基于深度学习算法的铁路货车关键部件故障检测

为避免关键部件故障带来的铁路货车运行安全隐患,提出基于深度学习算法的铁路货车关键部件故障检测方法。使用货车故障动态图像检测系统采集铁路货车关键部件故障图像,采用主成分分析算法提取故障图像的特征向量,利用基于深度置信网络的关键部件故障检测方法,深入分析网络基本原理和结构,将提取的特征向量作为网络的输入数据,通过网络预训练和参数更新实现铁路货车关键部件故障检测。实验结果表明：该方法能精准获取铁路货车关键部件故障图像,且较为清晰;提取的各类型关键部件故障特征均未出现重叠现象,可分性良好;不同类型关键部件故障误检率和漏检率分别低于9%、5%;不同噪声水平下,各类型关键部件故障检测平均绝对误差始终在0.3以下。     

基于改进灰色神经网络的故障预测方法研究

故障预测技术是电子装备预测与健康管理（PHM）领域的核心内容, 对电子装备关键部件实施有效的预测是保证系统正常运行的关键。首先将灰色理论和人工神经网络算法相结合, 构建灰色神经网络模型并对其进行分析; 然后在此基础上通过附加动量变学习速率法对灰色神经网络的权值更新策略进行改进, 提出一种基于改进灰色神经网络的故障预测模型; 最后以某型脉冲测量雷达中频接收组合中的压控振荡器为例, 以采集的原始频率数据为基础进行仿真验证。预测结果表明, 将该预测方法应用于电子装备PHM是行之有效的, 可有效提高故障预测精度。     

基于QAR数据的民用飞机故障预测及验证

飞机飞行过程中产生成百上千种飞行参数和数量庞大的飞行数据,但目前这些数据并没有得到充分有效的利用,飞机的维修还处在以定期维修和事后维修为主的阶段。随着航空技术的不断发展,利用飞行数据进行故障预测,转变民机维修模式向视情维修发展变得越来越有必要。首先对基于QAR数据的民用飞机故障预测技术路线进行了说明。其次介绍了适用于民机QAR数据的两种故障预测方法,包括基于曲线拟合的性能预测方法和基于时间序列的趋势预测方法。再次,详细描述了基于QAR数据的故障预测系统的实现途径。通过预测关键参数变化趋势,达到提前发现故障,以制定合理的维护计划,确保飞行安全的目的。最后采用提出的方法对波音飞机的空调、滑油系统关键参数数据进行预测,预测结果验证了方法的有效性。     

基于数据驱动的故障预测模型框架研究

为解决基于数据驱动的故障预测缺乏统一的预测框架的问题,提高故障预测精度,提出了一种通用的故障预测模型和框架.总结分析了单项故障预测方法的优缺点和故障预测研究现状,研究了基于数据驱动的故障预测的一般过程,将融合单元的概念应用到故障预测领域,用以描述预测过程中设备状态的数据变化,建立了基于数据驱动的故障预测模型,从而得到了一种统一的故障预测框架,为基于数据驱动的故障预测研究提供借鉴.     

基于大数据的液压支架电液控制系统故障诊断

针对液压支架电液控制系统故障人工排查方式无法准确定位某些随机故障或个别系统故障的问题,对传统电液控制系统硬件设备进行智能化改造:增加了对系统核心关键部件电气参数的采集传输功能;从大数据采集、传输、处理等方面,阐述了基于Hadoop的大数据决策分析服务平台的构建;设计了大数据故障诊断引擎,以并行算法为核心对各类故障进行识别和诊断,基于MapReduce对C4.5决策树分类算法进行改进,并通过后剪枝技术解决算法容易过度拟合且不稳定的问题,通过多分类器融合技术提高算法准确性。测试结果表明,通过C4.5决策树分类预测引擎提取的电磁先导阀、控制器、压力传感器及行程传感器故障特征曲线存在较大差异性,通过动态比较匹配,依据故障特征曲线变化规律可识别出故障类型。     

