智能诊断中的状态监测与趋势分析

针对汽轮发电机组故障诊断系统,简要地介绍了系统的总体结构,各部分的功能与特点,及实时状态监测中所采取的有关措施,并提出了以数理统计方法进行故障趋势分析的方法,同时还给出了趋势分析软件的设计思想与实现方法。该系统已成功地在某电厂运行。     

基于时序过程片段分析的符号有向图实时故障诊断方法

本文在传统符号有向图(SDG)方法的基础上,在SDG模型的节点都引入趋势基元思想,按时序过程顺序对化工生产过程数据进行实时趋势分析.将趋势明显、符合SDG方法处理的故障点进行寻源报警处理;将由生产调整、误差等引起的尖峰现象从故障检测中剔除;同时将实时数据运用绝对值差分累积和计算,对缓变故障和波动大、不稳定的变量有预防和警示作用.该系统方法使故障检测在运用SDG模型的因果关系的同时,更加有效地利用历史数据趋势.经过某石化厂PTA装置溶剂脱水塔实例分析,该方法使SDG的溯源范围更加有效,可避免干扰造成的系统扰动引起的误报,减少其多义性.     

时滞系统基于对偶原理的故障诊断

研究时滞系统中含有执行器故障和传感器故障情况下的故障诊断方法,提出一种基于对偶原理的故障诊断器的设计方法.首先将故障状态转化为增广系统的状态,然后利用对偶原理将基于观测器的故障诊断器的设计问题转化为状态反馈控制器的设计问题.根据不同的要求,分别设计了渐近稳定的故障诊断器和保性能故障诊断器.利用Lyapunov稳定性理论和线性矩阵不等式技术,实现了系统的实时在线故障诊断.仿真结果证明了该方法的可行性和有效性.     

基于模糊定性趋势分析的故障诊断方法研究

趋势能够反映过程重要参数的运行状态和发展趋向;利用定性趋势分析进行故障诊断时,趋势固有的定性特性使得趋势分类的界限变得模糊,带来诊断的模糊性和规则知识库的组合爆炸等一系列问题;将模糊理论与定性趋势分析相结合,给出了趋势提取及基于模糊逻辑的趋势匹配算法,研究了一种基于模糊定性趋势分析的故障诊断方法来有效地解决这些问题;实例分析表明,基于模糊定性趋势分析的故障诊断方法能大大缩小规则知识库的规模,提高定性趋势分析故障诊断的准确性和实时性,及时发现和预测控制过程的早期故障。     

基于定性趋势分析的油料灌装稳态过程管道堵塞故障诊断

针对油料灌装稳态过程中的管道堵塞故障,分析了管道堵塞对灌装稳态过程监控参数的影响,提出了基于定性趋势分析的油料灌装稳态过程故障诊断流程,给出了趋势提取、趋势识别及趋势匹配方法。以油料灌装控制实验装置为故障诊断对象,通过模拟不同类型的油料灌装稳态过程故障,采集管道输送压力、流量等过程监控参数时间序列数据,构建故障库,进行故障诊断案例验证,验证结果表明本文方法的有效性和正确性。     

基于PCA和随机森林的故障趋势预测方法研究

故障预测和健康管理技术(PHM)在现代工程系统中能够在系统具备较高复杂度的情况下,有效保障其可靠性和安全性。在机械故障诊断中对于采集到的原始数据的高维特征量的处理较为复杂,并且在实际应用中趋势预测的精度要求较高,针对该问题提出一种基于主成分分析(PCA)与随机森林算法的轴承故障趋势预测方法。该方法利用PCA对提取的原始轴承数据特征量进行线性降维,并选取其中主成分特征量,输出非线性时间序列数据。原始数据经过PCA处理得到非线性时间序列,将该序列作为随机森林算法的输入进行故障趋势预测,并把预测结果与BP神经网络模型预测的结果进行对比,结果表明随机森林在故障趋势预测上在精度相较于BP神经网络有显著提高,是一种有效的故障趋势预测方法。     

长期在轨推进系统故障诊断实时仿真技术研究

为了解决长期在轨航天器易出现故障的推进系统故障常规地面检测费时费力且无法完全包络全部故障模式的问题,提出了长期在轨推进系统故障诊断实时仿真技术方案,建立了长期在轨推进系统故障诊断实时测试平台。通过建立推进系统实时仿真模型,实现对长期在轨推进系统的实时仿真;依托实时测试平台对推进系统故障诊断策略进行仿真优化、对在轨飞行器故障进行诊断、并对处置预案进行验证支持故障处置决策。长期在轨推进系统故障诊断实时测试平台有效缩短了器上故障诊断策略的优化迭代周期,同时节省了大量原本用来进行试车的经费。     

