基于联邦学习的暖通空调系统故障检测与诊断

暖通空调系统的自动化和准确故障检测与诊断是智能工业设施维护领域减少时间、能源和财务成本的最重要技术之一。近年来,基于数据驱动的故障检测与诊断方法在暖通空调方面表现出色,但是大多数方法都只能检测单一故障等级的故障,并且不能进行跨系统故障诊断。为了解决这两个问题,提出一种基于联邦学习的故障检测与诊断方法,该方法使用卷积神经网络来提取信息特征,利用特定算法进行聚合,经过多次联邦学习,能够进行跨故障等级和跨系统故障检测与诊断。在多故障等级故障检测与诊断方面,利用冷水机组4个故障等级数据进行联邦学习。实验结果显示,4个故障等级的故障检测和诊断效果的F1-score平均值接近0.97,已经达到实际应用水平。在跨系统故障检测与诊断方面,利用冷水机组和空气处理机组数据进行联邦学习。实验结果表明,利用不同系统数据进行联邦学习,可以提高某些轻微故障的诊断效果,比如,相比传统机器学习方法,RefOver故障的诊断效果F1-score提升了14.4%,Refleak和Exoil两个故障的诊断F1-score提升了2%～4%。     

组合导航系统故障检测方法的比较研究

对组合导航系统故障检测方法进行了对比研究。除介绍了X^2检验法、数据变化率检验法,还提出了一种基于模糊综合评价的故障检测方法．它以模糊综合评价算法为基础,对组合导航系统中的每个子系统的测量值进行综合判断,以确定该子系统的工作状态。最后,利用GPS／INS组合导航系统对上述三种故障检测方法进行了对比研究。实验结果表明,X^2检验法对于软故障不敏感,数据变化率检验法对连续长时间出现的故障无法判断．而基于模糊综合评价的故障检测方法针对具体的组合导航系统,通过适当调整参数,对所有类型的故障都能很好地检测。     

故障检测与诊断技术

本文介绍了故障检测与诊断技术的历史及发展状况,对其所用的各种方法分类进行了详细评述,指出了当前急待解决的若干前沿课题,并对这门技术的发展进行了展望。     

高速列车牵引系统故障诊断与预测技术综述

高速列车因其舒适、便捷、安全和准时, 已成为我国主流的城际间交通工具.CRH(China railway high- speed)动车组高速列车是一个大型复杂的机电耦合系统,作为其重要组成部分,牵引控制系统的可靠性对于高速列车的安全运行至关重要.随着在轨运行时间的增长,牵引控制系统中的很多部件都会发生不同程度的性能衰退,并引发各种故障,给高速列车的安全运行带来潜在的危险.鉴于此,针对牵引变压器、牵引变流器(整流器、逆变器)、牵引电机、转向架系统、牵引/制动控制单元等与高速列车牵引系统相关的重要部件和单元的故障诊断、容错控制与预测方法进行现状调研和分析,并对每种方法的基本思路、现阶段进展以及适用条件等进行了介绍,最后陈述了高速列车牵引控制系统故障诊断与预测领域尚待解决的问题.     

自动控制系统故障的智能化检测诊断

提出了两个自控系统智能化故障检测的诊断方法,即自检(系统)智能化故障检测诊断分析系统和自控系统故障检测诊断专家系统。这两种方法,由于和控制系统可靠性的理论与工程技术相结合,不仅进一步推动故障检测诊断技术的应用,而且促进了人工智能专家系统的研究和发展。     

基于多重结构神经网络的歼击机结构故障检测

提出了一种基于多重结构神经网络的故障检测方法。针对以歼击机为代表的非线性系统中存在的突发结构故障,构造了一个多重结构神经网络,在输入层对残差信号进行二进离散小波变换,提取其在多尺度下的细节系数作为故障特征向量,并将其输入到神经网络分类器进行相应的模式分类,之后再利用下一级的故障度辨识神经网络对故障的大小进行辨识。仿真结果表明,本文方法为歼击机组合结构故障的检测提供了有效的方法和途径。     

