基于故障字典和神经网络理论的故障诊断方法

鉴于传统的故障诊断方法对复杂系统或设备进行故障诊断时,有诊断速度慢、对多故障同时发生的情况难以准确定位等缺点,提出了基于故障字典法和神经网络理论的综合故障诊断方法;在叙述该综合诊断方法的基础上,以某型飞机自动驾驶仪飞控盒的主要故障为例,分析说明了运用该方法进行设备故障诊断的具体过程,并进行了仿真研究;实现了对此设备单故障和多故障的快速准确定位;结果表明该综合故障诊断方法解决此类故障诊断问题是有效的.     

软件密集型装备软件故障诊断技术研究

针对当前软件密集型装备软件故障诊断方法的缺陷,提出了一种基于粗诊断与细诊断技术相结合的软件故障定位方法。对故障进行初步定位,找出软件故障可疑模块集,利用切片技术对故障模块集进行检测,将故障定位到程序语句集中,采用代码分析辅助诊断工具对可疑代码集进行排查、定位。软件密集型装备故障诊断原型系统的应用表明,该方法能有效地进行软件故障的定位。     

基于虚拟仪器的某发射设备故障诊断系统

为实现对某发射设备快速故障定位,基于虚拟仪器技术设计开发了该设备的故障诊断系统,详细阐述了系统软硬件的设计与实现方法;针对顺序控制的特点,提出了按工步进行故障诊断的思想;利用数字滤波技术有效地消除了干扰,提高了诊断结果的可靠性;使用表明,系统性能稳定可靠,故障定位快速准确,极大地提高了设备维修保障效率和生存能力.     

模糊Petri网在车电系统总线故障诊断中的应用

针对车电系统总线故障现象和故障原因之间存在复杂模糊关系而无法实现快速故障诊断这一难题,提出采用模糊Petri网(fuzzy petri net,FPN)建立车电系统总线的故障诊断分析模型,并给出了相应的形式化推理算法;以某型车电系统总线为例,分析比较了各种故障原因的可信度;分析表明:所建模型有效地描述了车电系统总线故障现象和故障原因之间的模糊关系,能够实现故障的快速诊断,该模型可以作为车电系统总线快速故障诊断的理论支持工具。     

分布式层次化故障诊断模型和诊断策略的研究

根据复杂装备电器控制系统具有分布式、功能分层和结构分层的特点,提出了基于层次分解的故障诊断模型,以系统的结构性为基础,对复杂的诊断问题实现由上而下进行功能分解,直到最小系统或设备.在故障诊断的层次化分解基础上,结合模糊Petri网实现故障推理过程的诊断策略,推理算法采用矩阵运算,推理过程简单,并能够描述故障传递状态.最后以航空电器装备系统中的电源供电控制系统为应用对象,研究了故障诊断模型的具体结构和诊断策略的实现过程.该模型便于实现集成化、智能化和自动化的故障诊断过程.     

基于模糊SVM和虚拟仪器的模拟电路故障诊断研究

基于模糊支持向量机理论构建模拟电路故障诊断网络,采用虚拟仪器技术开发故障诊断平台;通过对电路仿真软件与实际测量得到的数据进行分析,选取一种自适应小波变换特征提取方法对电路进行故障特征提取,提取电路输出响应的6个低频系数构成故障特征向量并作为FSVM诊断网络的学习样本,诊断网络采用C-SVM算法.规则化参数墩为200;在LabVIEW软件中调用以MAT-LAB-M文件编写的特征提取与故障诊断算法,将模拟电路的故障定位到元件级;最后,将网络的诊断结果与BP神经网络诊断方法做了对比,证明基于虚拟仪器的模糊SVM模拟电路诊断方法在故障诊断速度与准确性方面都具有明显优势,平均故障识别率达到90%以上.     

基于R-NN的可控硅励磁系统故障诊断

基于同步发电机可控硅励磁系统经常发生故障,提出一种基于粗糙集—神经网络(Roughset-NeuralNetwork)相结合的故障诊断方法。以励磁系统中三相桥式可控硅整流回路为核心进行故障诊断研究,对整流回路故障波形的采样数据样本信息进行预处理,通过运用粗糙集理论的知识约简方法形成故障诊断的确定性规则,从而实现故障分类;然后将其结果与故障信息中的输出样本值作为神经网络的输入,实现故障元的定位。通过计算机仿真,结果表明:该方法对三相桥式可控硅整流回路故障诊断简便准确,诊断速度快。     

基于神经网络预测与模糊度量的再融合诊断

通过分析神经网络理论和模糊度量方法的特点,提出基于神经网络预测和模糊度量方法的故障再融合诊断方法。该方法采用多个观测数据及主客观相结合的诊断方法,实现方法间的互补融合诊断,更全面、客观地辨识故障,提高故障定位能力,并给出一个液压设备故障诊断实例验证了该方法的有效性。     

基于粗糙集的故障诊断特征提取

故障的特征提取对于进行准确可靠的诊断非常重要。而实际的故障诊断数据样本的分类边界常常是不确定的,并且故障与征兆之间的关系往往也是不确定的。粗糙集理论是处理模糊和不确定性问题的新的数学工具。论文将粗糙集理论引入到故障诊断特征提取,提出了一种基于粗糙集的故障诊断特征提取方法。并通过两个故障诊断实例对该方法进行了验证。结果表明:在有效地保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征,从而为粗糙集在故障诊断中的深入应用打下了基础。     

基于随机集与条件证据理论的模拟电路故障诊断方法

为实现模拟电路故障的准确定位,采用一种基于随机集与条件证据的融合先验知识的模拟电路故障诊断方法;首先对测量数据进行处理获取故障电路特征值,得到故障证据可信度分配,并将其表示为证据的随机集形式,然后利用条件证据理论对证据进行组合,最后计算组合后的证据与先验信息之间的和谐度,并依据决策规则得到诊断决策;这种方法充分利用了各种信息,提高了故障诊断的可靠性,故障元器件定位率也比较高;以含容差的二阶滤波电路为例,对电路元件单软、硬故障进行诊断,给出了具体诊断方法及步骤,诊断正确率达到95％以上,结果证明了该诊断方法的有效性;另外,该方法的诊断步骤相对程式化,便于计算机实现,可以实现模拟电路的在线诊断.     

