基于广义SDG的化工过程故障模拟分析

安全稳定的运行是化工过程的首要目标,因此快速、准确地发现故障成为化工生产企业的一项重要工作。符号有向图(signed directed graph,SDG)能够简洁、有效地描述复杂的因果关系,但传统SDG模型存在一些不足。该文在传统SDG模型的基础上,提出了广义SDG模型,扩展了节点(种类和状态)和边,使其包含的信息更加丰富,基于广义SDG的故障模拟不仅可以定性地给出故障程度,而且通过边的关系减少了虚假解。实例分析表明,基于广义SDG的故障模拟可以提高分析效率,改善过程安全以及提高操作人员判断故障源的能力。     

SDG-Based HAZOP and Fault Diagnosis Analysis to the Inversion of Synthetic Ammonia

This paper presents some practical applications of signed directed graphs (SDGs) to computeraided hazard and operability study (HAZOP) and fault diagnosis, based on an analysis of the SDG theory. The SDG is modeled for the inversion of synthetic ammonia, which is highly dangerous in process industry, and HAZOP and fault diagnosis based on the SDG model are presented. A new reasoning method, whereby inverse inference is combined with forward inference, is presented to implement SDG fault diagnosis based on a breadth-first algorithm with consistency rules. Compared with conventional inference engines, this new method can better avoid qualitative spuriousness and combination explosion, and can deal with unobservable nodes in SDGs more effectively. Experimental results show the validity and advantages of the new SDG method.     

基于半定量SDG模型的化工过程故障诊断

符号有向图(SDG)能够直观地反映系统的复杂因果关系,可以看出故障传播的路径,但是定性SDG故障诊断模型缺少变量之间的定量信息,推理过程中会产生虚假解,分辨率不高。该文针对SDG的不足,引入模糊隶属度,形成半定量SDG模型,即模糊SDG模型。采用反向推理和正向验证相结合的混合推理方法,并把结论编写为"If-Then"形式的知识规则,以便于利用专家系统对系统进行在线诊断。     

基于SDG和定性趋势分析的控制系统故障诊断方法

针对控制系统的故障诊断难以在早期发现,提出一种基于符号有向图(SDG) 和定性趋势分析相结合的故障诊断方法. 建立系统的故障诊断模型,通过定性趋势分析的方法对控制系统各个单元进行监测,提取当前趋势. 当故障发生时,通过基于定性趋势的反向推理算法,及时找到故障源. 通过在常压塔装置故障诊断上的实验,结果表明该方法能够及时有效地检测、识别控制系统的各种故障(人为误操作、控制器故障等),可应用到实际生产的故障诊断中.     

含隐变量和选择偏差的图模型中的因果推断

Bayes网络常用于多变量间的因果推断,但当存在未观测的隐变量和选择变量时,这种图模型往往无法正确描述观测变量间的因果关系。作者利用在观测变量上构造的最大祖先图模型刻画观测变量间的独立性关系和因果结构,并提出了具体的实现算法,从而可由观测数据来推断这类不完全观测下的部分因果关系。     

含隐变量和选择偏差的图模型中的因果推断

Bayes网络常用于多变量间的因果推断,但当存在未观测的隐变量和选择变量时,这种图模型往往无法正确描述观测变量间的因果关系。作者利用在观测变量上构造的最大祖先图模型刻画观测变量间的独立性关系和因果结构,并提出了具体的实现算法,从而可由观测数据来推断这类不完全观测下的部分因果关系。     

基于SDG模型的AMT重型越野车离合器接合过程故障诊断

针对AMT重型越野车离合器接合过程中故障多发且不易诊断的问题,基于符号有向图(signed directed graph, SDG)模型,为离合器接合过程的故障诊断提出了一种新的方法. 以离合器接合过程中最复杂的车辆起步接合为例,建立了其工作过程的SDG模型,通过实际测得量以及对模型中节点和有向边的分析,查找出故障源,完成故障诊断功能. 结果表明,SDG模型对于AMT系统离合器接合过程故障诊断有效且实用.      