传感器故障检测的仿真研究

该文主要介绍了连续小波变换和BP神经网络在传感器故障诊断中的应用,并就如何将小波变换和神经网络结合起来进行故障检测进行了有益的探讨、研究,最终借助于matlab软件和它自带的simulink工具以及相关的信号处理工具包做了仿真算例,获得了满意的效果,证明了这两种方法的可行性。     

非线性系统的鲁棒故障检测与诊断

研究了一类具有未建模动态或扰动的非线性系统的鲁棒故障检测与诊断问题,利用神经网络、模糊系统或小波网络等对非线性故障模式进行在线逼近的方法进行故障诊断.第一步,对用于鲁棒故障检测的观测器,建立了保证观测器稳定的增益阵的选择条件;第二步,若检测出发生故障,则用神经网络、模糊系统或小波网络进行故障的在线估计,建立了估计误差界,结果显示输出估计误差将收敛到由扰动上界或建模误差上界线性确定的范围内.     

基于神经网络自适应滤波器的故障检测与诊断

在稳态过程的故障检测和诊断中 ,有大量反映故障状态的数据 ,在用测量方法来获取这些数据的情况下 ,异常数据能被快速、有效的检测出来就显得非常重要。用自适应滤波器无疑是一个可行的方法 ,但采用这种方法进行故障检测和诊断时 ,有计算速度慢 ,难以跟踪输入信号变化的缺点。据此 ,本文提出了用神经网络自适应滤波器来完成故障检测和诊断的方法 ,它具有速度快的特点。如能用硬件完成 ,并调整好参数 ,检测速度是极短的 (2× 10 -10 s) ,能很好地完成故障检测和诊断任务。     

基于Morlet小波的飞控系统故障诊断方法研究

对Morlet小波及其变换特性进行了分析,选择Morlet小波的实部为神经元的作用函数构造了一个小波神经网络,用此网络对某型飞机飞控系统中的作动器三种故障进行诊断,仿真结果表明该小波神经网络的泛化性及诊断能力均强于传统的BP神经网络。     

基于剩余电流高频分量的配电线路隐性故障检测

配电线路某些常见的隐性故障,如绝缘子电流泄漏、树枝引起的电气故障以及短暂的或间歇性接地故障等,依靠传统的继电保护不能检测出来。随着时间的积累,这些轻微故障可能引发更严重的故障,危及电力系统的安全运行。为了避免这种情况的发生,提出了一种基于离散小波变换的隐性故障特征提取方法来检测配电线路的隐性故障。所提的方法经过电磁仿真软件ATP/EMTP的模拟,结果显示该方法是稳定有效的。     

An application of a discrete wavelet transform and a back-propagation neural network algorithm for fault diagnosis on single-circuit transmission line

This article proposes an application of the discrete wavelet transform (DWT) and back-propagation neural networks (BPNN) for fault diagnosis on single-circuit transmission line. ATP/EMTP is used to simulate fault signals. The mother wavelet daubechies4 (db4) is used to decompose the high-frequency component of these signals. In addition, characteristics of the fault current at various fault inception angles, fault locations and faulty phases are detailed. The DWT is employed in extracting the high frequency component contained in the fault currents, and the coefficients of the first scale from the DWT that can detect fault are investigated, and the decision algorithm is constructed based on the BPNN. The results show that the proposed technique provides satisfactory results.     

基于小波神经网络的空调系统传感器故障诊断

详细阐述了小波神经网络(WNN)的原理、结构,并对传统的BP算法进行了改进。以空调系统传感器故障检测问题为目标,提出了基于WNN的故障诊断方法。通过采集天津博物馆中的传感器数据,对训练好的WNN进行了传感器故障诊断能力的验证,对温度传感器的1℃偏差故障、0.05℃/s速率漂移故障、完全故障、与不同方差下的精度等级下降故障进行了仿真,结果表明:这种方法对传感器故障具有很好的诊断效果。     

基于自联想神经网络的传感器故障诊断

提出一种基于自联想神经网络(AANN)的新算法用于系统中传感器故障诊断。阐述了AANN的结构和算法。具体说明了搜寻2个故障传感器和恢复信号的方法。用改进的AANN诊断有噪声情况下传感器跳变故障并恢复信号。本方法有易实现、结构简单的优点,仿真结果表明:本方法是可行的。     

