基于神经网络和模糊逻辑的工业过程故障诊断与报警系统

用单一理论和方法对复杂系统进行故障诊断效果不太好.文章讨论了基于神经网络和模糊系统的故障诊断以及它们之间结合方式的特点,提出了一种保障工业生产安全可靠运行的有效方法:分级故障诊断算法 过程监控与报警,仿真并设计了基于工控网络的工业过程故障诊断与报警系统.研究表明基于径向基函数神经网络 模糊逻辑的算法具有较快的训练速度和较好的泛化能力,可识别多回路故障.     

基于改进LSTM的高速列车牵引系统微小渐变故障诊断

高速列车牵引系统的微小渐变故障诊断是保障高速列车安全可靠运行的一项重要任务,传统的数据驱动方法通常难以在故障初期实现微小渐变故障的诊断.本文考虑到传感器时序信号的非平稳特性和微小渐变故障具有的慢时变特性,提出了一种基于改进长短期记忆网络(long short-term memory,LSTM)的微小渐变故障无监督诊断方...     

高速列车牵引系统故障诊断与预测技术综述

高速列车因其舒适、便捷、安全和准时, 已成为我国主流的城际间交通工具.CRH(China railway high- speed)动车组高速列车是一个大型复杂的机电耦合系统,作为其重要组成部分,牵引控制系统的可靠性对于高速列车的安全运行至关重要.随着在轨运行时间的增长,牵引控制系统中的很多部件都会发生不同程度的性能衰退,并引发各种故障,给高速列车的安全运行带来潜在的危险.鉴于此,针对牵引变压器、牵引变流器(整流器、逆变器)、牵引电机、转向架系统、牵引/制动控制单元等与高速列车牵引系统相关的重要部件和单元的故障诊断、容错控制与预测方法进行现状调研和分析,并对每种方法的基本思路、现阶段进展以及适用条件等进行了介绍,最后陈述了高速列车牵引控制系统故障诊断与预测领域尚待解决的问题.     

基于区间直觉犹豫模糊集的高速列车系统关键部件辨识

关键部件作为系统可靠性分析的重要组成以及系统维修策略制定的重要基础,其辨识方法与识别结果的准确性一直是研究热点与难点.为有效识别关键部件保证高速列车系统安全可靠性运行,本文提出一种新的基于区间直觉犹豫模糊集的关键部件辨识方法.首先通过回顾现有复杂系统网络建模方法及其优缺点,归纳总结部件的提取规则与部件间作用关系的定义和类型,提出由局部到整体的高速列车系统全局拓扑网络模型构建方法.其次鉴于现有针对同一高速列车同一节车辆同一部件的故障维修记录数据量少、随机性大等特点,提出将节点属性值区间化,构建节点属性的区间直觉犹豫模糊集,其中节点属性包括由故障数据分析获得的节点可靠性属性值以及由所建全局拓扑网络得到的拓扑属性.最后利用区间直觉犹豫模糊积分算子综合节点的多种属性辨识系统中的关键部件.以转向架系统的拓扑结构以及历史故障数据为基础的实例分析表明,所提出的辨识方法能够准确的识别出系统中的关键部件,且与专家经验的分析结果基本一致.     

基于Elman模型的高速列车速度跟踪控制

高速列车运行速度快,运行过程复杂,具有较强的非线性,难以实现高精度速度跟踪控制.为了实现高速列车的安全可靠运行,本文研究提出高速列车的运行过程建模和速度跟踪控制方法,采用数据驱动建模方法建立了高速列车运行过程Elman模型,设计了改进型广义预测控制实现了高速列车速度跟踪控制.基于CRH380AL运行过程数据的仿真结果表明,该方法具有更高的跟踪控制精度和较强的鲁棒性,可实现高速列车安全、正点运行.     

电机故障诊断的仿真研究

研究电机故障诊断问题.针对电机信号具有非平稳和随机性特点,为保证电机运行的安全性,准确进行故障诊断,传统方法不能有效识别故障信号特征,导致故障识别准确率低,现提出一种基于小波分析和神经网络相结合的电机故障诊断方法.采用小波包变换技术对电机故障振动信号进行去噪处理,然后利用小波包分解系数计算各子频带能量值,根据能量值的变化构建故障特征向量,利用将特征向量作为RBF神经网络的输入进行故障识别,并在Matlab仿真平台上进行仿真.仿真结果表明方法提高电机故障诊断的准确率,有效克服了传统方法存在不足,同时缩短了电机故障诊断的时间.     

