基于组件技术的多异构系统虚拟样机集成

提出了一种基于组件的、即插即用的多异构系统虚拟样机集成方法，其特点是通过组合不同的组件模块进行快速的系统集成，同时，各组件之间可以进行通讯和协同，共享产品的信息资源。     

多分辨分析在信号突变征兆提取中的应用

介绍了针对幅值突变信号及一阶微分有突变的信号利用多分辨分析进行突变征兆提取的理论及方法,并给出了仿真实例.仿真结果表明,应用多分辨分析能较好地对信号的突变进行提取.     

基于多源域混淆蒸馏的变工况轴承故障诊断方法

针对新工况下标记的故障样本不足和信号分布有差异等问题,提出基于多源域混淆蒸馏的轴 承变工况故障诊断方法,将域混淆方法与多教师知识蒸馏方法相融合。首先,令每个源域模型在互 相蒸馏的过程中混淆所提取的特征,在提取源域不变信息的同时抑制源域特异信息;然后,在目标域 模型中蒸馏整合所有源域不变信息;最后,利用目标域数据进行模型迁移,以有效改善多个源域迁移 时效果不稳定的现象。经实验验证,该方法可以通过多种已知工况数据实现对目标工况数据的故障 诊断,准确率较高。     

基于Ontology的异构信息集成研究

语义异构问题是当前信息集成领域的研究热点。本文讨论了信息集成的方法及其存在的一些问题,介绍了本体的概念、本体在信息集成中的角色,提出了一种基于本体的信息集成架构,旨在实现对语义异构信息源的集成。     

基于互功率谱的异步电动机转子故障征兆提取

提出了一种基于互功率谱的转子断条故障征兆提取方法，它能在电机故障早期时，信噪比较低的情况下，有效地预报早期故障，从而为诊断转子断条故障提供一种全新的、有效的方法。数字仿真结果表明该方法有良好的工程应用前景。     

基于互联网的异构数据源集成的研究与实现

以自行开发的ETLA工具为基础，详细讨论了异构数据源集成模型的设计与实现及其工作流程，还讨论了异构数据源集成模型中元数据的实现。     

基于XML技术的异构数据库集成方案设计

针对企业中各部门异构数据库的数据集成和共享问题,研究了如何利用XML技术屏蔽数据库间的异构数据难题.提出了使用XML数据库作为中间数据库,将多种数据库数据进行集成的方案.并以某电厂故障诊断系统为例,设计了BizTalk数据交换平台.通过异构数据库集成方案,实现了诊断系统支持多数据库的要求.     

基于多1DCNN集成的电流互感器故障诊断

针对目前电流互感器故障诊断效率和准确率偏低的问题,提出了一种基于多个一维卷积神经网络集成的智能故障诊断模型,用于对电流互感器故障进行快速诊断。首先构建一系列具有不同激活函数的卷积层,每个卷积层独立搭建一维卷积神经网络(1DCNN),再通过多数投票集成策略构建具有不同一维卷积神经网络的集成网络模型(E1DCNN),最后进行样本数据训练和测试。通过试验分析,结果表明该方法可以实现电流互感器快速精确的故障诊断,并且效果比传统的故障诊断方法更优。     

基于集成服务模型的信息系统开发研究

随着信息化程度的不断提高,信息系统的规模和数量越来越庞大,各类信息系统的应用实现了业务流程和管理流程的电子化、自动化,提高了工作效率。但是,信息化建设的不断深化也带来了一些问题,例如：四处分布的系统入口,各个系统的反复登录,系统研发、维护和使用的复杂度也随之上升等,多异构系统的集成方案成为广泛存在的迫切需要研究的课题。针对上述问题,本文提出了以集成服务模型为核心构建综合办公平台的多异构系统集成方案,实现了单点登录、统一权限管理、统一任务处理等功能,用于集成自开发信息系统并为用户提供一个统一的、具有良好扩展性、良好用户体验的信息系统集成工作环境。目前,该解决方案应用于中国核动力院设计所的信息化建设中,取得了非常良好的效果。为企业效益和信息化建设的进一步开展起到积极推动的作用。     

基于神经网络技术的异构数据库集成查询

全局查询的分解与优化是异构数据库的集成中许多难题之一。目前，有关的方法很多，但还未见到有运行效果很好的。本文介绍了一种新的基于神经网络思想的异构数据库集成查询分解与优化方案，它可以快速地将全局查询分解并优化排序。笔者在一个简单的集成系统上验证了该方案的可行性。     