UIO design for singular delayed LPV systems with application to actuator fault detection and isolation

In this paper, the unknown input observer (UIO) design for singular delayed linear parameter varying (LPV) systems is considered regarding its application to actuator fault detection and isolation. The design procedure assumes that the LPV system is represented in the polytopic framework. Existence and convergence conditions for the UIO are established. The design procedure is formulated by means of linear matrix inequalities (LMIs). Actuator fault detection and isolation is based on using the UIO approach for designing a residual generator that is completely decoupled from unknown inputs and exclusively sensitive to faults. Fault isolation is addressed considering two different strategies: dedicated and generalised bank of observers’ schemes. The applicability of these two schemes for the fault isolation is discussed. An open flow canal system is considered as a case study to illustrate the performance and usefulness of the proposed fault detection and isolation method in different fault scenarios.     

Event-triggered simultaneous fault detection and tracking control for multi-agent systems

The main aim of this study is to design distributed simultaneous fault detection and control units for multi-agent systems subject to limited communication and energy resources. For this purpose, each agent is equipped with a single module that generates both the residual signal for the fault detection task, as well as the control input of each agent for the tracking objective. To reduce the communication among the agents, an event-triggered data transmission paradigm is considered by using a dynamic triggering rule which results in higher data transmission reduction in comparison with the static triggering condition. Moreover, the proposed dynamic observer-based structure for the detector-controller module provides more degrees of freedom compared to the static Luenberger observer. The design parameters are obtained by solving a multi-objective optimisation problem considering the fault detection, tracking, and communication objectives. Simulation results illustrate the effectiveness and capabilities of the proposed method.     

基于马尔科夫预测的多传感器故障检测与诊断机制

随着无线传感器网络应用规模的不断扩大,各类应用中传感器故障检测与诊断成为系统正常作业、安全可靠性保障的关键技术。针对多传感器系统与节点工作过程定义3种状态,基于故障检测信息建立状态转移矩阵,通过马尔科夫模型预测传感器故障信息,为故障检测与诊断提供决策依据。另外,拓展数据包信息字段包括故障类型、节点定位等,故障处理后节点转移至正常状态后将故障处理和诊断特征等信息存储到网关或者汇聚节点,为改善故障检测精度和诊断效率以及系统资源利用率提供依据。实验结果表明：所提故障检测与诊断算法与传统算法相比,具有更高的故障检测精度,更短的故障诊断时延、能够准确判断故障类型等性能。     

Plant-wide detection and diagnosis using correspondence analysis

This paper presents an approach based on the correspondence analysis (CA) for the task of fault detection and diagnosis. Unlike other data-based monitoring tools, such as principal components analysis/dynamic PCA (PCA/DPCA), the CA algorithm has been shown to use a different metric to represent the information content in the data matrix X. Decomposition of the information represented in the metric is shown here to yield superior performance from the viewpoints of data compression, discrimination and classification, as well as early detection and diagnosis of faults. Metrics similar to the contribution plots and threshold statistics that have been developed and used for PCA are also proposed in this paper for detection and diagnosis using the CA algorithm. Further, using the benchmark Tennessee Eastman problem as a case study, significant performance improvements are demonstrated in monitoring and diagnosis (in terms of shorter detection delays, smaller false alarm rates, reduced missed detection rates and clearer diagnosis) using the CA algorithm over those achievable using the PCA and DPCA algorithms.     

复杂动态系统中不同层次故障检诊模块的综合设计

为解决复杂动态系统中不同层次故障检诊模块的协调管理和高效运行问题,研究了其综合设计方法。该方法对复杂动态系统层次建模,提出检诊进程概念以描述系统不同层次的故障检诊,同时建立了检诊进程通用模型,使大部分现存检诊算法可方便地纳入其中,实现了不同层次检诊进程的信息交换与综合设计。数字仿真表明,综合设计不但能提高各模块检诊能力,而且可以总体上提高其应付常规方法难以处理的复杂故障情况。