基于模糊Petri网的汽车故障诊断仿真研究

本文将Petri网和模糊推理相结合,建立故障诊断的模糊Petri网模型。其中,用FPN表示模糊产生规则,用Petri网的变迁激活规则进行故障诊断推理,从而分析出异常行为过程间的因果关系,推理出故障的原因及其可信度。以汽车故障诊断为例,建立了基于模糊Petri网的诊断模型。通过仿真分析,验证了模型的正确性和算法的有效性。     

基于模糊神经Petri网的故障诊断模型

Petri网是对具有产生式规则的故障诊断系统的有力建模工具，但其缺乏较强的学习能力．本文以Petri网的基本定义为基础，结合模糊逻辑和Petri网模型，定义了模糊Petri网模型，在此基础上引入人工神经网络技术，给出了人工神经网络的模糊Petri网表示方法，并针对工程机械故障诊断异步、离散等特点，提出并建立了故障诊断的模糊神经Petri网模型及其改进模型．基于模糊神经Petri网的故障诊断系统结合了Petri网和人工神经网络的优点，经过自学习后同时具有很强的推理能力和自适应能力．     

基于模糊Petri网的高炉故障诊断系统

采用模糊神经Petri网专家系统来对高炉进行故障诊断,结合神经网络自适应、自学习和模糊控制逻辑推理强、能够表达模糊语义的优点,建立了一种模糊神经Petri网故障诊断模型;针对高炉故障特点对先兆预测分析原理进行了分析研究,提出了自己的设计方法;在分析模糊Petri网及神经网络的优点的基础上,构建了基于模糊神经Petri网的专家诊断系统,通过测试风量,风压,喷吹量,炉顶温度,炉身温度,透气性指数得到诊断结果,使得诊断推理与网络学习更为完善,并运用VC++6.0中MFC功能设计了一套与前面诊断系统相对应的仿真程序,证明了该诊断模型的可行性。     

基于直觉模糊Petri网的故障诊断

故障诊断经常受到多种不确定性和模糊性因素的影响,针对不确定性的故障诊断问题,利用直觉模糊集较好的表达不确定性信息的优势和Petri网较好的并行处理以及图形处理问题的能力,构建了直觉模糊Petri网模型。由于将直觉模糊推理转化为矩阵运算的过程中有非隶属度参数的参与,因此推理结果可提供更多的信息。根据实际故障诊断中的模糊推理问题,给出了带有权值、阈值等参数条件下新的直觉模糊推理算法。通过获取和处理故障诊断中的不确定性和模糊性的知识,该算法将故障诊断过程转化为利用直觉模糊Petri网的直觉模糊推理过程。实际燃气轮机故障诊断模型案例表明了所给直觉模糊推理算法的有效性。     

改进的模糊Petri网在民航飞机故障诊断中的应用

针对民航飞机系统的复杂性,采用了反正向推理相结合的模糊Petri网的故障诊断模型.首先,依据预设的变迁阈值,采用反向搜索策略,对建立好的模糊Petri网模型进行约简,以减小后续推理规模,提高推理搜索速度;然后采用正向推理算法进行数值计算,将复杂的推理过程通过矩阵运算实现,充分利用了模糊Petri网的并行处理能力,使模糊...     

模糊Petri网在FMS故障诊断中的应用研究

针对柔性制造系统（ＦＭＳ）故障诊断的特点，将模糊Ｐｅｔｒｉ网扩展为模糊行为Ｐｅｔｒｉ网（ＦＢＰＮ）．并应用于知识的表示中，讨论了ＦＭＳ系统、ＦＢＰＮ及产生式规则之间的对应关系，提出一种模糊反向推理机制，给出了利用ＦＢＰＮ进行知识表示和推理的实例．     

模糊Petri网在风电机组故障诊断中的应用

针对风力发电机组故障诊断建模中动态行为较难描述的问题,结合模糊Petri网的图形描述能力及模糊推理性,提出故障诊断的模糊Petri网模型及其相应的故障诊断方法,根据故障发生的实际情况给出正反两种推理算法。用齿轮箱故障的实例加以验证,证明了该方法的正确性及在风电机组故障诊断中应用的可行性。     

基于扩展模糊时间Petri网的故障诊断

针对故障诊断中可能出现的故障原因漏判问题,提出一种基于扩展模糊时间Petri网的故障诊断算法。该算法通过检查模糊时间戳确定故障时刻所有故障原因的状态,结合正向和逆向推理最大程度地解决故障原因漏判问题,从而确定主要、次要和其他故障原因。燃气轮机的故障诊断实例验证了该算法的有效性。     

