基于Petri网的网络安全系统故障查询方法

采用Petri网构造网络系统故障传播模型,并利用网络安全系统的层次特性,将网络安全系统逐级分解,级联,建立出更适用分析网络安全系统的Petri网模型,为具有网络拓扑结构的网络安全系统故障分析提供新的思路。     

模糊神经Petri网在发动机磨损故障诊断中的应用

针对模糊Petri网在故障诊断中缺乏自学习能力的缺点,将模糊Petri网与神经网络理论相结合,建立适用于发动机磨损故障诊断的模糊神经Petri网模型。其学习训练步骤包括：设置初始权值和阈值、利用期望的输入输出数据对、计算实际输出、修正权值,以及确定样本稳定。最后,以某型发动机磨损故障诊断为例进行仿真验证,结果表明该模型可行有效。     

生产制造过程故障诊断Petri建模研究与实现

应用Petri网的故障诊断方法,将知识表示和诊断推理融合为一体,将反映故障的征兆库所作为初始库所和引发故障的故障库所作为目标库所,通过深度优先及可信度最大的搜索策略,得到了初始库所集合到目标库所集合的最佳路径。在推理过程中,经过一系列状态向量递推的矩阵计算,可以快速获得诊断结果。Petri网推理得出的结论与事实相一致,故而适用于现代生产制造复杂过程和系统的状态监控和故障诊断。     

基于Petri网的工作流建模研究

工作流技术正在成为计算机应用领域的研究热点。Petri网以其简洁、直观、潜在模拟能力强等特点被广泛用于用于工作流模型的建立。本文在介绍工作流和Petri网基本概念的基础上,给出了使用Petri网建立工作流的模型。     

基于Petri网的Web服务组合化简方法的研究

指出一种基于Petri网的Web服务组合的化简方法,此方法包括建模和化简两个阶段。首先,Petri网结合工作流模式建模Web服务组合:然后通过Petri网的三种性质(可达性,安全性以及死锁)定义出Web服务组合结构,最后运用流程化简规则化简Web服务组合。     

基于UML与Petri网的一体化C4KISR系统体系结构研究

作为高科技武器系统及作战系统的核心部分-C4KISR指挥自动化系统,在现代战争中发挥这日益重要的作用,其性能的优劣直接影响到能否取得信息优势和占据作战优势.未来一体化C4KISR系统的不断完善和发展,将帮助军队以更加准确的获取信息,掌控战场局面.由于一体化C4KISR系统的复杂性,必须在开发前进行仿真建模研究,以验证系统的可行性.该文主要采用UML与Petri网相结合,对C4KISR系统建立动态和静态的模型,对系统进行仿真建模.     

基于TOC和Petri网的业务流程重组方法

业务流程重组是企业根据市场和环境变化进行自身调整和完善,从而在竞争中取得优势的重要手段.通过Petri网建模可以对企业业务流程进行动态分析和控制,寻找制约企业盈利的最薄弱环节.在此基础上,应用约束理论(TOC)能够对业务流程中最薄弱的环节进行改进和重组,逐一消除制约环节,不断提升企业的竞争能力.在分析Petri网流程建模思路和约束理论基本原理的基础上,提出了基于Petri网和约束理论的业务流程重组方法,并进行了实证研究.     

应用Petri网改进基于故障树的诊断方法

故障树是表示故障发生和故障传播关系的一种逻辑模型,基于故障树诊断方法的广泛应用由于实际故障树分析过程的ＮＰ困难问题而受到妨碍。而Ｐｅｔｉｒ网是一种特殊的有向网,适合于描述故障的传播关系。本文提出了两种基于Ｐｅｔｒｉ网的改进方法,与下行法相比,用该方法寻找最小割集和最小路集能有效地节省上计算时间,提高推理速度和效率;最后还应用Ｐｉｔｒｉ网的状态方程分析方法提出了基于Ｐｅｔｒｉ网的故障监测和诊断方法。     

基于广义随机Petri网GSPN的系统安全性研究

针对基于广义随机Petri网GSPN的动态系统安全性建模与分析方法进行了系统研究。基于Petri网、GSPN模型的基本原理，提出了关键状态搜索算法，并进行了安全性仿真分析．将广义随机Petri网的扩展模型应用于安全性分析领域，丰富了动态系统安全性问题的研究手段。     

FMS故障诊断的模糊行为Petri网研究

根据ＦＭＳ故障诊断推理中知识的模糊性，给出了模糊行为Ｐｅｔｒｉ网（ＦＢＰＮ）的定义，研究了用模糊行为Ｐｅｔｒｉ网表示模糊产生式规则的方法，提出了一种模糊反向推理机制，给出了算法的实现。最后以ＢＦＥＧ－ＦＭＳ的刀库换刀故障为例，证明了该方法的可行性和有效性。     

特征指标信息融合的电动调节阀故障诊断

调节阀作为控制系统的重要组成部分,它的故障诊断对于指导控制过程安全稳定地运行至关重要。为提高故障诊断的精确率,解决电动调节阀不同故障间可能存在相互关联的问题,提出一种基于特征指标信息融合的诊断方法。利用电动调节阀可测变量间的关系,计算能够反映电动调节阀不同故障特点的指标,并建立与之对应的神经网络;然后将每个神经网络的输出看作独立的证据体进行D-S证据融合,得到最终的诊断结果。实验结果及现场分析表明:该方法充分利用数据的有效信息,从不同侧面对故障进行诊断,能够有效地应用于电动调节阀的故障诊断,具有较高的应用价值。     