含两类时滞的线性系统的故障诊断及故障可诊断性*

研究同时含有状态时滞和测量时滞的时滞系统的故障诊断方法及故障的可诊断性问题,提出一种同时对状态时滞和测量时滞进行变换的无时滞变换方法,并提出一种新的故障诊断器的构造方法,同时给出时滞系统的故障可诊断性的判据。首先通过提出一种同时对状态时滞和测量时滞进行转换的无时滞转换方法,将时滞系统转换成无时滞的系统;然后将故障诊断问题转换为状态观测问题,给出并证明了故障可诊断性的判据;最后通过构造一种不利用残差体现故障的新的故障诊断器,实现了故障的实时诊断并解决了故障诊断器的物理不可实现问题。仿真实例验证了该方法的可行     

基于定性趋势分析的空调系统传感器故障检测

提出了基于定性趋势分析的空调系统传感器故障检测方法。该方法将空调系统中信号相似的传感器分成一组,利用组中信号间的趋势相似性进行故障检测。采集了空调系统的传感器数据,对传感器偏置故障和漂移故障进行仿真实验,结果表明,该方法能检测传感器的偏置故障和漂移故障。     

中波广播发射台的一种扩充故障树诊断方法

针对某中波广播发射机台,利用故障树和故障字典方法相结合的新型故障诊断方法--扩充的故障树诊断技术实现了发射机的实时故障诊断功能,并建立了广播发射机故障树的拓扑结构,给出了故障字典的建立方法和故障诊断的具体实现过程,同时将该方法在Windows系统环境下采用Borland C 进行了编程实现.     

基于趋势分析和SDG模型的故障诊断

基于趋势分析的故障诊断受数据影响较大,基于定向符号图(signed d irected graph)模型的故障诊断难于建模和推理,而两者结合以提高故障诊断效果的方法还未被考虑.本文将趋势分析的趋势信息和SDG模型的节点信息进行了比较,阐明了两者信息互补的特点,然后利用趋势分析建立SDG模型,并利用SDG模型改进基于趋势分析的故障诊断,建立了数据驱动方法和基于模型方法相结合的故障诊断方法.CSTR(continuous stirred-tankreactor)实例分析表明,基于趋势分析和SDG模型的故障诊断方法提高了诊断的准确性和精确性.     

定值和随动单闭环系统传感器故障诊断

在线闭环系统传感器的故障, 由于控制器的调节作用, 使得其故障诊断变得复杂. 本文针对定值和随动单 闭环系统传感器故障, 在正常系统和故障系统动态特性分析基础上, 提出了一种基于系统动态趋势和数据驱动的故 障诊断方法. 该方法利用动态窗口残差数据实现故障监测; 以数据变化最大值实现故障估计; 采用二次线性回归实 现故障分离; 建立了系统故障监测、故障估计和故障分离的静态模型; 同时给出了诊断模型在线应用的标定方法和 诊断流程. 通过实验验证了方法的有效性和诊断的高精度. 该方法适用于一般的一阶定值和随动闭环控制系统传 感器的实时故障诊断.     

基于残差决策的自动飞行控制系统远程实时故障诊断

针对自动飞行控制系统结构复杂、关联部件众多,发生故障时诊断时间长,从而影响飞机运行效率的问题,提出一种基于飞机通信寻址报告系统(ACARS)的远程实时故障诊断方案。首先,分析自动飞行控制系统的故障特点,设计搭建检测滤波器;然后,利用ACARS数据链实时发送的自动飞行控制系统的关键信息进行相关部件的残差计算,并根据残差决策算法进行故障诊断及定位;最后,针对不同故障部件残差间的差异大、决策门限无法统一的缺点,提出基于二次差值的残差决策改进算法,减缓了检测对象的整体变化趋势,降低了随机噪声和干扰的影响,避免了将瞬态故障诊断为系统故障的情况。实验仿真结果表明,基于二次差值的改进残差决策算法避免了多决策门限的复杂性,在采样时间为0.1 s的情况下,故障检测所需时间大约为2 s,故障检测时间大幅降低,有效故障检测率大于90%。     