高速列车自适应制动控制

针对传统控制方法难以保证高速列车在复杂多变的运行条件下的速度跟踪和安全、平稳停车问题,提出了一种基于间接模型参考自适应的高速列车制动控制策略.通过分析列车制动系统的工作流程,建立了具有未知参数的列车制动系统模型,并采用间接模型参考自适应控制(MRAC)方法设计了高速列车自适应制动控制策略,实现了对给定速度曲线的渐进跟踪.为了验证上述方法的有效性,以CRH380AL型动车组作为研究对象,利用MATLAB软件进行数值仿真.仿真结果表明,即使存在未知系统参数,基于间接模型参考自适应的高速列车制动控制策略仍然可以实现列车在制动过程中对目标速度的渐近跟踪,进而保证列车的安全可靠运行.     

基于动态建模与重构的列车轴承故障检测和定位

列车运行时轴承故障的检测与定位对于列车运行安全与健康维护至关重要. 现有的轴承故障报警系统主要是基于单一轴温变量的规则诊断, 报警不及时. 针对上述问题, 本文结合运行于相似环境和速度的同车多轴轴温的相关性及轴温动态性, 提出了一种数据驱动的基于多轴轴温动态潜结构的列车轴承故障检测与定位方法. 首先, 提出基于动态内在典型相关分析(Dynamic-inner canonical correlation analysis, DiCCA)的列车多轴轴温动态潜结构建模方法; 其次, 利用所建立的模型, 提出基于DiCCA综合指标的列车轴承故障检测方法; 在此基础上, 提出基于DiCCA多向重构的列车轴承故障定位方法. 利用某列车实际运行时的轴温数据进行验证, 结果表明了所提方法的有效性.     

高速列车隧道压力波模拟迭代遗忘因子控制

高速列车在隧道运行、隧道交会时车内、外会产生交替变化的气压差,对车体气密性及材料耐疲劳强度提出更高要求.基于Matlab和AMESim构建联合仿真平台,设计高速列车隧道压力波模拟系统.使用实测隧道压力波数据作为期望输出,研究车体气密疲劳性能.考虑到模拟系统非线性、大时滞及多扰动特点,采用一种带有时变遗忘因子的开环迭代PID控制算法.仿真结果表明,其系统更稳定、收敛速度更快.     

基于排列组合熵的高速列车走行部故障分析

针对列车走行部的多种故障模式,提出了基于排列组合熵的高速列车走行部故障诊断方法.对原车和抗蛇行减振器失效、空气弹簧失气、横向减振器失效四种工况进行仿真实验,得到列车不同位置的振动信号.计算列车振动信号的排列组合熵,首先实现了同一速度下不同故障的分离,然后以排列组合熵作为故障特征向量,对特征向量进行多级SVM分类识别.实验结果表明,该方法可以有效识别列车同一速度下的不同故障,高速时对四种工况的平均识别率达97％以上.     

减法聚类-ANFIS在网络故障诊断的应用研究

提出了一种基于减法聚类-自适应模糊神经网络（ANFIS）的网络故障诊断建模方法。减法聚类算法生成初始模糊推理系统,ANFIS建立网络故障诊断原始模型,应用混合算法对模糊规则的参数进行训练并建立最终的模型。仿真实验表明基于减法聚类-ANFIS的建模方法是有效的;通过仿真结果比较,减法聚类-ANFIS的网络故障诊断能力及收敛速度均优于BP神经网络,更适合作为网络故障诊断模型。     

Fuzzy reasoning Petri nets

This paper presents a fuzzy reasoning Petri net (FRPN) model to represent a fuzzy production rule-based system. The issues of how to represent and reason about rules containing negative literals are addressed in the proposed PN model. The execution rules based on the model are defined formally using the operators in max-algebra. Then, a fuzzy reasoning algorithm is proposed to perform fuzzy reasoning automatically. The algorithm is consistent with the matrix equation expression method in the traditional PNs and allows one to exploit the maximum parallel reasoning potential embedded in the model. The legitimacy and feasibility of the proposed approach are proved and validated through a turbine fault diagnosis expert system.     

基于模糊神经网络的WSN无线数据收发单元故障诊断

在一些无线传感器网络(Wireless Sensor Network,WSN)安全监测系统中,节点长时间传输大量数据,导致无线数据收发单元容易出现功率下降和功率放大器(Power Amplifier,PA)被烧毁的现象,而此类故障的诊断方法一般比较复杂且低效。针对上述问题,在分析WSN单元级故障诊断的基础上,利用无线数据收发单元的电流模型,提出了一种基于模糊神经网络的无线数据收发单元故障诊断方法。首先,根据无线数据收发单元中发射消耗的电流与温度和供电电压的关系,建立电流模型;然后,利用聚类算法确定模糊神经网络模型结构,结合混合学习算法优化模糊规则的前件参数和后件参数;最后,提取训练完的模糊神经网络参数,以建立WSN节点故障诊断模型。实验结果表明,提出的无线数据收发单元故障诊断方法的计算量小,诊断准确度高;与高斯过程回归模型相比,其计算量降低了22.4%,诊断准确度提高了17.5%。     

