多联机系统故障类型识别及故障细化诊断模型研究

本文针对多联机系统实际运行中可能出现的多故障并发问题,提出一种结合线性判别分析(LDA)和随机森林(RF)算法的多故障诊断策略,可以在完成故障类型识别后,自适应地根据故障类型选择最佳细化诊断模型,进一步诊断出故障发生水平或故障发生原因。首先,在不同的制冷和制热工况下,引入四通阀故障、电子膨胀阀故障、制冷剂充注量故障,并按照7∶3的比例划分为训练集和测试集,利用训练集建立基于RF算法的故障类型识别模型;然后,利用LDA方法对训练集中3类故障的特征分别进行降维,并利用降维后的训练集建立故障细化诊断模型;最后,测试集中的样本数据在经过故障类型识别后,根据识别结果自适应地输入至最优故障细化诊断模型。结果显示:故障类型识别模型在测试集上的准确率达到99.99%,3类故障细化诊断准确率分别为96.12%、100%、97.44%,说明该策略能够较好的完成针对多联机系统的多类型故障诊断任务。     

边界扫描测试生成的数学基础

本文以边界扫描测试的布尔矩阵描述模型为基础,证明了边界扫描测试生成的两个一般性定理。其中,定理一给出了能检测所有故障的测试矩阵的紧凑性条件,定理二给出了能隔离所有故障的测试矩阵的完备性条件。以定理为基础,提出了两种边界扫描测试生成的一般性策略,为进一步研究边界扫描测试生成优化算法奠定了理论基础。     

基于改进蚁群的测试序列优化算法

针对故障诊断中的测试序列优化问题,提出一种改进蚁群算法的解决方法.该方法根据二值属性系统的特点,定义状态集向量及测试向量,将故障测试隔离过程转化为向量的位运算过程,将序列优化问题转化为一种最小代价的动态树构造问题,设计灵活的状态转移规则,并根据动态树的分层结构特点,提出一种分层加权和遗传变异相结合的信息素更新策略,解决这种动态树结构的寻优问题.仿真结果表明:该算法以较高的效率收敛到已知最优解,高效实用,为大规模复杂系统的测试优化问题提供了一条新的解决途径,具有一定的工程应用价值.     

基于智能混合策略的测试集优化

利用基于粒子群和蚁群算法的智能混合优化策略,删除冗余测试向量以解决测试集的优化问题. 利用蚁群算法的并行搜索能力构造初始解集,通过粒子群优化算法将解集维数降低,确定每次迭代的个体最优解和全局最优解,并利用新粒子信息更新信息素,最终通过多次迭代找到一个或多个最优测试集. 通过多组数据实例分析可知: 该智能混合优化策略与蚁群算法等其他测试集优化算法相比,可得到多个可行性最优测试集;与蚁群算法相比可提高收敛速度,并降低蚁群算法参数选取对收敛结果的影响,从而避免次优解的出现.     

基于GM(1,1)和人工蜂群的配电测试系统状态估计

为解决配电测试系统的关键量测点存在不良数据时状态估计准确度差的问题,提出一种基于GM(1,1)和人工蜂群的状态估计方法。在一定时间窗口内读取量测值,采用灰色累加生成方法进行初步检测。引入GM(1,1)模型获得序列预测值,按照判定条件对不良数据进行处理。在此基础上采用改进的人工蜂群算法对目标函数进行优化求解,在每一次的优化过程中利用当前最优解的适应度函数建立局部搜索策略。将33节点配电测试系统作为算例,结果表明该方法能够有效地修正不良数据,提高状态估计的整体准确度和单节点准确度。与加权最小二乘算法和人工蜂群算法相比,该方法有功功率的MAE分别减少69%和43%,NMRE分别减70%和63%;对于无功功率,其MAE结果分别减少60%和33%,相应的NMRE分别减58%和57%。     

改进的错误诊断算法

考虑到在检测到错误后需诊断错误,而目前的错误诊断算法多是基于单个错误的假设,且算法复杂度较高,在分析主动测试和被动测试中分别采用经典错误诊断算法——Ghedamsi算法和Miller算法的基础上,提出了一种改进的错误诊断算法。该算法基于主动测试,先根据测试结果获得初始诊断集,然后由被动测试的逆向判定法得到错误诊断集,最后由测试序列进一步筛选得到最终的错误诊断结果。在生成和验证诊断集时,只对包含可疑转换的测试用例执行遍历操作,使算法更趋高效。算法分析和实例验证结果表明,该算法能够高效地诊断单个错误。     

非线性结构系统识别的自组织蒙特卡洛滤波方法

摘 要：提出一种对扩展的非线性状态空间模型进行识别的自组织序贯蒙特卡洛滤波方法. 通过在原始状态空间模型中增加未知待识别参数来定义扩展的状态空间模型,该模型为自组织非线性状态空间模型,适用于解决噪声分布的自校正问题;同时该系统识别方法通过引入局部似然函数,可以从有限的有效数据中进行最优参数选取.给出了Bouc-Wen滞回系统识别的数值算例,证明了该方法的有效性.     