基于贝叶斯方法的知识发现

贝叶斯方法是概率统计学中一种很重要的方法。贝叶斯网络就是根据各个变量之间概率关系用图论方法建立的模型,本将概率统计的贝叶斯规则应用于知识发现,建立图论模型进行数据挖掘,章最后应用贝叶斯网络对于实际的数据库进行知识发现,其结果说明了这种方法的有效性。     

大规模复杂系统的递阶SDG模型描述及故障分析

讨论了3层结构的递阶SDG(signed directed graph)模型的描述方法,将单层的模型转化为多层递阶的模型,以提高推理效率而不丢失可能解,解决大规模复杂系统中图搜索计算复杂度高的问题.SDG模型的3层结构中顶层是独立或因果关系清楚的子系统,粗线条描述系统功能框架;中间层是主要变量和控制系统,描述系统的整体流程;底层是所有变量(过程变量、控制变量等),描述变量之间的因果影响关系.进行故障分析时,根据初始响应由上至下逐层进行搜索,寻找可能的故障源和后果.最后,对一个电厂发电机组的实例进行了建模和分析,证明了所提出方法的有效性.     

基于模糊概率符号有向图的复杂系统故障诊断

通过分析复杂系统的故障信息传递特性,在符号有向图(SDG)中引入了状态关联概率和模糊信息,并结合面向对象技术提出了一种新的故障描述模型--模糊概率有向图.给出了基于此模型的建模方法和诊断流程.进一步引入消息节点和支路,通过连接各子实体对象的模糊概率SDG模型,构成整个复杂系统的模糊概率SDG系统.该模型能对复杂系统故障诊断中存在的复杂关联关系进行建模与故障诊断.利用该方法建立了某武器平台的故障诊断系统,实验结果表明提出的方法有效且实用.     

基于粒计算-SDG的故障诊断仿真平台

针对目前实际工业系统不允许在运行中进行实时的故障诊断试验及研究的问题,设计了基于Matlab中GUI的高温硝酸冷却系统的故障诊断仿真试验平台。本试验平台采用符号有向图的深层知识模型和反向推理方法,利用系统模型中的相容通路,推理基本故障的故障诊断规则,引入信息粒度和信息粒化原理,实现了粒矩阵的知识约简算法,构建了基于粒计算-SDG的故障诊断方法。最后通过实验验证了该仿真试验平台的有效性。     

SDG故障诊断模型的检验和验证

将定量模型检验和验证的思想应用于符号有向图（SG或SDG）定性故障诊断模型,以使其达到较高的完备性和分辨率。基于SDG HAZOP平台,提出了针对SDG定性模型检验和验证的非正式检验、静态检查、动态试验和诊断结果半定量风险分析的4个关键步骤,给出了静态检查中的操作点非正常原因可达性检验和不利后果可达性检验步骤的具体内容。以加热炉SDG故障诊断模型为例,验证了上述步骤的有效性。     

复杂机电产品基于元动作分解的可靠性建模及故障诊断

为了探讨复杂运动机电产品的故障诊断方法,按照功能-运动-动作(functionsmovement-action,FMA)对复杂机电产品进行结构化分解,根据结构化分解和符号有向图提出了复杂机电产品的可靠性故障诊断模型。为了进一步提高模型的故障诊断能力,将复杂机电产品的元动作定量信息加入模型中,利用模糊数学理论对元动作故障进行定量诊断。采用该方法可以通过对产品运行的变量监测,提高对产品故障的识别能力,为运动复杂机电产品的故障诊断提供基础模型。最后,以某型号加工中心刀库为例,验证了方法的可行性。     

基于蟑螂算法的产品拆卸序列规划

文章为研究废弃产品的拆卸序列规划,首先建立了产品拆卸模型混合图,描述零部件之间的连接关系和优先关系,推导出可拆卸性条件;其次,通过几何推理生成产品可行的初始拆卸序列,建立目标函数并构建适合拆卸序列规划的蟑螂算法;依据初始拆卸序列和其他控制参数,结合蟑螂算法对拆卸序列进行优化得到最优解;最后,通过实例验证了该方法的可行性...     