基于深度学习的故障预测技术研究

针对常规故障预测方法难以分析复合故障的情况下各个故障对系统的交互作用、难以分析装备数据复杂特征、难以实时准确预测故障等现状,对现代大数据和人工智能方法应用在故障预测领域进行研究,提出基于深度学习的故障预测技术,将系统故障预测可分为动态预测和静态预测。利用深度学习算法处理装备状态监测和试验验证获得的海量故障数据,通过故障模型训练、故障特征识别、故障演化规律获取来对系统进行在线动态预测;针对软件故障突变特性,利用软件质量特征属性进行静态故障预测;同时,提出使用开源深度学习框架TensorFlow进行系统研制方法。通过基于深度学习的故障预测技术,能够提高装备故障预测能力。     

复杂系统故障预测方法与应用技术研究

故障预测技术是我国未来发展复杂系统增强型视情维修体系(CBM+)的核心技术;在分析了目前广泛使用的基于统计学的故障预测方法基础上,研究了精度更高的基于模型和基于数据驱动等多种故障预测方法,总结了不同预测方法的适用性,结合实际应用提出了一种多方法融合的复杂系统故障预测新方法,与传统的统计学预测法进行了对比,并完成了仿真验证;新方法有利于提高故障预测的准确性,为未来实现复杂系统视情维修与贮存延寿提供技术保障。     

小波分析在遥测数据预测中的应用研究

随着航天技术的飞速发展,航天器数量的增加,在轨运行的风险也随之增大,如何保证航天器的安全性和可靠性就显得尤为重要.预测技术可提前预知航天器故障,为航天器的故障排除赢得了宝贵时间,从而提高了航天器运行安全性和可靠性.论文针对遥测数据的非平稳性和周期性,引入了基于小波分析的预测技术解决此类数据的预测问题,建立了基于Mallat算法的时间序列短期预测模型.实验证明预测曲线与实际曲线基本吻合.     

飞行器健康状态的灰色预测方法

针对飞行器健康状况难以准确预测的问题,提出了一种基于小波包变换与自适应多变量灰色预测模型对飞行器健康状况进行预测的新方法。采用先进的声发射技术监测飞行器关键部件的健康状态,运用小波包对由声发射监测系统募集到的飞行器关键部件原始声发射信号进行三级小波包分解,分别提取其第三级小波包分解中八个频段分解系数的能量最大值、方差最大值和范数最大值作为特征向量,并以此构建三变量MVGFM（1,n,β）模型。运用该模型对飞行器关键部件的健康状态进行预测研究,并通过该模型预测值与特征真实值之间的相对偏差来修正模型中参数β,以提高模型的下一步预测精度。实验结果表明,提出的自适应MVGFM方法可以动态实现对飞行器关键部件裂纹故障的准确预测,其预测准确度明显高于GM（1,1）模型,从而证实了该方法的有效性。     

传感器故障诊断中的数据关联方法与应用

基于信息融合技术中的数据关联技术 ,提出了将数据关联方法用于故障监测、报警的问题 ,改进了多传感器多模型相互作用的概率数据互联算法 ,结合某时变系统中传感器的故障诊断问题 ,进行了仿真分析 ,并讨论了这种方法在故障报警和预测预报中的应用。     

基于机器视觉的列车部件故障诊断方法综述

基于机器视觉的列车部件故障诊断方法提高了人工巡检的速度和准确率,是近年来机器视觉技术的研究热点之一.通过对机器视觉技术在列车故障诊断方面的研究成果的回顾,对其中的图像配准和故障诊断等关键技术进行综述,总结相关原理、优缺点、国内外发展现状.3D技术的发展为列车故障诊断提供了新的研究方向.对3D检测技术的原理及其在列车部件...     

基于日志数据的分布式软件系统故障诊断综述

基于日志数据的故障诊断指通过智能化手段分析系统运行时产生的日志数据以自动化地发现系统异常、诊断系统故障.随着智能运维（Artificial Intelligence for IT Operations,AIOps）的快速发展,该技术正成为学术界和工业界的研究热点.本文首先总结了基于日志数据的分布式软件系统故障诊断研究框架,然后就日志处理与特征提取、基于日志数据的异常检测、基于日志数据的故障预测和基于日志数据分析的故障根因诊断等关键技术对近年来国内外相关工作进行了深入地分析,最后以本文提出的研究框架为指导总结相关研究工作,并对未来研究可能面临的挑战进行了展望.     