基于布尔逻辑的测试选择算法

提出了一种基于布尔逻辑运算的测试选择新方法.首先建立布尔关联矩阵来描述系统中故障与测试的相关关系;然后依据关联矩阵,分别定义描述故障检测用测试集和故障隔离用测试集的布尔逻辑函数;再根据布尔运算定律对逻辑函数进行展开和化简处理,并根据计算结果得到最优测试集.通过案例验证了该方法的正确性,并指出了该方法的优势及其在计算复杂性方面存在的不足.     

基于自适应最大相关峭度解卷积的滚动轴承多故障诊断

滚动轴承存在多个故障时,由于各故障响应之间相互干扰,会使包络谱诊断效果不佳。最大相关峭度解卷积(MCKD)是用于增强周期性脉冲的有效工具,然而,MCKD的滤波器长度参数和移位数需要人工设定,并且在复杂条件下运行的轴承对参数的要求较高。针对此情况,提出了一种自适应最大相关峭度解卷积的滚动轴承多故障诊断方法。该方法以最大相关峭度解卷积信号的包络谱的谱相关峭度值作为目标函数,采用人工鱼群算法,自适应得到MCKD的最优参数,利用参数优化的最大相关峭度解卷积实现滚动轴承多故障分析。滚动轴承多故障仿真及轴承内圈多故障实验分析表明,该方法可以有效提取故障特征,实现滚动轴承多故障的准确诊断。     

基于多值关联矩阵扩展的诊断策略设计

对于复杂系统,在实际测试中测试不通过的情况可能有多种,如果依然采用基于确定性关联矩阵的测试序列生成算法,将损失大量信息,导致测试精度和效率降低．提出了基于关联矩阵扩展的诊断策略设计方法,将多值关联矩阵扩展为二值关联矩阵,然后利用AO*算法得出诊断策略．实例验证表明,算法提高了故障隔离精度,为不确定系统的诊断策略设计提供一种高效算法．     

基于MOMEDA和增强倒频谱的风电机组齿轮箱多故障诊断方法

风电机组齿轮箱结构复杂,当齿轮、轴承存在多故障时,由于各故障强弱不同、故障间相互耦合及噪声干扰,造成故障诊断准确率低及漏诊问题。提出了一种基于多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)和增强倒频谱的风电机组齿轮箱多故障诊断方法。依据齿轮和轴承不同部位的故障特征频率设置合理的解卷积周期,利用MOMEDA对原始信号进行预处理;再通过增强倒频谱进一步抑制噪声干扰和增强故障特征;将增强倒频谱中的突出成分与齿轮箱故障特征频率对比,判断故障类型。实际风电机组齿轮箱多故障振动试验数据分析结果表明,该方法可以有效地提取出齿轮箱多故障特征信息。     

多跨转子系统耦合故障定量诊断方法

随着空分设备的大型化和复杂化,其多跨转子系统的故障呈现严重化和耦合化。及时诊断并处理故障对于系统的稳定运行具有重要意义。以有限元理论和谐波平衡理论为基础分析多跨转子系统的动态特性并提出多跨转子系统耦合故障定量诊断方法。利用故障前后转子系统的振动响应各次谐波分量与系统剩余量方程的频率响应矩阵之间的关系推导诊断理论并获得诊断方程,以转-定子碰摩和联轴器不对中耦合故障为例建立多跨转子系统和实验台转子系统的有限元模型,通过数值仿真和转子实验台实验准确地诊断出故障位置,验证方法的有效性和稳健性。通过同一转速下故障前后转子系统至少n 1个测点的振动响应数据可以在线确定具有n个耦合故障转子系统的故障位置。对于转子系统的主要振动故障,如碰摩、不对中、裂纹等,诊断方法具有良好的适用性。     

