基于Chwa & Hakimi故障模型的二分诊断算法

在对Chwa &; Hakimi故障模型的诊断中,目前相对成熟的算法有t-可诊断性算法和方程诊断算法两大类。然而,上述两类算法各有其优缺：前者要求故障处理机的数目小于处理机总数的一半;后者则希望故障处理机的数目多多亦善。不仅指出何时采用t-可诊断性算法或方程诊断算法,而且建立了所谓的二分诊断算法,即当故障处理机数量占处理机总数一半左右时将原测试系统拆分为两部分：相对正常机集合和相对故障机集合,从而对各个处理机集合采用各自适合的算法去诊断。     

方程诊断算法在Malek故障模型中的应用

采用方程模式来描述Malek故障模型，把求该模型全体相容故障模式的问题转换为求方程组的解集，并通过实例讲解如何求解方程组的解集和以此得到Malek模型的诊断结果，为系统研究这类模型的方程诊断算法提供了典型示范和奠定了理论基础。     

Chwa & Hakimi故障模型方程诊断的理论基础

针对基于对称比较的系统级故障模型———Chwa&Hakimi模型 ,建立起“方程诊断”的有关概念 ,把该模型等价地转换为一个方程 (或方程组 )。对于一类特殊的Chwa&Hakimi模型找到了求全体相容故障模式的具体算法 ,该算法为寻求一般情形下Chwa&Hakimi模型的全体相容故障模式奠定了理论基础和算法基础。     

三值社会诊断模型的方程诊断问题

首次建立起三值社会诊断方程模型的定义（即三值社会诊断模型的方程描述）。针对传统的二值社会诊断模型离不开“t-可诊断性”和绝对区分人类为两种（一种好人,一种坏人）的特点,建立一种新的社会诊断模型,并根据此模型,引入“t/x可诊断性”等概念,并在此基础上,找到了求三值社会诊断模型相容故障模式的具体方法——方程诊断算法。     

Malek故障模型的方程诊断算法设计

首先给出Malek模型的方程组定义形式,然后在不以“t-可诊断性”和“相信大多数”作前提假设的情况下,通过引入“集团”的概念给出了求其全体相容故障模式的具体方法—方程诊断算法,丰富了Malek模型的故障诊断方式。     

并联式六维加速度传感器的故障自诊断、自修复算法

针对并联式六维加速度传感器的部分输出信号出现干扰失真时,系统解耦算法会完全失效的问题,提出了一种适用于多维传感器的故障自诊断、自修复算法。通过挖掘传感器弹性体拓扑构型中的变形协调条件,推导了系统的6个力协调方程,据此构造了正多边形结构的、关于过渡参量的理想协调闭链。通过分析协调闭链对力协调方程的约束关系,给出传感器故障的诊断组,建立了传感器故障自诊断、自修复算法。通过定义故障自修复率指标,对可修复工况进行统计计算,得到本算法能够实现的最高修复率为72. 62%。另外,当传感器支链故障概率小于22%时,样机试验结果表明:局部支链出现故障后,重构系统的综合解耦误差不超过0. 18%,验证了该方案的可行性。     

基于优化支持向量机的飞机重着陆智能诊断

为提高飞机重着陆判断的准确性,研究了将最小二乘支持向量机应用于飞机重着陆诊断的方法;首先,根据飞机着陆阶段运动方程确定5类关键的重着陆诊断指标,将传统的单一指标诊断扩展到多指标诊断;接着,对支持向量机的分类算法进行扩展,实现了支持向量机的多类分类,建立了飞机重着陆诊断模型;然后,分别利用遗传算法和粒子群算法优化了模型参数,并对优化结果进行了分析比较;最后,利用飞行品质监控数据库中的样本数据对某航空公司B737型飞机进行了重着陆诊断实验,结果表明;支持向量机模型具有较高的诊断精度,适用于飞机重着陆诊断.     