基于局部均值分解的行波故障测距方法

针对当前输电线路行波故障测距存在波速不确定性与行波波头到达时间难以准确测量问题,提出一种基于局部均值分解(local mean decomposition,LMD)的行波故障测距方法,该方法在传统双端测距线路中间增加一个测量点,利用无故障线段的长度和测量点检测波头时间求出输电线路的行波波速,有效消除波速对测距精度的影响;利用LMD算法对行波故障电流线模分量进行分解,根据分解得到第一个分量PF瞬时频率曲线的首个频率突变点准确测量行波波头到达时间。采用Simulink搭建输电线路仿真模型,将该文行波故障测距方法与小波变换测距、HHT变换测距方法(Hilbert-Huang transform,HHT)进行仿真对比,结果表明:该文方法测距精度高于小波变换测距、HHT变换测距方法,对实际输电线路故障测距具有重要应用价值。     

基于VMD-DE的坦克行星变速箱故障诊断方法研究

为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法。利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算重构信号的散布熵;将重构信号散布熵作为特征值输入到粒子群优化(PSO)的多分类支持向量机(SVM)中实现故障模式识别。通过对坦克行星变速箱的正常、行星轮故障和太阳轮故障三种状态进行模式识别,分类准确率达到100%,且计算时间较短。与基于原始振动信号DE、VMD-SE(样本熵)、VMD-PE(排列熵)及EMD-DE(经验模态分解与DE结合)等方法比较,综合考虑准确率和计算时间两个因素,基于VMD-DE的方法故障诊断性能最佳。     

一种基于代理服务的位置隐私保护方法

针对无线移动网络中通过代理用户进行位置服务时,不可信赖的代理用户可能带来隐私泄露和区域匿名查询造成通信代价过高等问题,提出了kAgPrivacy方法.首先,查询用户通过用户之间协作形成匿名组,然后将匿名组形成的泛化区域代替真实单一位置发送给代理用户进行位置服务.这样既避免用户和位置服务商的直接联系,也避免了代理用户的不可信性造成的隐私泄露问题.同时,采用增量近邻查询,保证了查询结果准确性;采用Voronoi图技术进行查询返回结果过滤,可减少系统通信开销.最后通过和其它算法比较,验证了本文方法的有效性.     

基于支持向量机的控制系统故障诊断研究

支持向量机(SVM,Support Vector Machines)是构造数据挖掘分类器的一项新型技术,并且成为模式识别和故障诊断的有效工具.为有效利用SVM进行故障诊断,主要从SVM研究热点、分类算法以及基于MATLAB的SVM工具箱进行了论述,详细讨论了工具箱中的分类函数,并对其模型参数选择进行了研究.通过对某控制系统的故障进行诊断,故障诊断结果定位准确,证明了SVM分类的有效性以及特定情况下模型参数选择的可行性.     

基于功能相关性的智能变电站二次系统功能测试验证方法

针对现有智能变电站二次系统功能测试结果仅通过观测二次设备行为得到,而未考虑设备行为背后的信息流程导致的被测功能正确性的误评估问题,该文利用分支流树建立能够反映功能与信息流关联关系的二次系统功能相关性模型,并以功能测试过程中的相关报文为触发条件,通过功能相关性模型与被测功能产生的信息对比进行被测功能正确性判断。通过自动布局算法完成测试过程中相关设备、链路、信息以及测试结果的展示。最后,通过在某220 kV智能变电站进行试验,证明该方法在测试环节中对功能正确性验证的有效性。     

基于内积延拓LMD及SVM的轴承故障诊断方法研究

针对特征提取中局域均值分解(Local Mean Decomposition, LMD)存在端点效应缺陷及模式识别中人工神经网络(Artificial Neural Network, ANN)存在收敛速度慢、过学习等不足,提出基于内积延拓LMD及支持向量机(Support Vector Machine, SVM)的轴承故障诊断方法。利用内积延拓LMD方法对信号延拓分解抑制LMD端点效应;利用分解的可描述信号特性主分量PF(Product Function)构建初始特征向量矩阵;用SVD(Singular Value Decomposition)方法对初始特征向量矩阵进行奇异值分解,获得信号特征参数作为SVM的输入进行训练;对训练的SVM进行测试及模式分类。通过实际轴承故障信号分析及故障类型分类表明,该方法不仅能抑制LMD端点效应缺陷,且在故障模式识别中能有效避免ANN网络结构难确定、收敛速度慢等不足,能较好实现轴承故障准确分类,可用于轴承故障诊断。     

基于注意力BiGRU的机械故障诊断方法研究

为了解决机械故障诊断领域传统方法自适应性差、参数选择过于依赖人工的问题,提出了一种基于循环神经网络的机械故障诊断算法.该方法利用预处理后的机械振动信号,搭建了双向门控循环单元的故障诊断模型,并进行了基于注意力机制的模型优化,提高了特征提取效率.经过美国凯斯西储大学轴承数据集以及自采集的柴油机故障实验数据验证,相比于传统...     

基于声场听觉感知的变压器故障诊断方法研究

精准的变压器故障诊断方法,对于保证变压器可靠运行具有重要意义.该文提出一种基于变压器声信号并考虑人耳听觉感知的变压器故障诊断方法.首先,通过模拟变压器不同工况条件,采集变压器正常工况和不同故障条件下的噪声样本;然后,基于人耳传声集总参数模型,计算各个样本的基底膜位移响应的统计平均值(statistical mean v...