基于“令牌环”技术提高GECISM可靠性的方法

计算机网络环境中为了实现对单个结点上GECISM故障的检测与修复,提高GECISM的可靠性,引入“令牌环”技术。在多个GECISM间建立逻辑环结构,通过令牌的传递检测结点故障;同时引入“慢心跳监测”技术,采用“邻接点监听恢复”策略减小结点的故障检测时间间隔;比较了“中心—邻接点”网状模型与该“令牌环”模型中系统的通信开销。     

复杂电子装备潜隐性故障诊断关键技术研究

讨论了开展复杂电子装备潜隐性故障诊断的重要意义,对复杂电子装备潜在故障诊断技术的发展趋势进行了分析,针对电子装备潜隐性故障特征信息少、诊断难的问题,提出了考虑电子装备多态可靠性分析进行潜隐性故障诊断的若干关键技术问题,并给出了相应的解决思路;首先通过开展电子装备多状态的关联性和继承性研究,实现装备潜在故障可靠性状态的科学评定;然后采取动态融合零失效检测数据和故障信息的方法获取潜隐性故障的小样本特征参量集,并将其嵌入潜在故障模式识别模型,从而识别具有明显非线性和不确定性特征的潜隐性故障,为实现复杂电子装备潜隐性故障的早期预测提供了新的技术途径,在装备的生产和使用中有着具有良好的工程应用前景。     

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。     

面向医疗辅助诊断的可视化多属性决策方法

传统的医疗辅助诊断决策通常通过专家依靠经验对备选方案进行决策,但是这种方法依赖于专家已有的经验并且可能会为专家带主观疲劳。基于多属性决策理论,提出了一种可视化多属性决策方法。该方法使用有序加权几何算子将数据进行降序排序,生成一个有序序列;通过可视图理论将有序数据转化为复杂网络中的结点,通过复杂网络中结点之间的连接关系将有序数据可视化;借鉴库伦定律,使用结点之间的距离与结点自身数值的大小设置支持度函数用以描述结点的支持度。实验通过病因诊断与病情诊断两个案例验证提出的医学辅助诊断多属性决策方法的可行性与有效性。     

基于双通道传感器的航空发动机在线故障诊断系统研究

对基于双通道传感器的航空发动机在线故障诊断和隔离技术进行了研究;在发动机机载非线性模型的基础上,对发动机的双通道传感器分别设计混合卡尔曼滤波器,利用该滤波器在线估计双通道传感器输出,并结合实际双通道传感器测量值以及发动机机载非线性模型的输出值在线实现传感器故障检测和隔离、部件故障及异常检测确认;利用该技术建立了某型涡扇发动机在线故障诊断系统,通过仿真实例验证了该系统的诊断性能,实验结果表明,本文所建立的在线故障诊断系统能够较好的完成故障诊断与隔离、部件故障及异常检测等功能,为此类系统的工程应用提供了理论依据。     

基于缺失数据的误差生成策略及其在故障检测中的应用

误差生成是基于机理模型故障检测方法的核心本质,但鲜有应用于统计过程监测方法中.为此,提出一种基于缺失数据的误差生成策略,将能反映出采样数据对统计模型拟合程度的误差作为新的被监测对象实施故障检测.所提出的基于缺失数据的主元分析(MD-PCA)方法通过逐一假设各变量测量数据缺失后,利用缺失数据处理方法推测出相应缺失数据的估计值,并对缺失数据的实际值与估计值之间的误差实施基于PCA模型的故障检测.利用误差实施故障检测的优势在于,生成的误差能在一定程度上降低原测量变量的非高斯性程度,而且误差体现的是对应缺失变量中与其他测量变量不相关的成分信息,更能揭示各测量变量的本质.通过在TE过程上的实验充分验证了所提出方法的优势,以及MD-PCA方法用于故障检测的可行性与优越性.     

用于研究专家系统的另一神模型──判别树及其寄生树

本文提出的判别树是一种既系统又直观地描述判别思路的模型,寄生树是一种用来判定判别树中结点的子特征的判别树。在专家系统的研究中,应用本模型有三个优点：①可有条理地描述、整理复杂的分类判别知识;②易于转换出相应的产生式规则或框架形式的知识库;③能清晰直观地指导设计高效的判别推理机。     

EIR：具有超级结点的非结构化P2P中多维数据搜索框架研究

在具有超级结点的非结构化P2P系统中，研究了复杂多维数据的查询搜索策略，提出了一个应用于具有超级结点的非结构化P2P网络的综合框架，在该框架中，能够实现对多维数据共享、索引以及查询等操作的处理。以R^＊-tree索引树为基础，提出了一种能够应用于P2P的扩展R^＊-tree索引树，即EIR-tree树，研究了系统中集群信息的收集与维护、EIR-tree树的构建与维护等方法和措施。     