容差条件下PSO算法诊断模拟电路单软故障方法

为了定量地诊断模拟电路中的单个软故障,提出一种容差条件下基于微粒群优化理论的诊断方法.首先通过灵敏度分析建立电路测试节点电压增量方程,以及模拟电路故障诊断的约束线性规划方程组;然后引入罚甬数,把微粒群算法应用到方程的求解中;最后估计出电路各元件参数的最小变化量,并与各元件容差范围相比较来定位故障元件.仿真实验结果表明.该方法兼顾故障元件的定位和故障元件参数变化量的估计,可以有效地实现模拟电路在容差条件下的软故障定量诊断.     

基于PMC模型的MWOFD算法

为了诊断出系统中的故障单元,首次将贝壳漫步优化算法用于解决系统级故障诊断问题,提出一种高效快速的诊断算法--MWOFD诊断（Mussels Wandering Optimization Fault Diagnosis）算法。结合系统级故障诊断的特点,设计了个体化编码及初始化的方法,并根据诊断模型所满足的方程约束重新设计了适应度函数,同时对二进制映射算法进行优化。最后将新算法与AD-FAFD算法,FAFD算法和EAFD算法进行实验对比,结果表明：MWOFD算法有效地提高了诊断正确率和诊断效率。     

网络管理系统分布式诊断方法研究

文中提出了一种网络管理系统的分布式诊断算法。该算法是一个基于概率模型的比较诊断算法。文中对算法的准确度和参数对准确度的影响进行了分析,并给出了准确度的上（下）界。     

一种Malek模型下的系统故障诊断算法

在多机系统中,各个结点（处理器）在通信过程中极易发生故障,因此选择有效的诊断算法,快速、准确地判断出系统故障集十分重要。传统的PMC模型以结点相互测试的结果为基础,而故障结点的测试结果不唯一,导致该模型诊断结果相对不稳定。针对这种情况,采用Malek诊断模型代替传统的PMC模型,借助遗传算法特性,将复杂的网络拓扑图简化为二进制编码,并按照适应度函数值确定种群搜索方向,提高搜索效率。该算法根据Malek模型设计约束方程,提出新的适应度函数,优化变异算子。实验表明,算法改进后,缩短了判断故障集所需的CPU时间,同时,算法根据故障症候判断出目标故障集的概率更高,从而证明了用Malek模型代替PMC模型的高效性。     

遗传神经网络故障诊断自适应Petri网模型

研究故障诊断优化问题。针对传统Petri网难以精确地描述故障现象和故障原因之间的复杂关系,造成故障诊断难以精确,提出了将遗传算法、神经网络和传统Petri网模型结合,形成了一种改进的自适应的加权Petri网模型以及模型的构造算法,同时在此基础上,采用改进的遗传算法对神经网络模型的权值进行优化训练,并给出了采用构造的自适应模糊Petri网模型对故障进行诊断的具体步骤。仿真实例验证了算法的有效性,对柔性制造系统实例的故障进行诊断,验证了此自适应的加权模糊Petri网模型结合了Petri网和遗传算法的优点,具有很强的故障推理能力以及自适应能力,能有效地对故障进行诊断。     

基于遗传算法的电路故障诊断超参数优化算法框架

针对基于SVM的模拟电路故障诊断中诊断参数的调节是通过试凑法或按照全局最优的原则确定的,没有考虑实际诊断要求,无法进行各诊断环节参数同时调整优化的现状。提出一种适应度模型用于遗传算法参数寻优,把实际电路诊断要求量化成参数指标引入模拟电路故障诊断的优劣评估中;建立了基于遗传算法的电路诊断模型参数闭环寻优框架,对诊断系统的各部分参数优化进行整体度量,并分析了参数搜索算法的收敛性。通过实例诊断分析了闭环故障诊断参数寻优框架下各部分的参数制定对决策的影响,说明了建立的闭环故障诊断模型参数寻优框架和搜索算法的有效性和实用性。     

