基于模型的实质诊断

在扩展的因果理论上,基于模型的实质诊断的刻画具有一般性,适用于已知每个部件的各种行为方式情形下的诊断.对于需逻辑推出的观测子集取空集和整个观测集这两种极端情形,本方法则可得到基于一致性实质诊断和实质溯因诊断.同时还论证了该诊断过程与本原蕴涵/蕴涵式的直接关系,从而将其与算法实现联系起来.     

不确定因果理论的基于模型诊断

给出当待诊断系统的模型为不确定因果理论时 ,基于模型诊断和模型中心诊断等概念 ,论证基于模型中心诊断与 U -S本原蕴涵 /蕴涵式的直接关系 ,并且根据知识不确定程度对候选诊断进行排序 .指出对经典因果理论基于一致性中心诊断和中心溯因诊断的刻划仅仅是文中刻划的对应诊断的两个特殊情形     

基于粗糙集理论和因果图的故障诊断

【目的】复杂系统发生故障时会导致许多冗余信息产生，以此建立的因果图模型结构复杂，推理难度较大，针对这个问题提出了基于粗糙集和因果图理论的故障诊断方法。【方法】先根据历史故障数据建立决策表，利用粗糙集理论对决策表进行属性约简得到最小决策表，再根据最小决策表对原始因果图进行约简，最后利用约简后的因果图模型进行故障诊断推理。【结果】从一定程度上降低了因果图模型的复杂程度，从而提升了推理速度。【结论】以某电网为例应用此方法，因果图模型的确得到了简化，样本检验结果也与实际结果一致，说明了该方法的可行性和准确性。     

基于模糊因果图的地铁车门系统可靠性分析

针对地铁车辆在运行过程中车门不能正常打开这一问题,利用因果图建立模型,并结合相关部件发生故障的概率,对地铁车门系统进行可靠性分析.由于系统中各部件发生故障的概率具有不确定性,故引入三角模糊数对因果图进行定量分析,从而得到各事件发生的模糊条件概率.最后,根据相关统计资料及数据,在已知证据条件发生的情况下,确定对车门系统影响最大的事件以及导致该事件发生的主要原因.研究表明,模糊因果图能够有效地对系统进行可靠性分析.     

基于模糊状态描述的不确定因果归纳自动推理机制

文中提出基于模糊语言场和模糊语言结构的知识表示新型框架，并提出能够综合处理模糊不确定性与随机不确定性的广义细胞自动机和广义归纳逻辑因果模型。在此基础上，又提出基于模糊状态描述的新型不确定因果归纳自动推理机制，并讨论其在智能控制器研制中的应用。     

利用形式化方法的机电系统概率失效模式及影响分析

针对传统的失效模式及影响分析中依靠领域专家分析判断系统单元失效与系统故障之间的关系,分析烦琐、容易出错且难以计算故障概率的问题,将形式化技术引入机电系统失效模式及影响分析中,提出了基于概率模型检测的机电系统概率失效模式及影响分析方法。基于机电系统中的状态变迁,研究了机电系统行为过程的随机模型及其形式化表达,建立了面向概率失效模式及影响分析的系统形式化随机模型;基于连续随机逻辑对系统的潜在故障进行了形式化规约,构建了潜在故障的概率形式化规约表达式;利用概率模型检测器对系统的随机模型和潜在故障进行形式化验证,从而辨识单元失效与系统潜在故障之间的关系,并自动计算单元失效所导致的系统故障概率,提高了失效模式与影响分析的准确性和效率。该方法不仅可以借助概率模型检测迅速准确地识别单元失效与系统潜在故障之间的因果关系,还可以自动计算系统故障概率。将该方法应用于数控机床进给系统,成功辨识出了限位开关失效所导致的系统故障并计算出了故障概率,从而验证了方法的可行性。     

基于超椭球模型的T-S模糊因果图的故障分析

研究了用区间数对T-S模糊因果图的故障诊断问题,同时考虑了基于超椭球模型对因果图的故障区间加以约束;首先,建立T-S模糊门,通过D-S理论建立适当的超椭球模型处理因果图中不确定性参量的取值范围和解决复杂系统的故障机理和多态性;其次,将超椭球模型转化成单位超椭球模型,在超椭球内产生均匀分布的随机数,对其进行均匀采样,从而得到了更加符合实际T-S规则的故障可能性区间概率;最后,利用Matlab进行数值模拟,证实了由超椭球模型所得结论的有效性;结果显示:超椭球模型能有效减缓因果图获取精确数据的难度,比区间模型下的范围对因果图更加具有可靠性和实际意义。     

基于遗传算法的因果图网络结构学习

在因果图理论中,采用了图形化和直接因果强度来表达知识和因果关系,它克服了贝叶斯网的一些不足,已发展成了一个能够处理离散变量和连续变量的混合模型.但是因果图的结构得由领域专家给出,这在实际中很难办到.鉴于因果图结构的复杂度随论域中节点个数的增加呈指数上升,寻找最有可能因果图网络结构成为了NP-HARD难题.文中给出了如何利用已知数据集,寻找最有可能的因果图网络结构设计的遗传算法（Genetic Algorithm,GA）.     

