基于专家系统的网络故障管理系统的设计

故障管理是网络管理中最基本的内容之一。网络出现故障时,智能故障定位是实现网络故障管理自动化的关键。结合网络管理与专家系统的知识,提出了一种基于专家系统的网络故障管理系统结构;着重介绍了此系统的几个重要功能模块,并说明使用专家系统进行网络故障管理的优点。结果表明,该系统很好地发挥了专家系统的智能性,能够快速准确地诊断出网络系统的故障,并能提出有效的重构方案,完全适合于网络系统的故障诊断。     

网络故障诊断专家系统的方法研究

为了使网管系统能够高效地对各种复杂网络进行管理，本文提出了基于产生式的故障诊断专家系统。归纳总结了网络故障的知识范围，构成故障知识库。在该知识库的基础上采用故障定位向导程序进行推理，实现管理和诊断网络故障。     

基于OWL本体和SWRL规则的导弹智能故障诊断研究

针对复杂航空装备诊断知识缺乏、诊断效率低和知识共享性差等问题,以某型红外弹为例,提出一种基于OWL本体和SWRL规则的导弹智能故障诊断方法。首先以导弹FMECA结果作为知识源,通过基于ATML语法的OWL逻辑描述语言建立导弹本体模型,完成故障模式和故障原因本体之间的映射;其次采用语义网络规则语言SWRL描述知识库规则,建立本体知识单元之间类、属性和实例的对应关系,最后通过Racer推理机对导弹知识库进行故障诊断推理,获取故障诊断优先级顺序。推理结果表明,该方法能够解决复杂航空装备专家诊断系统中的知识表示困难、缺乏自动语义推理、重用共享性差等问题,获得最优的故障诊断路径的同时减少了故障排查步骤,从而实现了故障原因的快速定位,提高了复杂航空装备专家诊断系统的诊断效率和可靠性。     

网络告警知识发现研究与实现

文章研究企业网络告警数据中的知识发现问题,设计并实现了以Apriori算法为核心的网络告警关联规则发现系统。系统试运行结果表明,该系统能够有效发掘隐藏在海量告警数据背后、不易为网络管理人员所知的告警及故障模式知识。将发现的新知识应用到告警关联/故障诊断专家系统,有效突破了专家系统“知识获取”瓶颈,显著增强了专家系统推理和诊断网络故障的能力。     

某型飞机发动机故障诊断专家系统设计

针对某型飞机发动机故障诊断困难以及视情维修对维修技术提出的更高要求,利用专家系统人工智能技术设计了该型飞机发动机故障诊断专家系统;该系统利用自动检测技术获得发动机状态参数,通过智能诊断实现故障定位;系统利用模块化设计思想进行了人机交互界面设计、故障知识数据库建立、推理机制设计、获取知识程序设计及解释程序设计,实现了发动机故障的快速定位,提高了发动机诊断维修的时效性,保证了发动机的完好率。     

电除尘器自动监控系统设计

对电除尘器自动监控系统的体系结构进行了分析,提出设备层、监控层两层网络,监控软件采用客户端/服务器模式的设计思路;首次提出了基于烟气浓度、流速、温度物理量进行智能闭环控制的设计理念,实现了电除尘器运行性能优化;为降低电除尘器运行维护难度,提出了由知识库、数据库及推理机制组成的故障诊断模型并实现了电除尘器的故障在线辅助诊断功能;50多套工业现场应用结果表明实现的系统运行稳定可靠,性能良好。     

无线传感器网络故障诊断与容错控制研究进展

可靠性和可持续性是无线传感器网络(WSNs)研究的重要问题。从拓扑、能量、监测和安全等角度对WSNs故障诊断和容错控制方法进行详细的归纳和总结。对WSNs故障类型进行了划分,主要分为节点故障和网络故障,根据WSNs体系结构,介绍了节点自诊断、网络诊断和基站诊断3种故障诊断方法,阐述了相关的容错控制技术,包括冗余机制、多路由设计、动态拓扑控制、传输协议优化、数据融合和智能方法。对WSNs容错控制技术目前存在的问题与未来发展趋势进行了探讨。     