基于蝙蝠算法的系统级故障诊断研究

首次将蝙蝠算法用于解决系统级故障诊断问题,从而提出了一种高效的诊断算法——蝙蝠故障诊断算法。在初始化阶段,种群被分成大、小两类,并采用不同的处理方式;根据系统级故障模型的特点,设计出了具有方程约束的适应度函数;为了平衡全局搜索与局部搜索,在速度更新公式中增加一个变系数;为实现寻址的离散化,对蝙蝠速度进行了二进制映射。仿真实验结果表明,蝙蝠故障诊断算法在迭代次数、诊断正确率和最优解的适应度等方面明显优于现有的具有代表性群智能诊断算法——FAFD算法。     

妇科疾病诊断的模糊专家系统的研究与实现

旨在研究基于Web环境下利用Fuzzy理论进行妇科疾病诊断的专家系统.在分析三I算法的基础上,根据提炼出的妇科疾病诊断规则,建立了妇科疾病诊断Fuzzy推理的一般性模型,给出求解该模型基于RM算子的三I算法,并在asp.net平台下实现了该模型的简化算法.     

AGA和NN在汽轮发电机组故障诊断的应用

遗传算法是一种能够借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法;为解决传统遗传算法早熟及收敛速度慢的问题,提出了一种改进的自适应遗传算法,改进后的遗传算法在全局优化和快速收敛能力上有较大的提高;文章针对多征兆、多故障的汽轮发电机组的故障诊断系统,对采用改进后的自适应遗传算法(AGA)和RBF径向基函数神经网络相结合进行故障模式识别的方法进行研究;仿真结果表明,该方法对于汽轮发电机组的故障诊断具有较高的实用价值。     

基于改进粒子群优化算法的提升机制动系统故障诊断

矿井提升机制动系统运行的可靠性直接关系到井下工作人员的安全,为了提高其故障诊断的准确度,提出了一种改进粒子群算法优化RBF神经网络的诊断方法,建立了以提升机制动系统的故障特征参数为输入,并以制动系统的几种主要故障类型为输出的故障诊断模型.鉴于遗传算法具有较强全局收敛性,将遗传算法中的交叉、变异的思想引入到粒子群算法中,并用其优化RBF神经网络的隐含层参数.仿真结果表明,改进后的粒子群诊断算法改善了提升机制动系统故障诊断的速度和精度.     

基于粗糙集和遗传算法的医疗诊断方法研究

构造了一种基于粗糙集理论的医疗诊断决策信息系统,根据该系统中条件属性的冗余相关性,采用遗传算法对决策系统的条件属性进行约简,达到约简效果最优,降低诊断难度,提高诊断速度;并提出了一种基于规则置信度的规则融合方法,提高诊断准确率。通过实验证明该方法有效可行。     

基于遗传小波网络的飞控系统故障诊断研究

针对飞行控制系统的传感器故障诊断问题,构造基于Mexico hat小波的小波神经网络,采用改进的自适应遗传算法优化所构造的小波网络的网络参数,并应用训练好的小波网络对飞行控制系统的传感器故障进行诊断.通过在Matlab/Simulink中建立飞控系统传感器的数字仿真模型并进行计算机仿真,得出所构造的小波网络能很好地诊断出飞控系统传感器的三类故障.仿真结果表明,用遗传算法训练小波网络,收敛速度快,且不会陷入局部最优点,训练好的小波神经网络的收敛性、故障诊断能力及泛化性均强于传统的BP神经网络.     

改进的遗传BP网络在旋转机械故障诊断中的应用

针对旋转机械故障的复杂性和相关性,本文采取改进的遗传BP网络算法进行诊断.首先利用遗传算法对BP网络的初始权值和偏置值进行优化,然后采取改变学习速度的方法对BP算法进行了改进,很好地解决了传统BP算法的学习收敛速度慢和产生局部极小的问题.通过样本训练和故障诊断分析,该算法在速度和精度上都有很大的提高.