基于瞬时幅值的光伏系统电流传感器微小故障检测及估计

电流传感器是光伏系统中用于系统控制和状态监测的重要元件,然而受运行环境影响,电流传感器易出现性能退化,影响系统运行安全.为了准确检测和估计出电流传感器微小故障,提出基于瞬时幅值的传感器微小故障检测和估计方法.首先,建立基于瞬时幅值的电流传感器微小故障模型,利用Hilbert变换(HT)估计相电流瞬时幅值将测量的三相正弦电流转换为相互独立的三维直流信号分量;其次,利用快速移动窗主成分分析(FWMPCA)对三维直流信号组成的数据矩阵进行特征提取,获得主元和残差子空间向量的概率密度分布函数;然后,利用Kullback-Leibler(KL)距离定量度量实际运行数据相对于无故障运行数据的微小变化,在此基础上,设置故障检测阈值,构建故障幅值估计模型,实现电流传感器微小故障检测和估计;最后,利用RT-LAB实验平台验证所提方法的有效性.     

一个虚拟Internet服务器的设计与实现

针对已有的解决Internet服务器性能瓶颈和可靠性问题的方法所存在的不足,提出基于IP层负载平衡调度的解决方法,将一组服务器构成一个可伸缩的、高可用的虚拟Internet服务器.通过在服务机群中透明地加入和删除结点以实现系统的伸缩性;通过检测结点或服务进程故障和正确地重置系统达到高可用性.详细讨论了虚拟Internet服务器的体系结构、设计方法和实现技术,并给出了相应的性能测试结果.     

Milling Fault Detection Method Based on Fault Tree Analysis and Hierarchical Belief Rule Base

Expert knowledge is the key to modeling milling fault detection systems based on the belief rule base. The construction of an initial expert knowledge base seriously affects the accuracy and interpretability of the milling fault detection model. However, due to the complexity of the milling system structure and the uncertainty of the milling failure index, it is often impossible to construct model expert knowledge effectively. Therefore, a milling system fault detection method based on fault tree analysis and hierarchical BRB (FTBRB) is proposed. Firstly, the proposed method uses a fault tree and hierarchical BRB modeling. Through fault tree analysis (FTA), the logical correspondence between FTA and BRB is sorted out. This can effectively embed the FTA mechanism into the BRB expert knowledge base. The hierarchical BRB model is used to solve the problem of excessive indexes and avoid combinatorial explosion. Secondly, evidence reasoning (ER) is used to ensure the transparency of the model reasoning process. Thirdly, the projection covariance matrix adaptation evolutionary strategies (P-CMA-ES) is used to optimize the model. Finally, this paper verifies the validity model and the method's feasibility techniques for milling data sets.     

基于混合马尔科夫树模型的ICS异常检测算法

针对工业控制系统中现有异常检测算法在语义攻击检测方面存在的不足,提出一种基于混合马尔科夫树模型的异常检测算法,充分利用工业控制系统的阶段性和周期性特征,构建系统正常运行时的行为模型|混合马尔科夫树.该模型包含合法的状态事件、合法的状态转移、正常的概率分布以及正常的转移时间间隔等4种信息,基于动态自适应的方法增强状态事件的关联度并引入时间间隔信息以实现对复杂语义攻击的检测,语义建模时设计一种剪枝策略以去除模型中的低频事件、低转移事件以及冗余节点,当被检测行为使得模型的以上4种信息产生的偏差超过阈值时,判定该行为异常.最后,基于OMNeT++网络仿真环境构建一个简化的污水处理系统对本文算法进行功能性验证,并利用真实物理测试床的数据集对算法的检测准确度进行性能验证.验证结果表明,本文算法能有效消除人机交互和常规诊断等操作带来的噪声影响,对复杂语义攻击具有较高的检出率,且能识别传统的非语义攻击.     