拟Hitting集及其在基于模型的故障诊断中的应用

基于模型的诊断推理又称为基于深知识的诊断推理,它利用了系统结构和行为等方面的深层知识,克服了传统故障诊断专家系统中过分依赖于专家经验的固有缺陷,从而引起了研究者的广泛兴趣。基于模型的故障诊断通常分两步进行,第一步是与领域相关的冲突识别,第二步是与领域无关的候选产生。本文研究了基于模型故障诊断中的候选产生方法,提出了拟ｈｉｔｔｉｎｇ集的概念,给出一种由拟 ｈｉｔｔｉｎｇ 集求解最小ｈｉｔｔｉｎｇ 集的方法,并对该方法的正确性给予了证明。在此基础上,开发了一种基于拟ｈｉｔｔｉｎｇ 集的候选产生的递推算法。由于在求解过程中仅仅涉及到两个集合之间的运算操作,因而该算法简单实用,极大地减少了诊断的计算量,且程序容易实现。特别是对于复杂的被诊断对象系统,该算法可以明显地提高诊断效率,以满足实时性的要求     

Integrated system fault diagnostics utilising digraph and fault tree-based approaches

With the growing intolerance to failures within systems, the issue of fault diagnosis has become ever prevalent. Information concerning these possible failures can help to minimise the disruption to the functionality of the system by allowing quick rectification. Traditional approaches to fault diagnosis within engineering systems have focused on sequential testing procedures and real-time mechanisms. Both methods have been predominantly limited to single fault causes. Latest approaches also consider the issue of multiple faults in reflection to the characteristics of modern day systems designed for high reliability. In addition, a diagnostic capability is required in real time and for changeable system functionality. This paper focuses on two approaches which have been developed to cater for the demands of diagnosis within current engineering systems, namely application of the fault tree analysis technique and the method of digraphs. Both use a comparative approach to consider differences between actual system behaviour and that expected. The procedural guidelines are discussed for each method, with an experimental aircraft fuel system used to test and demonstrate the features of the techniques. The effectiveness of the approaches is compared and their future potential highlighted.     

基于电压灵敏度的模拟电路节点选择策略

测试节点选择问题是当前模拟电路故障诊断领域的研究热点之一。以节点电压灵敏度定义为基础,对电路中的故障状态进行模糊划分,定义测试节点上的电路故障模糊集,提出故障诊断能力指标的概念,并用其描述节点对故障的区分能力。在此基础上给出一种新的测试节点优选方法,最终实现以最少的节点数目覆盖最多的电路故障的目的,应用实例验证了新算法的有效性。     

基于多元图像特征分析的印刷单元故障诊断方法

目的提出一种基于画面分析的机械故障诊断方法,用于印刷机械中印刷单元的故障模式分类。方法通过印刷特定图像,获取印刷单元在正常与故障状态下的印刷画面,从网点覆盖率、灰度特征和画面纹理特征等3个方面构建表征印刷单元状态的多元图像特征集,并通过SVM构建故障识别网络。结果利用多元统计方法分析了印刷单元6类故障与特征集的映射关系,依靠画面特征实现了故障类别判断;经过实际故障诊断试验验证,所提出方法的准确率可达90%以上。结论图像特征集对于印刷机故障有着很好的分类表征能力,为印刷机维护提供了新的理论和方法。     

A Study on Turbo—rotor Multi—fault Diagnosis Based on a Neural Network

The multi-fault phenomena are common in the turbo-rotor system of a liquid rocket engine.As it has many excellent qualities,the neural network might be used to solve the problems of multi-fault diagnasis of a turbo-rotor system.First,the feature expression of a common turbo-rotor fault was studied in order to build up the standard fault pattern and satisfy the need of neural network studying and diagnosing.Then.the turbo-rotor fault identification and diagnosis problems were investigated by using a BP(back-propaga-tion)neural network.According to the BP neural network problems,the parallel BP neural network method of multi-fault diagnosis and classification was presented and investigated.The results indicated that the parallel Bp neural network method could solve the turbo-rotor multi-fault diagnosis problems.     

Multi-state systems with multi-fault coverage

The paper introduces a new model of fault level coverage for multi-state systems in which the effectiveness of recovery mechanisms depends on the coexistence of multiple faults in related elements. Examples of this effect can be found in computing systems, electrical power distribution networks, pipelines carrying dangerous materials, etc. For evaluating reliability and performance indices of multi-state systems with imperfect multi-fault coverage, a modification of the generalized reliability block diagram (RBD) method is suggested. This method, based on a universal generating function technique, allows performance distribution of complex multi-state series–parallel system with multi-fault coverage to be obtained using a straightforward recursive procedure. Illustrative examples are presented.     

基于广义粗糙集理论的旋转机械故障诊断

故障诊断规则中判断条件的冗余、不完全和不确定性不利于实际应用。采用广义粗糙集理论对旋转机械振动故障诊断的非完备决策系统进行了分析处理，求出了进行诊断所需的关键条件，由相对约简得到了最优诊断规则。在工程实践中成功地诊断出了大型旋转机械的一些常见故障。