基于DIA的分布式智能网络故障管理

介绍了网络故障管理的基本功能与方法,并针对故障管理过程中面临的问题与困难,在同已有技术相比较的基础上,引入多种人工智能技术来实现复杂的故障管理。同时,考虑到网络的分布性、动态性,提出了将智能Agent技术与故障诊断技术相结合,实现分布式基于智能Agent的网络故障管理。     

模糊理论在网络故障实时诊断中的应用

通信网络故障诊断的核心就是进行告警相关性分析,定位根源告警,从而定位故障。文中将基于数据挖掘的相关性分析方法与模糊理论相结合应用于网络故障实时诊断:将模糊聚类方法应用于网络告警模糊化处理,提出了一种应用于告警模糊关联规则知识库建立的挖掘算法,最后应用模糊聚类和模糊匹配方法对实时收集的新发告警集进行根源告警的模糊推理。模糊理论在通信网络故障诊断中的应用,为网络故障的实时诊断提供了一种崭新思路,对网络故障的及时恢复具有重要意义。实验仿真验证了整个思路的可行性。     

基于神经网络的局域网故障诊断系统设计

为了实现准确有效地排除网络故障，根据局域网的特点，本文在分析现有计算机网络故障诊断方法不足的基础上，结合层次分类神经网络原理，提出了基于层次分类BP神经网络算法的局域网智能故障诊断系统，该系统具有层次分类策略、故障诊断策略、通信数据包采集、网络故障知识数据库、故障显示报警等功能，可以实现已知、未知故障的正确识别。通过对故障诊断算法和故障定位的仿真，结果表明故障诊断系统响应性能良好，故障误报率较低，具有一定的实用性。     

Case Based Diagnosis and Repair of Software Faults

Software debugging (the diagnosis and repair of faults in software) can be a difficult and time consuming problem. In many cases a problem which can take an inexperienced developer a long time to correct can be quickly identified and corrected by a more experienced one. This is often because they have seen that problem (or a similar one) before. In this paper we present a system (called WATSON) which automatically constructs an explanation of the fault and a repair strategy from a library of partial repair models. This system exploits Case Based Reasoning (CBR) technology to perform this construction. The paper introduces the concepts behind CBR before going on to describe the components of the WATSON system. It then illustrates, by example, how WATSON constructs a diagnosis and repair model from the case databases.     

Application of a Neural Fuzzy System with Rule Extraction to Fault Detection and Diagnosis

In this paper, the fuzzy min–max (FMM) neural network is integrated with a rule extraction algorithm, and the resulting network is applied to a real-world fault detection and diagnosis task in complex industrial processes. With the rule extraction capability, the FMM network is able to overcome the “black-box” phenomenon by justifying its predictions using fuzzy if–then rules that are comprehensible to domain users. To assess the effectiveness of the FMM network, real sensor measurements are collected and used for detecting and diagnosing the heat transfer and tube blockage conditions of a circulating water (CW) system in a power generation plant. The FMM network parameters are systematically varied and tested, with the results explained. Bootstrapping is employed to quantify stability of the network performance statistically. The extracted rules are found to be compatible with the domain information as well as the opinions of domain experts who are involved in the maintenance of the CW system. Implications of the FMM network with the rule extraction facility as an intelligent and useful fault detection and diagnosis tool are discussed.     

基于网络结构搜索的工业过程自动故障诊断方法

针对现有基于深度神经网络的工业过程故障诊断方法存在网络结构设计烦琐及参数寻优耗时等问题,提出了一种基于网络结构搜索的工业过程自动故障诊断方法(automatic fault diagnosis, AutoFD),该方法采用AutoFD网络结构搜索算法,来自动完成卷积神经网络的网络结构设计和网络参数寻优。在此基础上,首先通过在原始数据上施加操作生成新通道;接着利用表现预测加速获取通道适应性排序的过程;然后依据通道适应性排序,通过表现预测来快速选取最优卷积通道数;最终根据最优卷积通道来搜索表现最优的多通道卷积神经网络模型用于工业过程自动故障诊断。采用田纳西—伊斯曼(Tennessee Eastman, TE)工业过程和数值系统对提出方法进行验证,结果表明该方法可以实现网络结构自动设计及网络参数的自动寻优,并且具有优良的故障诊断性能。     