改进的模糊Petri网在民航飞机故障诊断中的应用

针对民航飞机系统的复杂性,采用了反正向推理相结合的模糊Petri网的故障诊断模型.首先,依据预设的变迁阈值,采用反向搜索策略,对建立好的模糊Petri网模型进行约简,以减小后续推理规模,提高推理搜索速度;然后采用正向推理算法进行数值计算,将复杂的推理过程通过矩阵运算实现,充分利用了模糊Petri网的并行处理能力,使模糊...     

基于FPN推理的多Agent网络故障诊断系统的研究

多Agent诊断系统是一种分布式系统,现已在故障诊断中得到广泛应用.提出一种基于FPN推理的多Agent网络故障诊断模型,该模型利用各部分Agent模块来完成故障诊断过程中的信息搜集与分析,故障的确定以及对故障的处理,其中故障的确定由模糊Petri网推理算法来完成.该模型综合了FPN推理算法的并行性以及多Agent技术对故障诊断与处理的智能性的特点,为实现网络故障的快速诊断提供了一条全新的思路.     

基于模糊神经网络的飞机某系统故障诊断研究

提出一种基于模糊神经网络的飞机某系统故障诊断方法。利用改进的模糊C均-值聚类算法进行结构辨识,从而自动获得模糊规则库,并得到模糊模型的初始参数;然后生成与之相匹配的初始模糊神经网络,并通过学习算法训练网络来进行参数辨识,得到一个精确的模糊模型。将该系统地面实测数据作为样本数据,建立起了基于模糊神经网络的飞机某系统故障诊断模型。最后对该模型进行测试与分析,结果表明该方法具有抗噪、抗敏感、诊断准确度高等优点。     

Robust fault diagnosis scheme in a class of nonlinear system based on UIO and fuzzy residual

In this study, a novel robust fault diagnosis scheme is developed for a class of nonlinear systems when both fault and disturbance are considered. The proposed scheme includes both component and sensor fault with nonlinear system that transferred to nonlinear Takagi-Sugeno (T-S) model. It considers a larger category of nonlinear system when fuzzification is used for only nonlinear distribution matrices. In fact the proposed method covers nonlinear systems could not transform to linear T-S model. This paper studies the problem of robust fault diagnosis based on two fuzzy nonlinear observers, the first one is a fuzzy nonlinear unknown input observer (FNUIO) and the other is a fuzzy nonlinear Luenberger observer (FNLO). This approach decouples the faulty subsystem from the rest of the system through a series of transformations. Then, the objective is to design FNUIO to guarantee the asymptotic stability of the error dynamic using the Lyapunov method; meanwhile, FNLO is designed for faulty subsystem to generate fuzzy residual signal based on a quadratic Lyapunov function and some matrices inequality convexification techniques. FNUIO affects only the fault free subsystem and completely removes any unknown inputs such as disturbances when residual signal is generated by FNLO is affected by component or sensor fault. This novelty and using nonlinear system in T-S model make the proposed method extremely effective from last decade literature. Sufficient conditions are established in order to guarantee the convergence of the state estimation error. Thus, a residual generator is determined on the basis of LMI conditions such that the estimation error is completely sensitive to fault vector and insensitive to the unknown inputs. Finally, an numerical example is given to show the highly effectiveness of the proposed fault diagnosis scheme.     

变电站故障诊断中的不确定性问题研究

在变电站故障诊断过程中,业务知识的表示与推理存在大量不确定性问题.通过对这些不确定性问题的分析,将业务规则量化后并映射到模糊Petri网.设计一种加权的模糊Petri网模型,对变电站故障信号的分析过程进行建模,模拟带有关联告警信号的组合故障的诊断过程.该模型可以对变电站设备故障中不具备完整现象描述的情况进行处理,且可有效降低信号误报和漏报时对推理结果造成的影响.     

Fault Detection Based On Online Probability Density Function Estimation

This study presents a new fault detection scheme based on the probability density function (PDF) of system output. Unlike the classical fault detection and diagnosis methods, in the proposed method, distribution of the system output is estimated online. To achieve this goal, an algorithm is introduced to estimate PDF online using fuzzy logic. Furthermore, convergence of this algorithm is investigated. Then, a residual is constructed that can show the existence of a fault in the system. The main advantages of the proposed method are robustness against measurement noise, even though it does not need the exact model and measured data of inputs and states. Simulation results show that this scheme can detect abrupt faults very well.