基于全神经网络增强算法的WSNs故障预警与检测

针对现有WSNs故障检测算法存在的故障分类检测率低、耗时长、节点能耗控制差等问题,提出一种全神经网络增强故障预警与检测算法。全神经网络的神经元节点与临近层的节点连接,形成具有强大故障数据训练功能的深度网络结构,选择平滑性更好的sigmoid函数作为模型的激活函数,并基于感知机合理调节相邻两个隐含层之间的阈值权重,降低模型的训练损失;采用Adam优化算法抑制模型的梯度膨胀和梯度消失等异常情况,并消除训练中产生的数据冗余,以降低故障数据训练中产生的虚预警。实验结果显示:提出算法的总体故障检测率和不同类型故障的分类检测率都优于传统算法,此外全神经网络增强算法在节点故障检测耗时和能耗控制方面,也具有显著优势。     

基于节点相似性和网络嵌入的复杂网络社区发现算法

社区发现算法对分析复杂网络的拓扑和层次结构、预测复杂网络的演化趋势等具有十分重要的意义.传统的社区发现算法划分精度不高,忽略了网络嵌入的重要性.针对这样的问题,提出了基于节点相似性和网络嵌入Node2Vec方法的无参数社区发现算法.首先,使用网络嵌入Node2Vec方法将网络节点映射成欧氏空间中低维向量表示的数据点,计...     

ATS故障树法故障诊断功能的实现

当缺乏故障诊断先验知识时,故障树法是工程上易于实现的一种有效的故障诊断方法.通过分析、归纳测试项目与SRU的关联关系,得出了故障树模型中故障诊断知识的表达方式.以Access数据库为基础,提出了故障树的结构、数据组织形式及故障诊断的推理方法,并设计了适用于自动测试系统的故障诊断系统.该方法具有故障诊断推理过程表达明确、树模型易于建立等优点,已应用到两型机载电子设备的故障诊断中,故障隔离率和虚警率都达到了设计要求.     

基于SαS分布参数估计的系统鲁棒故障检测

因为复杂系统难以建立精确的数学模型,基于模型的故障检测方法在实际复杂控制系统中应用时往往难以获得很好的效果。针对这类数学模型未知的非线性系统,提出了一种基于SαS分布参数估计的系统故障检测方法。首先应用预测方法对系统输出序列进行预测建模,利用预测误差放大信号的脉冲突变,然后利用SαS分布的参数估计方法对预测误差序列的参数α进行估计,获得α的变化曲线,根据α的变化可以直观地判断出故障的发生。该方法对大幅值的有色噪声污染的信号仍然有很好的检测鲁棒性。以轴承系统的故障检测为例进行仿真实验,通过分析轴承振动信号故障条件下α曲线的变化情况,判断轴承的故障状态。仿真结果证实了该方法有效且可行。     

Finite frequency fault detection for networked systems with access constraint

This paper addresses a fault detection strategy in finite frequency domain for networked system with communication constraints and packet loss. The considered communication constraint is that only one data packet can gain into the networks at each time‐slot, and the fault detection filters complete the task with only partially available measurements. With consideration of the data packet loss and the stochastic scheduling protocol, a nonhomogeneous Markov jump system is firstly derived to describe the networked systems. For this class of systems, the generalized Kalman–Yakubovic–Popov lemma‐based finite frequency fault detection filter design methods are invalid. To tackle this problem, a new mode‐dependent lemma is developed to capture the system performance in finite frequency domain. Further, a set of fault detection filters are designed corresponding to the accessed nodes accordingly. Finally, an example is given to show the effectiveness of the proposed fault detection approach. Copyright © 2016 John Wiley & Sons, Ltd.     

Actuator fault detection and performance recovery with Kalman filter-based adaptive observer

A novel Kalman filter-based adaptive observer for the sampled-data nonlinear time-varying system is proposed in this paper. With the high gain property of Kalman filter, it is applicable to a large variation of unknown parameters, which can be estimated optimally. Then a method of actuator fault detection is proposed. With the estimated faults, one can use the proposed input compensation method to solve actuator faults. Additionally, the optimal linearization technique is used to obtain the locally optimal linear model for a nonlinear system at each sampled state, so that the actuator fault detection and performance recovery of a sampled-data nonlinear time-varying system is accomplished. In this paper, we also introduce a prediction-based digital redesign method to develop the corresponding sampled-data controller.     

基于小波分析和分层决策的模拟电路故障识别方法*

针对模拟电路存在较多故障模式的诊断中易出现分类混叠的问题,提出一种小波分析和分层决策的故障识别方法。首先用小波变换方法提取电路的两种故障特征,模糊C均值算法分析故障特征数据的分布特性,以决策树的形式分割各故障子类。通过对决策树节点特征的优化选择,使各故障子类的区分得以最大化。最后按照决策树结构建立分级诊断的故障决策系统,分别以支持向量机和神经网络作为树节点分类器,有效地提高了故障的识别率。该方法应用于高通滤波器电路的故障识别,正确率高于99%,比经典支持向量机多分类方法具有更好的诊断性能。