基于KISOMAP-LDA-KNN算法TE过程故障诊断研究

针对化工连续生产过程的时序性及非线性等特征,文章提出了一种基于KISOMAP-LDA-KNN的非线性故障辨识方法。首先采用核等距映射（KISOMAP）算法在保持训练数据内在几何结构下进行非线性降维,然后使用线性判别（LDA）算法保持数据的最佳分类效果下进行降维,完成过程的特征提取,最后用K近邻（KNN）算法进行模式分类。将上述方法应用到TE过程,仿真结果验证了该故障诊断方法有较高的辨识能力。     

开关磁阻电动机调速系统的应用研究

文章介绍了适用于工业运输设备的开关磁阻电动机调速系统,由于其具有起动电流小,起动转矩大,运行效率高的特点,因此能够解决工业运输设备中重载不能起动和能耗较大的实际问题,并提出了设计方案,说明了运行过程,指出了该系统的优点。     

免疫Agents在网络故障诊断方法中的研究

针对传统的网络故障诊断方法普遍具有自适应差、误报率高等的不足,提出了一种结合免疫算法和agent技术的网络故障诊断方法。在分布式环境中,按照网络的不同特征和环境差异,利用不同功能、不同类别的agent进行故障诊断,同时各agent之间能够互相协作,彼此进行信息交流,和采集数据,从而对所获得的故障类型进行诊断。实验证明,该方法能够对网络故障类型进行有效的判定,对以后大型网络故障诊断是一个很好的借鉴。     

针对RSA算法软件应用的故障攻击研究

原有的RSA故障攻击针对的都是运行在智能卡等硬件上的算法,为研究针对RSA软件实现方式的故障攻击,剖析中国剩余定理软件实现算法,提出针对OpenSSL密码库的RSA算法软件实现的故障攻击算法,给出一种只需要一次错误签名的改进攻击方案。通过仿真实验验证算法的可行性,并给出抵御此类攻击的有效措施。     

振动故障诊断的Petri网模型及系统实现

针对机械振动故障的传播特点,提出5种故障诊断的Petri网模型及其相应的故障诊断算法,用软件工程方法进行分析、设计和实现,得到机械振动故障诊断的Petri网系统。实践证明该方法能降低故障误诊率和漏诊率,解决复杂环境下机械振动故障诊断和故障预报的难题。     

稀疏贝叶斯相关向量机的模拟电路故障诊断

模拟电路故障诊断受制于传统的机器学习方法需要人为设定参数,分类效果依赖于参数设定是否成功,无法进行在线诊断。为此,提出一种基于稀疏贝叶斯相关向量机理论的模拟电路故障诊断模型,改进权值更新算法,设定阈值提前剔除非相关权值,减少算法运行时间,加快权值更新速度。在贝叶斯框架下对分类函数的权重进行推断,并得到各分类的后验概率,从而判断分类结果的置信度,辅助诊断决策。仿真结果表明,与支持向量机相比,该模型在精度相当的情况下,需要的相关向量更少,更具稀疏性和泛化性,分类时效性更高,适合模拟电路的在线检测。     

基于免疫抗体记忆分类算法的变压器故障诊断

针对传统克隆免疫算法应用于变压器故障诊断时学习速度慢、无分类能力及抗体空间小等缺点,提出一种免疫抗体记忆分类算法。利用免疫抗体识别抗原的原理和抗体记忆功能,将克隆选择与进化算法相结合,通过学习训练抗原及附属类型信息,得到由不同类型检测集组成的故障信息库,从而在保证亲和力的同时,加快学习速度,扩大免疫搜索空间,并利用人工识别球与刺激水平的线性关系对故障类型进行快速诊断。实验结果证明,该算法具有较快的运行速度及较高的诊断准确率。     

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。     

基于专家系统的建筑自动化系统故障诊断

针对建筑自动化系统(BAS)故障诊断日趋困难的问题,将专家系统与故障树分析法相结合,提出一种基于专家系统的BAS故障诊断方法。采用框架和规则相结合的知识表示法,建立相应的知识库。设计基于“框架规则+不确定性推理”的推理模式,给出专家诊断系统的实现方法。实验结果表明,该系统能提高推理结果的可用性。     

基于P2P的分布式网络故障监测系统的研究

针对现有网络的异构性和复杂性以及网络故障监测的需要,研究了用于克服传统故障监测模型中不足的P2P网络通信技术。探讨了用于建立P2P平台的JXTA技术,分析了分布式故障检测的方法,设计了系统原型中数据采集、采用Drools工具的故障告警相关性和拓扑发现模块,实现了基于P2P的分布式网络故障监测系统模型。该系统模型的设计与实现能够有效地降低故障数据对网路带宽的占用率,提高在故障监测中故障数据传输的实时性、准确性和可靠性。