基于MAS的复杂系统分布式求解策略与推理研究

针对复杂的连续生产线系统监测与故障诊断的动态、分布、实时和不确定特性，将多Agent及相关智能技术引入复杂故障诊断领域，提出了一种嵌套式基于消息传递的多Agent组织模型，分析了基于MAS的分布式智能故障诊断方法和过程；研究了模型系统的动态适应性和稳定性；设计了实时诊断Agent工作状态的表达机制；讨论了Agent间的协调协作机制及融合方法；给出了多Agent诊断系统诊断决策的集成描述结构；提出了任务分解与分配调度算法，以充分发挥Agent的社会性和基于场景的特点，使得在复杂系统的问题求解中能提供更为可靠的诊断结果，而且还能节约资源提高诊断效率．将其应用于某安全监控系统中，取得了与专家相似的诊断结果，克服了以往监控诊断系统存在的弊端，提高了企业的安全运行效率．与传统诊断方法相比，体现了Agent技术在复杂分布式问题求解领域的特有优势和良好前景．     

基于改进ARMA模型的火箭发动机稳态工况过程实时故障诊断方法研究

针对大推力氢氧补燃循环发动机的主级工况,设计了基于ARMA模型的实时故障诊断算法,并改进了阈值求解方法以及故障判别准则,通过仿真验证,证明了改进算法的高效性及有效性,为建立大推力氢氧补燃循环发动机健康监控系统奠定了基础。首先,建立了大推力氢氧补燃循环发动机的故障模型,得到了典型故障的故障数据;接着,设计了改进的ARMA模型、阈值求解算法和故障判别准则;最后进行仿真分析,结果表明改进算法能够在毫秒的量级诊断出各典型故障,满足了发动机故障诊断系统设计的要求。     

重构与趋势分析相结合的工业过程异常原因诊断

针对传统重构方法难以分离方向相似的产品质量或运行状态相关的故障或异常,提出了一种重构与定性趋势分析相结合的异常原因诊断方法。首先,采用主元分析算法进行建模和监控,并利用重构方法提取故障方向和估计故障幅值;接下来,分别利用角度相似度和定性趋势分析定义故障方向和故障幅值序列的相似度;然后,根据故障方向和故障幅值变化趋势的相似度定义了一种新的综合相似度指标,根据当前发生故障与历史故障之间的综合相似度进行异常原因诊断;最后,采用蒙特卡洛仿真实验获取的数据开展实验研究,将所提方法与传统方法进行比较分析,结果表明了所提方法的有效性。     

基于粒子群优化粒子滤波和CUDA加速的故障诊断方法

在非线性系统中,粒子滤波需要大量粒子才能保证状态估计的准确度,这降低了算法的实时性,导致故障诊断的准确率和实时性不佳。针对该问题,提出基于GPU平台的粒子群优化粒子滤波(PSOPF)并行算法。通过分析PSOPF算法的并行性,设计并实现一种基于CUDA并行计算架构的PSOPF并行算法,利用大量的GPU线程对算法进行加速。为解决拒绝重采样对GPU全局内存的非合并访问带来的执行效率低问题,通过改进拒绝重采样并行算法,使线程束中的线程对同一内存区段中的粒子进行重采样,提高了其执行效率。通过对风力机组变桨距系统故障诊断验证了算法的有效性。实验结果表明,该方法可满足故障诊断准确率和实时性的要求。     

油田监测与分析系统核心算法修正

随着油田智能化发展的需要,传统的故障诊断、动液面、产量计量算法已不能满足油井问题在实时性和准确性方面的要求。针对目前国内外油井监测与分析系统中存在的问题,本文对系统核心算法故障诊断、动液面、产量计量进行修正。其中,故障诊断采用基于关联度函数修正的方法,并给出一种专家知识库实时更新完善策略。动液面算法采用物元分析的方法,通过建立物元模型确定油井的最优多相流算法。产量计算算法采用均值滤波的方法,通过消除示功图中复杂的频率部分精确求取示功图有效冲程。并对以上修正算法进行了仿真,提高了油井问题诊断的准确性和诊断效率,为智能油田提供理论基础。     

基于强跟踪滤波器的开关变换器故障诊断

Buck变换器又称降压变换器、串联开关稳压电源、三端开关型降压稳压器。广泛用于计算机、家用电器、控制系统和通信系统中的电源几乎都是开关电源,具有超快速负载动态响应、高功率变换效率、高功率密度、低电压、大电流的特性.开关变换器作为它的主要电路,故障率较高,对它故障诊断研究是有意义的。基于强跟踪滤波理论,给出了一种开关变换器电路故障实时诊断的一种方法。该方法以建立一种开关变换器电路状态空间模型为基础,利用强跟踪滤波器对电路状态及元件参数进行估计,当元件参数发生软、硬型故障时,根据强跟踪滤波器对元件参数的跟踪结果及修正的Bayes分类算法,可实时诊断开关变换器电路中的元件故障。仿真结果证明了该方法的有效性。