真结果表明,KPCA方法可以比PCA方法更加迅速的检测到故障的发生,利用KPCA贡献图可以较好的辨识出故障变量.     

A Causal Fusion Inference Method for Industrial Alarm Root Cause Analysis Based on Process Topology and Alarm Event Data

Modern industrial systems are usually in large scale, consisting of massive components and variables that form a complex system topology. Owing to the interconnections among devices, a fault may occur and propagate to exert widespread influences and lead to a variety of alarms. Obtaining the root causes of alarms is beneficial to the decision supports in making corrective alarm responses. Existing data-driven methods for alarm root cause analysis detect causal relations among alarms mainly based on historical alarm event data. To improve the accuracy, this paper proposes a causal fusion inference method for industrial alarm root cause analysis based on process topology and alarm events. A Granger causality inference method considering process topology is exploited to find out the causal relations among alarms. The topological nodes are used as the inputs of the model, and the alarm causal adjacency matrix between alarm variables is obtained by calculating the likelihood of the topological Hawkes process. The root cause is then obtained from the directed acyclic graph (DAG) among alarm variables. The effectiveness of the proposed method is verified by simulations based on both a numerical example and the Tennessee Eastman process (TEP) model.     

基于符号有向图的飞机故障风险评估方法

针对飞机复杂系统故障模式多样、风险因素难以量化的特点,提出了一种风险符号有向图(RSDG)以描述飞机系统内部深层因果关系及故障风险因素信息.探讨了基于RSDG模型获取故障引发的故障链的方法,建立故障树计算链中各故障发生概率的步骤,并阐述了以故障链作为评估对象,采用灰色聚类决策法实现飞机系统故障风险评估的过程.结果表明,所提出的方法考虑了故障传播的规律,解决了传统故障风险评估方法应用中风险辨识与评估缺乏系统性和一致性的问题.该方法能够较好地适应大型复杂系统故障的风险分析.     

机械装配过程的偏差传递网络建模与误差溯源

为了保证机械产品及其装配过程符合规范,须对产品装配过程的偏差传递流进行建模,识别关键装配特征并对相应误差装配节点进行溯源及控制. 提出基于复杂网络的自调节偏差传递网络建模方法与误差溯源方法,结合装配过程中的实测数据、特征表面信息以及装配工艺流程构建加权自调节偏差传递网络. 利用改进的加权半局部中心性排序算法识别偏差传递网络中的关键特征. 提出逆向回溯算法以及重要度排名（IR）指标,在加权自调节偏差传递网络中识别出关键特征的误差源,以确定须进行重点监控的装配面. 以锥齿轮轴组件的多阶段装配过程为研究对象进行验证,结果表明利用所提出的方法可对多阶段装配过程中的偏差流进行有效建模,识别关键装配面,实施误差溯源.     

双树复小波包和谱峭度在齿轮故障诊断中的应用

针对故障齿轮振动信号的非平稳和调制特性,提出了基于双树复小波包变换和谱峭度的齿轮故障诊断方法.首先,利用双树复小波包变换将原始振动信号分解为若干个不同频带的信号分量,选择与原始信号相关系数大的分量进行阈值降噪并重构;然后,对降噪后的信号利用谱峭度所得的峭度图选择最佳的带宽和频带中心进行相应的带通滤波处理;最后,将带通滤波后的信号作平方包络和傅里叶变换,即可得到信号的包络解调谱,从而提取故障特征信息.通过对试验和工程实际的齿轮故障信号分析表明:双树复小波包变换和谱峭度结合的方法可有效地提取齿轮故障特征信息,进而实现故障识别,验证了方法的可行性和有效性.     