一种基于因果网络模型的诊断推理模型

提出一种基于因果网络的诊断推理模型.该模型用因果网络表示诊断对象的领域知识,不仅能有效地表达知识的不确定性,更重要的是解决了知识的不完备问题.该模型的推理过程分为领域相关的环境集识别和领域无关的诊断解产生两个阶段,增加了算法的柔性和通用性.     

论逻辑蕴涵真值表规定的合理性

本针对逻辑蕴涵真值表的难以理解问题，给出了一种基于选择的合理性的解释。指出逻辑蕴涵真值表既是对人们的逻辑习惯的形式化，也充分体现了人们的逻辑习惯。该合理性解释简单、直观。最后，结合生活中的一个实例进一步进行了阐述。     

Kernel model-based diagnosis

The methods for computing the kemel consistency-based diagnoses and the kernel abductive diagnoses are only suited for the situation where part of the fault behavioral modes of the components are known. The characterization of the kernel model-based diagnosis based on the general causal theory is proposed, which can break through the limitation of the above methods when all behavioral modes of each component are known. Using this method, when observation subsets deduced logically are respectively assigned to the empty or the whole observation set, the kernel consistency-based diagnoses and the kernel abductive diagnoses can deal with all situations. The direct relationship between this diagnostic procedure and the prime implicants/implicates is proved, thus linking theoretical result with implementation.     

故障诊断理论及其在机电系统中的应用

介绍了故障诊断理论的提出过程和内容;简要地阐述了基于解析模型的故障诊断方法、基于知识的故障诊断方法和基于数据驱动的故障诊断方法;详细介绍了基于观测器的故障诊断方法的步骤,并举例说明了该方法在机电系统中的运用,给出了Matlab的仿真结果。最后,通过对仿真结果的分析,得出了基于观测器的故障诊断方法能够较好地完成系统监控的任务,但对复杂系统的故障定位精确度不够的结论。     

基于随机集的证据理论的改进在发电机故障诊断中的应用

在多传感器信息融合处理故障诊断问题过程中,传统证据理论对含有冲突证据的处理结果与实际相悖。文中运用随机集的方法对传统的证据理论进行改进,提出了一种新的基于证据本身的可信度权重和基于证据相似度的可信度权重的证据调整方法,并将改进后的方法应用于发电机系统的故障诊断中。结果表明,与传统证据理论相比改进后的方法更加精确地辨识出故障源,提高了诊断系统的性能。     

不确定因果理论诊断的测试

对不确定因果理论的诊断测试进行探索, 将初始测试条件从true推广到任意可满足的A, 提出对不确定前提条件测试的概念, 给出几个相关定理及其证明, 利用这些结果有助于判定诊断空间, 确定测试的优先序, 从而提高测试效率.     

粗糙集理论在机械故障诊断中的应用研究

为了对诊断过程中大量的宙余特征进行压缩或约简,将粗糙集理论引入到机械故障诊断过程中,提出了一种特征约简的算法,通过2个典型诊断实例对该算法进行了验证,结果表明：在保证故障分类结果基本不变的情况下,该算法可以查找出对故障分类起主作用的特征,从而达到了特征约简的目的,为粗糙集理论在机械故障诊断中的深入应用打下了基础。     

基于粗糙集神经网络的故障诊断

在神经网络故障诊断模型的基础上,引入粗糙集理论,给出连续属性值的离散化方法.并应用粗糙集对故障诊断决策表进行属性约简,剔除其中不必要的属性.仿真结果表明,该方法可以有效地减少输入层个数,简化神经网络结构,减少网络的训练时间,在故障诊断中有良好的应用前景.     

物理学习困难的归因分析和实践研究

本文根据学习困难和归因理论研究成果,进行物理学习困难的归因研究,包括归因训练和归因结果的测量.归因测量结果表明,我们采取的教育干预促进了学生对学习困难的积极归因,它的研究方法和思路也可以应用到其他学科学习困难的研究中去,这也为基础教育和教学提供了帮助.     

基于分形和神经网络的柴油机振动诊断方法

提出了一种基于分形理论和神经网络技术的柴油机振动诊断方法,首先对柴油机的振动信号进行小波降噪,然后提取相应的不同迭代阶数的广义分形维数,并将其作为RBF神经网络的输人参数,以运行工况作为输出参数训练神经网络模型．训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况．实验及仿真结果表明：采用的小波降噪技术可以较好地再现振动信号特征,有效提高故障识别率;同时基于分形和神经网络技术的诊断方法在柴油机故障诊断中是有效可行的,对于单个故障的正确识别率达到了100％,具有较高的工程适用性,对其他复杂机械的振动诊断同样具有参考价值．     

故障模型及三级分解估计算法

本文给出了通用故障模型、故障检测方法、故障可检测与诊断的充要条件及故障估计的三级分解算法。仿真工作表明本方法是有效和可行的。