一种具有二次诊断的生殖疾病诊断专家系统

针对当前专家系统只支持一次诊断、不提供二次或多次诊断等问题,结合在Web环境下生殖疾病诊断设计的要求,提出了一种基于可信度、加权不确定推理的具有二次诊断的生殖疾病诊断专家系统模型,详细论述了该专家系统的基本原理和关键技术,包括系统结构、功能、知识库的建立以及推理机的设计和实现等。实践证明,该专家系统具有较高的稳定性和准确性。     

Diagnosis from scenarios

Diagnosis of a system consists in providing explanations to a supervisor from a partial observation of the system and a model of possible executions. This paper proposes a partial order diagnosis algorithm that recovers sets of scenarios which correspond to a given observation. Systems are modeled using High-level Message Sequence Charts (HMSCs), and the diagnosis is given as a new HMSC, which behaviors are all explanations of the partial observation. The main difficulty is that some actions of the monitored system are unobservable but may still induce some causal ordering among observed events. We first give an offline centralized diagnosis algorithm, then we discuss a decentralized version of this algorithm. We then give an online diagnosis algorithm, and define syntactic criteria under which the memory used can be bounded. This allows us to give a complete diagnosis framework for infinite state systems, with a strong emphasis on concurrency and causal ordering in behaviors. The last contribution of the paper is an application of diagnosis techniques to a security problem called anomaly detection. Anomaly detection consists in comparing what occurs in the system with usual/expected behaviors, and raising an alarm when some unusual behavior (meaning a potential attack) occurs.     

分层的基于模型诊断方法

1引言 基于模型诊断是为了克服传统诊断方法的严重缺陷而兴起的一项新型智能推理技术,被AI专家誉为诊断理论和技术上的革命[1].在IJCAI-99上,Console和Dressler[2]指出:基于模型诊断对整个AI领域的研究起着重要推动作用.Struss[3]称基于模型诊断是对AI的一个重要挑战和检验.     

System-Level Fault Diagnosis

Large multiprocessor networks require system-level fault diagnosis. Researchers have established and extended a model for such diagnosis.     

基于诊断证据静态融合与动态更新的故障诊断方法

提出一种将诊断证据静态融合与动态更新相结合的故障诊断方法.在静态融合阶段,利用Dempster组合规则融合每个时刻的多条局部诊断证据,获取静态融合证据,并给出基于证据距离的故障信度静态收敛指标;在动态更新阶段,基于条件化的线性组合更新规则,利用当前时刻静态融合证据更新历史证据,获取更新后的全局性诊断证据,并给出基于S函数的故障信度动态收敛指标.在两个阶段中,基于静态和动态信度收敛性指标函数,分别给出相应的优化学习方法,获取静态融合中局部诊断证据的静态折扣系数、动态更新中历史与当前证据的更新权重系数等参数的最优值.在最大信度原则下,利用更新后获取的诊断证据做出诊断决策.最后,通过在电机柔性转子实验台上的诊断实验,将所提方法与已有的典型融合诊断方法进行了对比分析,说明所提出的融合诊断方法及其性能指标函数和参数优化方法的有效性.     

大规模直流模拟电路软故障区间诊断方法

为了解决大规模模拟电路软故障诊断困难的问题,提出一种网络撕裂法、区间故障状态描述和模糊神经网络相结合的直流模拟电路软故障诊断方法.首先仿真出可能的故障元件单独在其全局取值范围内变化时对应的子网络中所有可测节点的电压区间值,再根据元件参数容差将电压区间值拆分成多个子区间,从而实现了元件故障状态的完整描述;考虑到神经网络难以处理区间数据的问题,先利用模糊算法对输入信号进行预处理,再采用神经网络来实现故障元件定位.最后通过电路诊断实例,验证了该方法的有效性.     

Strategies in Model-based Diagnosis

The ability to select suitable diagnostic assumptions and models extends the power of model-based diagnosis for complex systems and can explicitly be modeled by diagnostic strategies. We discuss a framework that allows one to express these strategies as formulas of a meta-language and present a method for designing strategy knowledge bases as well as an efficient straightforward operational semantics for exploiting them.     

Efficient RT-Level Fault Diagnosis

Increasing IC densities necessitate diagnosis methodologies with enhanced defect locating capabilities. Yet the computational effort expended in extracting diagnostic information and the stringent storage requirements constitute major concerns due to the tremendous number of faults in typical ICs. In this paper, we propose an RT-level diagnosis methodology capable of responding to these challenges. In the proposed scheme, diagnostic information is computed on a grouped fault effect basis, enhancing both the storage and the computational aspects. The fault effect grouping criteria are identified based on a module structure analysis, improving the propagation ability of the diagnostic information through RT modules. Experimental results show that the proposed methodology provides superior speed-ups and significant diagnostic information compression at no sacrifice in diagnostic resolution, compared to the existing gate-level diagnosis approaches.     

索道故障诊断技术

故障诊断技术经过四十余年的发展,已经日益成熟,逐渐普及,为很多企业创造了巨大的效益。加强故障诊断技术在索道中的应用,可以保证索道的安全运行,降低维护成本,具有十分重要的意义。本文主要对索道关键专用部件钢丝绳、抱索器的故障及其对应诊断技术进行了介绍。