基于拉普拉斯正则化概率主元分析的故障检测

概率主元分析(PPCA)及其扩展方法用于过程监测时,只提取了过程数据的全局特征,并未考虑数据的局部结构.当数据的流形结构复杂时,传统的全局建模方法难以获得准确的预测效果.提出了一种基于拉普拉斯正则化的概率主成分(LapPPCA)模型,将数据的流形结构引入到传统概率模型的似然函数中,使得LapPPCA能够同时提出数据的全局和局部特性.同时提出了基于LapPPCA的过程监测模型,并在田纳西-伊斯曼(TE)过程上验证了该方法的有效性.     

Fuzzy-Expert Diagnostics for Detecting and Locating Internal Faults in Three Phase Induction Motors

Internal faults in three phase induction motors can result in serious performance degradation and eventual system failures if not properly detected and treated in time. Artificial intelligence techniques, the core of soft-computing, have numerous advantages over conventional fault diagnostic approaches; therefore, a soft-computing system was developed to detect and diagnose electric motor faults. The fault diagnostic system for three-phase induction motors samples the fault symptoms and then uses a fuzzy-expert forward inference model to identify the fault. This paper describes how to define the membership functions and fuzzy sets based on the fault symptoms and how to construct the hierarchical fuzzy inference nets with the propagation of probabilities concerning the uncertainty of faults. The designed hierarchical fuzzy inference nets efficiently detect and diagnose the fault type and exact location in a three phase induction motor. The validity and effectiveness of this approach is clearly shown from obtained testing results.     

基于粒子滤波器的移动机器人惯导传感器故障诊断

提出一种粒子滤波器方法用于诊断移动机器人惯性导航系统传感器故障.该方法将基于规则的推理与多粒子滤波器结合,利用规则推理确定机器人运动状态,每一种运动状态用一个粒子滤波器监视.该方法有效地解决了单个粒子滤波器难以表示复杂逻辑的问题,降低了每个粒子滤波器的粒子数,从而提高了诊断效率和精度.对移动机器人在5种平面运动状态下(静止、直线运动、转动等)的8种工作模式(包括1种正常工作模式和7种故障模式)进行监视的仿真结果表明,采用所提出的方法可以有效地识别惯导系统的1个或多个硬故障.     

基于时空兴趣点和主题模型的动作识别

提出了一种新的基于概率主题模型的人体动作识别方法.该方法利用局部的时空兴趣点特征,采用词袋(bag of words)的方法对跑、跳、挥手等几种常见的动作进行表示.利用概率主题模型,使视频的动作类别标记对应于概率模型中的隐含变量,通过对隐变量的推断,实现对整个视频的动作分类.该算法还可以将每个兴趣点划分为不同的动作类别...     

应用变量因果序分析的符号有向图建模方法

针对传统符号有向图(SDG)建模方法容易引入虚假因果关系的问题,利用因果序分析时系统各阶自含结构进行逐层分解,通过各阶变量完全子集迭代解析平衡结构变量的层级因果关系,以及典范式积分链的约简导出动态结构变量的层级因果关系,运用中间变量的衔接作用,结合变量系数辨识定性的因果影响效果,实现了平衡、动态及混合结构的线性系统SDG模型的构建.以串联存储系统为实例进行验证,结果表明该方法消除了以系统方程等式关系直接导出SDG模型引入的虚假因果关系,且辨识出多处潜在的因果关系,与传统的SDG建模方法相比,以该方法构建的SDG模型精度更高,而且完备性较好.     

贝叶斯网络推理分析的团树传播算法——以停车行为分析为例

介绍了贝叶斯网络的基本概念及其推理模式和推理算法,重点进行了团树传播算法研究,应用Matlab软件的jtree_inf_engine模块实现了团树传播算法编程,并以停车行为分析的贝叶斯网络为例进行了预测、诊断、原因关联和混合4种推理分析,根据推理结果总结了城市居民的停车决策行为特征。研究结果表明,团树传播算法可用于贝叶斯网络未知参数的推理和变量间的关系学习。