基于贝叶斯网络的轨道车辆门故障诊断研究

轨道车辆门系统的故障诊断受到广泛关注.针对门系统在故障诊断中存在不确定性问题,提出一种基于贝叶斯网络的故障诊断流程,统计某地铁公司提供的故障数据,建立轨道车辆门故障贝叶斯网络模型,计算得出各故障的先验概率,在建立的贝叶斯模型中输入故障证据,得到各故障的后验概率.通过仿真试验证明了贝叶斯网络能很好地推理出门系统的故障所在,为车门的故障诊断和维修提供参考和建议.     

基于CBR的工程车辆故障诊断系统

针对工程车辆故障的特点，分析了以往工程车辆故障诊断方法的局限性。将人工智能领域中的新分支CBR(Case-Based Reasoning)技术引入到工程车辆故障诊断中，论述了CBR技术的系统结构和关键技术，并给出了具体的实现方法。理论分析和实践经验表明，基于CBR系统可以解决基于规则的专家系统在某些方面的缺陷，具有实现方式灵活、简便、自学习能力强等特点，是一种适合工程车辆故障诊断的新方法。     

基于知识的液压系统故障诊断系统

作者在总结液压系统故障诊断专家经验的基础上，利用ＴｕｒｂｏＰＲＯＬＯＧ２．０语言建立了一个面向一般现场液压系统维修人员的液压系统故障诊断专家系统，并对该系统进行了实验验证．在使用中，维修者可在该系统帮助下迅速找到故障，从而对系统进行有效维护．     

基于面向对象技术的电动车辆故障诊断系统

研究基于面向对象技术(OOT)开发的电动车辆故障诊断系统.通过面向对象分析与面向对象设计(object-oriented analysis/object-oriented design,OOA/OOD)方法进行故障诊断软件设计和开发.该故障诊断系统对电动车辆主要电气部件如牵引电机、控制器和动力电池等进行故障检测和参数分析,提高了电动车辆的可靠性和可维护性.同时,OOA/OOD方法改善了系统软件的可扩展性.     

特种车辆柴油发动机故障诊断专家系统推理机设计

针对特种车辆柴油发动机故障诊断专家系统知识表示的模糊特性,建立了故障类型的模糊诊断模型,提出了不精确推理方法和模糊匹配策略,采用柴油发动机故障类型诊断的反向推理和故障原因分析及故障消除措施正向推理相结合的混合推理机制,设计了总体目标推理和级目标推理相结合的推理机．系统现场运行的快速推理结果表明了该推理机设计是成功的．     

基于专家系统与人工神经网络集成的航姿系统故障诊断

应用专家系统与人工神经网络的相关理论对某型飞机航姿系统的故障诊断问题进行了深入的研究，建立了基于专家系统与人工神经网络的集成式专家故障诊断系统，并利用该专家系统实现了某型航姿系统的故障诊断。应用结果表明：整个网络数据误差在训练10次时达到0．1，在训练829次时达到0．01，可以准确识别故障。     

电话计费中信息采集的故障诊断系统

介绍了专家系统的基本原理，叙述了在电话计费系统中用于信息采集故障诊断的专家系统．该专家系统对前台信息采集机收集的有关信息进行整理统计，然后作出分析判断，并提供一份故障诊断报告，以便能及时排除这些故障．     

DEDS故障诊断方法在电梯中的应用

针对电梯这种复杂机电系统难以建模的特点，提出基于随机自动机的离散事件动态系统（DEDS）故障诊断方法．深入研究电梯门系统的故障机理，对各元件的典型故障进行分类，并抽象出各元件的事件集和状态集．将传感器信息和事件发生的可能性信息加入逻辑模型，得到系统的随机自动机模型．把门锁装置从门系统中分离出来，建立电梯门锁装置的随机自动机模型，构建电梯门系统和门锁装置的随机诊断器．通过随机诊断器，对门锁系统故障发生的概率进行在线估计，并对门主体系统的可诊断性进行了分析．此方法为复杂机电系统的故障诊断提供了一条有效途径．     

船用核动力装置故障诊断专家系统

船用核动力装置故障特征复杂多样，将专家系统引入故障诊断领域可以充分利用专家的经验和知识．对船用核动力装置的故障特性进行了详细分析，并据此建立了故障诊断专家系统．着重介绍了船用核动力装置故障诊断专家系统的构成、建造方法、实现语言、知识的表示方法及推理机的推理过程等内容．用该故障诊断专家系统对一些典型故障在某仿真机上进行了在线诊断，得到了预期的诊断结果．     

基于观测器的车辆电子稳定控制系统执行器故障重构

为提高执行器故障时车辆在复杂工况下运行的稳定性，针对不确定车辆电子稳定控制系统设计基于观测器的故障重构策略.考虑系统中的不确定因素，建立双输入双输出四轮转向系统车辆数学模型.构造増广系统，利用李雅普诺夫函数和线性矩阵不等式技术获得观测器增益矩阵.通过MATLAB/Simulink和Carsim联合仿真验证该方法的有效性.结果表明:在故障发生时，观测器的状态估计值与真实值之间存在一定偏差，但很快能够跟踪上车辆的实际运行状态，实现故障诊断的目的.与前轮转向系统相比，四轮转向系统能够显著增强高速运行时车辆的稳定性和安全性.     