FD-LSTM:基于大规模系统日志的故障分析模型

可靠性研究是高性能计算领域的经典问题,随着制程技术与集成工艺的不断发展,当前全系统规模呈指数级快速增长,给可靠性研究尤其是故障分析带来巨大挑战.收集了自主高性能计算系统投产后工作故障日志信息203510247条,时间自2016年1月28日至2016年12月6日.首先使用K-M eans聚类方法对故障进行分类,并分析故障...     

基于粒子群神经网络的发动机故障诊断方法

研究复杂发动机的故障检测,提高检测的快速性和准确性。传统故障检测方式必须通过计算发动机不同部位实时的故障系数,并且与正常状态下的发动机系数标准逐个进行对比,从而判断发动机部件是否存在故障,当发动机结构复杂,部件较多的情况下,会造成检测方法计算量加大,检测耗时,结果滞后。为了克服上述问题,提出一种粒子群神经网络的复杂发动机故障检测技术,通过自适应粒子神经网络进行迭代计算,对发动机可能出现故障的部位进行相关参数统计,从而提前进行预判,减少大量由计算带来的滞后性影响。实验证明,改进方法能够大幅减低检测耗时,弥补滞后误差,取得了令人满意的效果。     

基于混沌理论的动态系统故障检测研究与发展

混沌理论是一种用于描述确定非线性系统内在随机性的一种数学方法。作为确定论和概率论的桥梁，混沌理论具有对初始条件敏感、短期可预测等特点，近年来在各工程领域得到应用。基于混沌理论的故障检测是混沌理论应用的一个重要方面。本文在简单介绍混沌原理的基础上，分类介绍了基于混沌理论的各种故障检测方法及其研究现状，探讨了这一领域中有待进一步研究的若干问题。     

基于人工智能的机电设备智能保障系统研究

为解决现代机电设备的运行管理、状态监测、故障快速诊断与维修以及保障决策问题,借鉴人工智能的先进研究成果,构建了机电设备智能保障系统.介绍了系统的组成和实现的功能,对系统知识库、模型库和数据库设计中的关键技术进行了分析,应用神经网络技术实现多种推理,提高了故障诊断效率,采用计算机网络通讯技术,实现了系统的远程智能决策和技术指导,实践证明,该系统安全可靠,实用价值较高.     

无线传感器网络中网络层故障容错技术研究进展

故障容错能提高无线传感器网络的稳定性和可靠性, 是无线传感器网络的一项关键技术。网络层容错及跨层协同优化设计是网络故障容错的重要研究内容, 主要对网络层容错技术研究进行了归纳和总结。网络层容错控制技术主要分为多路由传输、纠删编码/网络编码、数据重传机制、跨层协同优化与复合容错和仿生智能容错等, 并对网络层容错控制技术研究趋势作了探讨。     

事件关联策略的实现及其应用研究

事件关联是重要的故障定位策略，已成为网络故障管理的研究热点。全面阐述实现事件关联策略的几种技术及其应用，指出它们共同存在的问题。     

Improving reliability of large software systems

Improving field performance of telecommunication systems is the key objective of both telecom suppliers and operators, as an increasing amount of business critical systems worldwide are relying on dependable telecommunication. Early defect detection improves field performance in terms of reduced field failure rates and reduced intrinsic downtime. This paper describes an integrated approach to improve early defect detection and thus field reliability of telecommunication switching systems. The assumptions at the start of the projects discussed in this paper are: Wide application of code inspections and thorough module testing must lead to a lower fault detection density in subsequent phases. At the same time criteria for selecting the most critical components for code reviews, code inspections and module test are provided in order to optimize efficiency. The primary goal is to identify critical components and to make failure predictions as early as possible during the life cycle and hence reduce managerial risk combined with too early or too late release of such a system to the field. During test release time prediction and field performance prediction are both based on tailored and superposed ENHPP reliability models. Experiences from projects of Alcatel’s Switching and Routing Division are included to show practical impacts. This revised version was published online in June 2006 with corrections to the Cover Date.