基于优化模糊Petri网的矿井提升机故障诊断

为提高矿井提升机故障诊断的准确率,提出了一种基于优化模糊Petri网的矿井提升机故障诊断新方法。该方法首先利用动量BP网络对模糊Petri网的权值、阈值和可信度参数进行优化,然后使用优化好的模糊Petri网模型对矿井提升机进行故障诊断。测试结果表明,该方法对参数优化收敛速度快,故障诊断结果正确率高,有一定的实用价值。     

基于ACO优化参数的模糊Petri网故障诊断技术研究

针对传统模糊Petri网在进行故障诊断推理时,需要依靠专家经验给出所有产生式规则的参数,使得故障诊断的精确度受限于专家知识水平的问题,提出了一种加权模糊神经Petri网模型以及相应的构造方法,此方法使用模糊Petri网进行故障诊断,网模型中各参数由BP神经网络训练而得,为了进一步提高诊断精确度,定义了使用ACO (Ant Colony Optimization)对网模型的各参数进行优化的算法;最后通过发电机故障诊断实例对比试验,验证了文中ACO优化的模糊神经Petri网,能够对各种故障进行正确的诊断,且在诊断精度和效率上较常规的模糊神经Petri网有了很大的提高,具有很强的实用性和可行性.     

一种基于贝叶斯Petri网的故障诊断方法

针对Petri网在分析复杂电力系统时的容错性差且难以适应网络拓扑变化的问题,提出一种贝叶斯Petri网模型(BPN),并基于该模型提出一种电网故障诊断方法.该方法通过电力系统网络拓扑分析确定停电区域,随后按照故障蔓延方向对停电区域内的元件分别建立BPN模型,应用Petri网推理和贝叶斯概率计算确定故障元件,最后采用均值方法对各方向上的分析结果进行融合,诊断分析表明,该方法在信息不完备的情况下具有较好的容错性,并且在网络拓扑结构发生变化后仍具有较好的适应性.由于BPN推理时根据基于统计的先验概率求取元件故障的发生概率,避免了直接对计算参数进行设定的主观性.     

基于改进卷积神经网络的电力通信网故障诊断研究

针对当前电力通讯网络故障诊断方法及时性差、准确率低和自我学习能力差等缺陷,提出基于改进卷积神经网络的电力通信网故障诊断方法,结合ReLU和Softplus两个激活函数的特点,对卷积神经网络原有激活函数进行改进,使其同时具备光滑性与稀疏性;采用ReLU函数作为作为卷积层与池化层的激活函数,改进激活函数作为全连接层激活函数的结构模型,基于小波神经网络模型对告警信息进行加权操作,得到不同告警类型和信息影响故障诊断和判定的权重,进一步提升故障诊断的准确率;最后通过仿真试验可以看出,改进卷积神经网络相较贝叶斯分类算法与卷积神经网络具有较高的准确率和稳定性,故障诊断准确率达到99.1%,准确率标准差0.915%,为今后电力通讯网智能化故障诊断研究提供一定的参考。     

模糊Petri网在航电总线系统故障诊断中的研究

航电总线系统结构复杂,各部件相互耦合,故障传播模式多样化。因此,为了处理故障诊断中不充分和模糊的信息,提出了将模糊Petri网应用到航电总线系统的故障诊断中,构建出其故障的传播模型,并在模型的基础上,给出有效的推理算法。表明利用模糊Petri网,可以建立航电总线系统的故障传播模式的模型,清晰地反映故障的产生、发展及影响。     

化工过程故障诊断的模糊概率Petri-net的研究

本文研究基于模糊与概率信息的模糊概率Petri-net故障的诊断方法，概率信息用来解决问题冲突，模糊信息用来解决故障诊断不确定性并计算诊断的可靠性。在石油化工装置中的应用表明，这种方法是行之有效的。     

模糊RBF网络在电源车故障诊断中的应用

结合模糊理论与RBF神经网络构建了模糊RBF网络故障诊断法。在对某型电源车进行故障诊断的过程中,通过对RBF神经网络与模糊RBF网络故障诊断法进行比较,表明模糊RBF网络故障诊断法具有精度更高、收敛速度更快等特点。     

基于因果网络模型的飞机通信系统故障诊断

研究了基于因果网络模型的故障诊断方法,首先建立因果网络模型,并进行模型匹配;然后用Warshall算法实现邻接矩阵到可达矩阵的转换,采用逻辑数组法产生候选诊断模型;接着利用概率论的方法给出系统故障诊断的推理策略;最后,将该诊断模型应用于飞机通信系统,诊断实例验证了设计方法的实用性.