基于故障树的导弹故障快速诊断决策支持系统

导弹系统复杂性的增加，使得导弹故障种类也相应增多。目前，采用人工方式诊断导弹故障的效率较低。但对诊断技术人员掌握故障知识的要求却越来越高。为了提高诊断效率，降低故障诊断对人的过分依赖，设计了一种导弹故障快速诊断决策支持系统。该系统利用故障树对故障知识进行表达，采用深度优先搜索算法将故障树所表示的知识转化为故障规则，可最大限度的利用现场信息进行故障诊断；该系统具有良好的知识编辑环境，能提供直观的诊断结果，特别适用于将故障手册电子化，以提高导弹系统故障诊断的效率。     

基于专家系统的提升机故障诊断系统

运用基于专家系统的故障诊断方法,建立了一种提升机故障诊断系统,并以提升机滑动事件为背景,建立了提升机滑动故障专家知识库,该库已成功地运用于ＫＪ４６ 提升机状态监护系统．     

基于故障字典的运载火箭控制系统 的故障诊断方法

研究了基于故障字典的运载火箭控制系统故障诊断的技术策略和实现方法,提出了故障字典的知识组织和表示方法及相应的推理机制,并以某型运载火箭姿态控制系统伺服机构为具体对象,对上述方法进行了应用。     

基于神经网络的继电保护系统的故障检测

描述了基于人工神经网络的继电保护系统故障智能诊断系统,提出了系统的自学习算法,建立了系统的网络模型.在对系统故障诊断上很好的应用了人工神经网络的知识.     

基于故障树的混凝土施工故障诊断专家系统

在混凝土施工中引入故障诊断专家系统可以指导施工人员快速准确地排除各种施工故障。概述了故障诊断和故障树的基本方法；详细阐述了利用混凝土专家知识建立故障树模型以及采用代码表示法和静态指针法相结合的方法在数据库中实现故障树模型的过程；采用正向推理的推理策略实现了该系统。     

基于XML的企业异构信息集成平台模型探讨

介绍了异构信息集成的相关概念，针对企业异构信息源进行了分析总结，然后将企业异构信息集成与XML技术相结合，提出了基于XML的企业异构信息集成技术平台的理论模型．     

基于系统识别的梁类构件故障诊断

建筑结构的损伤诊断分析是结构性能评估的基础 .采用静态检测方法对梁类构件的损伤诊断问题进行了理论分析 .根据梁截面等效抗弯刚度的变化建立了梁的力学模型 ,利用在集中荷载作用下梁的挠度变化 ,并基于系统识别原理 ,建立了梁类构件的损伤诊断分析方法 .通过实例计算 ,表明该方法具有较好的收敛性和稳定性     

基于小波模型的故障诊断法

提出了一种基于小波模型的电液伺服系统故障诊断法，即在电液伺服系统正常情况下，构造一个离散小波变换形式的模型，利用这个模型，通过比较健康信号和实际产生的信号，产生一个残差信号，并对残差信号进行适当处理，从初始故障到严重故障，可以有效地得到监测。     

Deep Multimodal Learning and Fusion Based Intelligent Fault Diagnosis Approach

Industrial Internet of Things(IoT) connecting society and industrial systems represents a tremendous and promising paradigm shift. With IoT, multimodal and heterogeneous data from industrial devices can be easily collected, and further analyzed to discover device maintenance and health related potential knowledge behind. IoT data-based fault diagnosis for industrial devices is very helpful to the sustainability and applicability of an IoT ecosystem. But how to efficiently use and fuse this multimodal heterogeneous data to realize intelligent fault diagnosis is still a challenge.In this paper, a novel Deep Multimodal Learning and Fusion(DMLF) based fault diagnosis method is proposed for addressing heterogeneous data from IoT environments where industrial devices coexist. First, a DMLF model is designed by combining a Convolution Neural Network(CNN) and Stacked Denoising Autoencoder(SDAE) together to capture more comprehensive fault knowledge and extract features from different modal data. Second, these multimodal features are seamlessly integrated at a fusion layer and the resulting fused features are further used to train a classifier for recognizing potential faults. Third, a two-stage training algorithm is proposed by combining supervised pre-training and fine-tuning to simplify the training process for deep structure models. A series of experiments are conducted over multimodal heterogeneous data from a gear device to verify our proposed fault diagnosis method. The experimental results show that our method outperforms the benchmarking ones in fault diagnosis accuracy.     

基于OpenFlow的链路故障诊断方法

为了实现对软件定义网络(SDN)环境下链路故障的快速诊断及定位,提出了一种基于OpenFlow的链路故障诊断机制. 利用SDN控制平面与转发平面分离的特性,使用SDN南向接口协议--OpenFlow对网络各个节点进行信息采集,从拓扑管理、链路丢包、链路带宽、链路拥塞4个方面进行链路故障的诊断. 实验结果表明,该方法能够准确获取网络链路的性能参数. 此外,结合网络拓扑信息,能够对网络故障点进行精确的定位.