改进BARINEL算法的网络时延故障诊断方法

随着网络系统的规模和复杂性不断增加，网络系统不可避免地会出现不同类型的故障。本文提出了模糊逻辑扩展的改进BARINEL算法，实现网络延迟软故障诊断。为了解决求解诊断候选项的指数复杂度问题，设计了一种基于启发式函数的最小命中集方法，有效降低了求解中的计算复杂度。针对BARINEL算法对多值逻辑错误检测机制表达能力不足，提出了模糊逻辑的BARINEL算法，能更有效诊断出故障链路及故障点。实验结果表明，当网络中至少有20条可用路径条件下，所提出的新方法能够花费更少的代价正确识别出故障节点。     

汽车稳定性控制系统关键传感器故障诊断

设计了基于解析模型的故障诊断算法实现传感器信号的自诊断功能,首先建立关键传感器的故障诊断算法基本框架,然后利用不同的故障诊断模型分别设计了基于等价方程与基于观测器两种故障诊断算法.等价方程算法利用车辆线性单轨模型及车辆运动学方程,将车辆操纵稳定性控制需求的传感器联系起来,并用于彼此的相互诊断.观测器方法利用车辆非线性单轨模型,通过建立龙贝格观测器提取传感器故障信息.从灵敏度与误报率两方面出发,提出了将两种算法有效融合的算法改进措施,重新制定诊断规则.实车试验的结果表明融合算法能够准确快速地诊断出微小故障,并给出故障等级.     

恶劣环境下无人机双旋翼故障的智能监测系统设计

当前无人机双旋翼故障检测系统在恶劣环境下的抗干扰性能差,无法正常运行。设计一种小型、智能的适用于恶劣环境下的无人机双旋翼故障监测系统。首先规划了系统的总体结构,将便携式工控机作为系统运行的核心,用于对故障进行检测、提取故障数据进行存储和分析。然后利用数据采集模块对恶劣环境下无人机双旋翼相关数据进行采集,通过RS485总线完成主机和被监测无人机之间的数据传输。利用信号测试卡模块对数据采集模块接收的数据进行逻辑测试和故障诊断。最后采用无人机双旋翼故障检测算法对故障进行检测。实验表明,所设计系统具有较高的监测效率和精度,诊断效果良好。     

电力系统故障的计算机新算法

本文提出了计算电力系统对称和不对称故障的一种新算法,其特点是数学模型非常简单,既可计算正常潮流又可计算故障潮流,把正常潮流和故障潮流统一在一个数学模型中.     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

基于自组织映射网络的齿轮故障分类识别

分析了自组织映射网络算法，在U-矩阵方法基础上提出了一种改进的可视化训练结果方法，并应用于齿轮故障的模式识别，研究表明，自组织映射网络能对齿轮状态进行正确分类，有效识别故障模式，改进的可视化方法能更加清楚地显示网络训练结果，两者结合可以扩展应用于机械设备的状态监测和故障识别。     

基于神经网络免疫集成的非线性时间序列故障预报

针对神经网络集成对个体差异性的要求 ,提出了集成网络间的结构差异度的概念 .在此基础上设计了一种基于反向选择的免疫算法 ,该算法可以在减小集成网络各自训练误差的同时保持网络间的结构差异度 ,从而提高神经网络集成的泛化能力 .同时证明了该算法对最优个体的收敛性 .将该方法应用于受噪声污染的非线性时间序列故障预报 ,根据预测误差可以方便准确地检测系统的缓变故障和突变故障 ,实现对微小故障的快速故障预报 ,降低误检率 .仿真结果证明了该方法的有效性 .     

基于模糊T-S自适应观测器的近空间飞行器故障诊断与容错控制

提出了一种基于自适应观测器的故障诊断与容错控制策略,应用到近空间高超声速飞行器(NSHV)上处理执行器故障.NSHV是非线性、多变量和强耦合的系统,首先使用T-S模糊技术建模,基于T-S模型设计自适应故障诊断观测器(AFDO).然后定义AFDO和实际系统误差的范数作为残差来检测故障,采用自适应故障估计算法估计系统故障.基于所得故障信息,设计容错控制器(FTC)来补偿执行器的失效.通过求解线性矩阵不等式得到AFDO的增益矩阵,采用Lyapunov理论证明了误差系统的稳定性.最后,对高超声速飞行器的纵向模型进行算法验证,仿真结果表明了所提方法的有效性.     

基于故障附加网络的故障分量算法

为深入认识和利用故障分量,提出了以故障分量为求解和分析对象的故障分量计算方法,它根据故障附加网络和故障分量在故障点的边界条件建立网络方程,并使用Newton法求解该方程。所提方法的特点是物理意义明确,省去了由故障全量导出故障分量的中间过程。编程计算结果表明所提算法快速、准确。该方法能够用于计算复杂电力系统简单故障或多重故障的故障分量,也可用于分析和评判基于故障分量的继电保护和各种安全自动装置的性能。     

改进的D-t-SNE滚动轴承故障数据集降维方法

针对传统降维方法难以保持数据集的局部与全局几何结构特征问题,选择测地距离作为度量指标,提出改进t-SNE的故障数据集降维方法D-t-SNE.首先提取消噪振动信号的多域高维故障数据集,在对其进行归一化处理之后,利用GD指标改进后的D-t-SNE算法对高维故障数据集进行降维运算,去除冗余信息,然后通过不同的分类器对低维特征子集进行故障模式辨识.以UCI数据集和双跨转子实验台的模拟故障数据集为实验对象对D-t-SNE算法进行验证,并与SNE和t-SNE算法的各项实现结果进行对比.结果表明,D-t-SNE算法具有通过降低高维故障数据集的维数从而达到降低故障分类难度、提高故障辨识准确率的性能,可为降低旋转机械原始故障特征数据集的规模、降低故障分类的难度与提高故障辨识结果的可视化效果提供理论参考依据.