针对t-可诊断多处理器系统的遗传诊断算法

结合诊断模型与遗传算法,提出一种针对t-可诊断多处理器系统的遗传诊断算法。通过运用模型的诊断性质提高初始种群的质量,并定义判断结点状态的诊断方程,设计基于该方程的适应度函数。理论分析和模拟实验表明,算法具有较好的最优解搜索能力和较快的收敛速度。     

基于VHDL的故障注入工具的研究

基于VHDL的故障注入技术是一种验证系统可信性的有效方法,构造基于VHDL的故障注入工具是故障注入研究的一个重要组成部分.对基于VHDL的故障注入技术进行了研究,详细描述了该故障注入工具的结构和主要模块功能,并进行故障注入实验,分析和计算故障的激活率、探测率、恢复率.故障注入工具可用于对中等复杂度的VHDL模型进行故障...     

量子逻辑电路中控制点失效错误的定位

确保可逆电路的正确性与可靠性,错误检测必不可少,错误定位难度更高.通过分析发现当可逆电路中规模为k的可逆门发生控制点失效时仅对2<'n-k>个输入向量的输出产生影响,据此给出了一种把当前错误集分成若干个子集的方法生成控制点失效错误定位树.传统的错误定位方法都是通过生成真值表和错误表来产生错误定位树;该方法不需要生成和存储真值表以及错误表就能够有效定位电路中控制点失效错误.与Rfault算法相比,空间复杂度和时间复杂度更小,算法效率更高,能应用于更大规模的电路.     

软件可靠性度量方法

分析软件故障暴露率与软件测试次数之间的关系,提出在保证可靠性测试结果客观准确的前提下,有效减少验证测试次数的方法。结合软件可靠性和体系结构相关理论,提出基于组件的软件失效率定量计算方法。研究并利用软件可靠性度量方法,提高了软件可靠性测试效率和可靠性评估准确性。     

Visual Prolog在专家系统故障诊断中的应用

针对故障诊断的特点,利用Visual Prolog语言在知识表示及逻辑推理过程中的优势,以流程工业中易发生事故的催化裂化装置为例设计并实现了基于规则的故障诊断专家系统。用事实和规则这2种构成Visual Prolog语言的短语进行知识库和推理机的编写。通过在催化裂化生产装置的实际应用表明,该诊断系统效果良好,能够对出现的多数异常工况进行有效的推理及分析,及时查找出故障原因,并提供相应的故障处理措施。     

CAN节点总线关闭状态下通信中断的解决方法

CAN总线通信中,当某一节点进入总线关闭状态后,不会与总线其他节点通信.针对这个问题,分析了节点从总线关闭状态转化为主动错误状态的条件,提出了采用模拟开关和电压基准主动实现这种转化条件的解决方法,解决了CAN节点恢复时间不确定的问题.     

工业CT在航空机载传感器可靠性提升中的应用

利用工业CT技术对某型航空发动机数控系统的总温传感器故障件进行了检测,从而无损、高效、准确地检测到故障点,并利用其提供的传感器内部信息对故障原因进行了分析,采取了相应的改进措施。通过环境试验验证了改进措施的有效性,表明该型传感器的可靠性得到了显著提高。因此,工业CT为机载传感器的故障检测提供了一种行之有效的新途径、新思路,可以在其可靠性提升上推广应用。     

基于模糊理论的井下配电网防越级跳闸保护算法

针对目前煤矿井下漏电保护时常出现保护准确性不高,继电装置拒动、误动甚至引起越级跳闸造成较大范围停电的情况,选择基于暂态分量的小波分析法、基于稳态分量的零序电流幅值比较法、零序电流相位比较法等几种保护方法,利用模糊理论对这几种保护结果进行多判据信息融合处理,以提高保护的准确性和可靠性.依据这些保护算法来分析所建立的仿真模型,证实了基于模糊理论的多判据保护算法能有效地实现井下故障定位,减少了拒动、误动,并以此降低了越级跳闸的可能.     

换流站阀水冷系统主泵轴承故障诊断方法研究

对换流站阀水冷系统主泵轴承的故障诊断方法进行了比较研究.采用支持向量机作为分类工具,分别利用时域特征值和小波包分解取样本熵作为样本训练,比较分类准确率,并择优用于换流站阀水冷系统主泵的轴承故障诊断.首先,利用轴承故障试验台的数据,对采用时域特征值和小波包分解取样本熵作为样本训练的分类准确率进行了比较,结果表明小波包分解取样本熵值比时域特征参数更适合用于特征故障分类.然后将小波包分解取样本熵值用于换流站阀水冷系统主泵的轴承故障诊断,结果显示分类准确率达98％,完全满足工程运用需求.     

改进的灵敏度剪枝极限学习机

针对极限学习机(ELM) 网络结构优化问题, 提出一种改进的灵敏度剪枝ELM(ImSAP-ELM). ImSAP-ELM 将??₂ 正则化因子引入SAP-ELM 中, 采用留一准则确定最优隐节点数. 推导基于奇异值分解的输出权重计算公式, 避免矩阵奇异导致求解无效的问题. 将ImSAP-ELM 用于故障预测, 利用多组同类型故障数据建立多个ImSAP-ELM 模型, 基于加权思想融合不同ImSAP-ELM 的预测值. 某型无人机发射机实例表明, 相比于ELM、OP-ELM (最优剪枝ELM) 和SAP-ELM, ImSAP-ELM 耗时最高, 但是ImSAP-ELM 的预测误差小于其他3 种方法.