空间可展开天线基本单元构型的数综合方法

为对金属网面可展开天线进行构型创新研究,提出了一种基于图论理论的金属网面可展开天线基本单元构型的数综合方法.根据基本单元的展开方式,总结出其运动链的特点,建立了运动链与拓扑图的转换关系,得到了4种基本单元的拓扑图模型.将拓扑图进行子图化分解,分析了构件的拓扑对称性.采用双色拓扑图分析了机架在不同位置时运动副的拓扑对称性,得到了满足拓扑要求的基本单元的构型总数.通过例子阐述了由拓扑图综合成机构的过程,并讨论了机构间的构型演化.算例及分析表明：该方法得到的构型总数可方便计算机自动综合软件建立拓扑图库,同时为宇航空间可展开机构理论的研究提供了借鉴与参考.     

基于反向标签传播的移动终端用户群体发现

针对现有方法在移动终端用户群体发现中不能兼顾社会关系和位置属性的问题,提出基于反向标签传播算法的重叠群体发现方法.根据移动终端用户的位置信息推断社会关系拓扑图,提取时空共现区.将时空共现区作为位置属性标签,标注社会关系拓扑图.在标签拓扑图上进行反向标签传播,消除节点伴随标签.经过反复迭代,在标签稳定状态下的每一个节点保留所属群体的主标签.根据用户社会关系和稳定状态下的节点主标签完成群体划分与识别.在4个真实数据集上比较反向标签传播算法与3种同类方法,实验结果表明,反向标签传播算法较好地兼顾了用户社会关系和位置属性,群体发现结果的标准互信息（NMI）与综合评价函数（F）分别比次优者平均高8.97%和3.87%.     

基于低阶条件独立测试的因果网络结构学习方法

基于条件约束的方法可从数据集中学习到变量间的因果关系，并构建出因果网络图.但是在高维数据情况下，基于条件约束方法的缺点是准确率较低且耗时多，从而严重影响此类方法在高维数据中的应用推广.因此，本文提出了一种基于低阶条件独立测试的因果网络结构学习方法，采用低阶条件独立测试来加速构建因果粗糙骨架；利用分裂?合并策略把高维网络分裂成若干个子网络，并进行因果网络结构学习以提高其准确率；最后整合成完整的因果网络图.实验结果均验证了该方法的可行性.     

基于因果图最小割集和最小径集在故障系统中的诊断

因果图主要用于故障诊断和故障分析,运用因果图模型的原理和方法,对基于因果图最小割集和最小径集的定量故障诊断方法进行研究,并给出飞行器发动机滑动压力指示警告系统的诊断实例,为系统故障源的查找提出简洁有效的方法. 首先将因果图转换成因果树,再定义最小割集和最小径集,最后结合实例给出诊断方案步骤.     

基于独立元分析-最小二乘支持向量机的冷水机组故障诊断方法

冷水机组作为复杂系统,其变量间相关性严重,并且故障时的症状和原因具有多样性,导致了冷水机组的故障诊断较为困难.为了降低数据冗余性,提高故障诊断效率,提出一种基于独立元分析与最小二乘支持向量机相结合的冷水机组故障诊断方法.首先,运用独立元分析法提取冷水机组变量的独立元信息;然后,将提取的独立元信息作为最小二乘支持向量机的输入值进行故障类型的识别.利用北京某高校的地铁车站通风空调实训平台的实验数据验证该模型的故障诊断性能,并与传统的冷水机组故障诊断方法进行对比.比较结果证明基于独立元分析与最小二乘支持向量机相结合的冷水机组故障诊断方法优于传统方法.这表明该方法可以有效提取数据的高阶统计信息,提高故障诊断的效率.     

基于MODWT和BP神经网络的微电网故障诊断方法

近年来,随着微电网技术的持续发展,电力用户对其供电可靠性的要求也不断提高,因此微电网故障诊断研究也变得越来越重要。提出了一种基于极大重叠离散小波变换(MODWT)和反向传播(BP)神经网络的微电网故障诊断新方法,并通过仿真与算例进行了验证。结果表明:该方法能快速、准确地识别出故障类型,且不受故障初始相位角和过渡电阻等因素的影响;与现有的基于离散小波变换和反向传播神经网络的诊断方法相比所提出的方法可以提供更好的故障分类精度。