复杂系统的智能故障诊断技术现状及其发展趋势

智能故障诊断技术为保障工程技术系统的可靠性和安全性开辟了新的途径，随着系统设备和功能的日益复杂化，发生故障的机率以及由此带来的损失越来越大，现有单一、固定的故障诊断方法却难以满足复杂系统诊断的全部要求。该文针对复杂系统故障现象的特点，分析了现有基于规则、基于结构和行为、案例、模糊逻辑、神经网络及其集成知识诊断技术的各自特点和局限性，指出了机器学习对于当前复杂系统智能故障诊断发展的重要性，有利于改变现有单一、固定的故障诊断思维，并对未来的主要发展方向进行了一些探讨。     

基于NNFPN模型的电梯故障诊断方法的研究

提出一种基于神经网络的模糊Petri网模型(NNFPN),并将该模型应用于电梯故障诊断系统．阐述了该模型的定义、模糊产生式规则的NNFPN表示、NNFPN的触发规则以及NNFPN的训练学习算法．分析了如何建立基于NNFPN的电梯故障诊断模型,提出针对不同工作状态利用不同的NNFPN电梯故障模型进行诊断,可使诊断结果更加准确．     

Intelligent diagnosis method for a centrifugal pump using features of vibration signals

In the field of machinery diagnosis, the utilization of vibration signals is effective in the detection of fault, because the signals carry dynamic information about the machine state. However, knowledge of a distinguishing fault is ambiguous because definite relationships between symptoms and fault types cannot be easily identified. This paper presents an intelligent diagnosis method for a centrifugal pump system using features of vibration signals at an early stage. The diagnosis algorithm is derived using wavelet transform, rough sets and a partially linearized neural network (PNN). ReverseBior wavelet function is used to extract fault features from measured vibration signals and to capture hidden fault information across optimum frequency regions. As the input parameters for the neural network, the non-dimensional symptom parameters that can reflect the characteristics of a signal are defined in the amplitude domain. The diagnosis knowledge for the training of the PNN can be acquired by using the rough sets. We also propose a diagnosis method based on the PNN, one which can deal with the ambiguity problem of condition diagnosis, and distinguish fault types on the basis of the possibility distributions of symptom parameters automatically. The decision method of optimum frequency region for extracting feature signals is also discussed using real plant data. Practical examples of diagnosis for a centrifugal pump system are shown in order to verify the efficiency of the method.     

航电设备故障诊断专家系统研究与实现

对航电设备和故障诊断专家系统研究的基础上,设计了“智能指引完备过程规则树”的知识表示方式和存储结构,实现了完整表达和记录专家排故经验的功能,给出了一种与规则树对应的诊断方法,通过计算机操作即可自动、真实地模拟专家的思想进行排故,该系统已成功应用于国家某重点项目中,实践表明该系统能提高故障诊断的定位准确度和定位速度,设计思想具有通用性,可应用于其他领域的故障诊断专家系统。     

一种基于粗集理论的车地无线通信设备故障诊断方法*

针对车地无线通信设备故障诊断信息不一致的情况下进行故障的推理和诊断,提出了一种基于粗集理论的车地无线通信装备故障诊断方法。该方法从诊断决策支持系统定义出发,将车地无线通信设备故障诊断问题用一个不同简化层次的故障决策网络表示,由网络节点根据定义出的规则置信度和覆盖度可推导出对应有效的故障诊断规则集合。通过故障诊断规则匹配,便可方便得出车地通信单元故障诊断结果,实例分析表明该方法具有较好诊断有效性。     

基于人工智能技术的不完备信息系统智能诊断方法研究

为了提高不完备信息系统故障诊断的正确性与效率,本文提出一种基于粗糙集理论、蚁群优化算法和RBF神经网络相结合的故障智能诊断方法。该方法首先利用“条件组合补齐算法”对不完备的数据进行完备化处理,再利用粗糙集对条件属性进行知识约简,得到具有最大完备度的最小规则集,接着用蚁群算法优化RBF神经网络的权值,并将最小规则集用于训练RBF神经网络模型,获得故障智能诊断模型。通过实际工程数据验证故障智能诊断模型的有效性,结果表明提出的方法能有效实现系统故障的诊断。