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。     

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.     

一种基于模糊集的混合空间推理方法

基于模糊集合理论, 提出一种将定性空间推理与定量空间推理相结合进行混合空间推理的方法. 将对象间的空间关系解释为表达有关对象空间信息语言变量的限制, 引入语言变量表达定性空间关系; 把语言变量与模糊集合关联起来, 获得定量空间信息; 通过将语言值映射为模糊集合, 以及将模糊集合的元素映射为语言限制词, 实现了定性空间信息和定量空间信息间的转换. 此外, 还给出了与Allen提出的二元基 本关系关联的模糊关系, 并得到了基于模糊关系的Allen推理算法, 从而实现了空间关系间 的推理.     

基于因素神经网络的软件工程质量评价

基于模糊理论及因素神经网络的优点,提出了一种软件工程质量评价模型.该模型具有推理过程清晰,应用性好等特点.应用该模型进行软件工程质量评价,不但可以反映定量因素对软件工程质量的影响,而且对非定量因素的影响也可作出全面的评价,从而为建立一个精确的软件工程质量评价体系提供了一条新途径.     

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。     

基于双枝模糊逻辑的攻击模型BBFPAN模糊推理算法

针对基于MYCIN置信度方法的攻击模型BBFPAN推理算法,无法反映网络攻击过程中各结点的状态变化情况的缺点。以双枝模糊逻辑理论为理论基础,提出了BBFPAN模型推理的基本规则,并依据该基本推理规则,结合BBFPAN模型的定义,给出其相应基于双枝模糊逻辑的推理算法。在该推理算法中,预设起始库所集Pset、中间状态库所集Pg、可激发变迁集Tset,通过这三个集合元素的变化情况清晰地反映网络攻击的整个过程,为安全预警提供了依据。     

加权模糊Petri网的正向推理算法

通过引入补弧,使加权模糊Petri网能够处理含有非命题的规则.提出一种建立在加权模糊Petri网模型上的形式化正向推理算法,将加权模糊Petri网与矩阵运算结合,通过矩阵运算来实现推理.     

基于默认推理的加权模糊Petri网模型

在实际推理过程中，默认推理是一种重要的手段或方法．提出了一种基于默认推理的加权模糊Petri网模型．在现有的九元组模型基础上增加了变迁的输入库所最小权重的阈值函数C这一模型参数，此参数由专家根据变迁的不同实际意义来取值．分别对三种基本的模糊产生规则进行分析，讨论C的取值，并在此基础上给出了相应的默认推理算法．最后，通过实例说明此模型可以很好的用于默认推理，且推理算法简单、直观，更贴近现实推理并可以提高推理效率．     

基于改进T-S云推理网络的板形模式识别方法

将云模型与T-S模糊神经网络相结合,利用正态云代替模糊神经网络的隶属度函数,构成T-S云推理网络.该网络综合考虑了模糊逻辑的快速性和云模型处理数据的不确定性,增强了网络处理数据的能力,同时分析了T-S云推理网络的结构和稳定性.在超熵确定的情况下,使用最速下降法辨识了T-S云推理网络的参数,将该网络应用于板形模式识别,并与T-S模糊神经网络作了对比.仿真结果表明:T-S云推理网络抗干扰能力较强,能够识别出常见的板形缺陷,并且识别精度较高.     

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.     

Probabilistic SDG model description and fault inference for large-scale complex systems

Large-scale complex systems have the feature of including large amount of variables that have complex relationships, for which signed directed graph （SDG） model could serve as a significant tool by describing the causal relationships among variables. Although qualitative SDG expresses the causing effects between variables easily and clearly, it has many disadvantages or limitations. Probabilistic SDG proposed in the article describes deliver relationships among faults and variables by conditional probabilities, which contains more information and performs more applicability. The article introduces the concepts and con- struction approaches of probabilistic SDG, and presents the inference approaches aiming at fault diagnosis in this framework, i.e. Bayesian inference with graph elimination or junction tree algorithms to compute fault probabilities. Finally, the probabilistic SDG of a typical example of 65t/h boiler system is given.     

一种基于机器学习的专家系统知识获取方法

提出一种基于机器学习的混合知识获取方法,该方法结合了基于历史数据的规则提取方法和基于模型的规则提取方法。使用这两种方法提取规则,将其应用于对原油电脱盐系统的故障诊断中。实验结果表明,该方法能够有效的进行规则的提取,为故障诊断打下了良好的基础。其中基于历史数据的规则提取方法通过基于遗传算法的粗糙集约简来实现;基于模型的规则提取方法利用了符号有向图(SDG)的计算机自动推理结果,将因果图转化为规则。利用两种规则获取方法同时充实专家系统知识库,提供覆盖整个工艺流程的知识。     

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.      

面向对象技术在农作物区划专家系统的应用

把面向对象技术应用于专家系统知识库和推理机的建造,提出了一种基于规则推理网络模型优化搜索的设计思路,并讨论了系统的软件实现技术。推理模型由数据驱动,采用广度优先遍历模型推理网络,可降低授索次数。将其应用于吉林省农作物熟区动态区划专家系统的开发中,采用模块化设计,推理过程单独设计一个推理类,比传统的推理机节省了一半以上的搜索次数,取得了很好效果。在实例应用中采用定性与定量相结合的综合多级推理,该方法降低了问题求解的难度,更加贴近人类专家的思维过程。     

基于粗糙集理论的数据挖掘模型

提出了一种基于粗糙集理论的数据挖掘模型,以利于信息不完备情况下的推理和决策问题的解决和研究。该模型从已知数据的初始决策系统出发,建立一系列的不同简化层次的子系统,然后推导出各个子系统的规则集,其中每条规则都有相应的置信度。在应用模型进行推理和决策分析时,用给定对象的信息与模型中相应节点的规则进行匹配,然后选用某种评判算法得出结论。给出了一个简单的例子来说明如何建立和应用这种数据挖掘模型。这样的模型可以很方便地根据给定的信息,在最符合的子系统上得出尽可能好的结论。     

一种基于概率神经网络模型的胃病诊断专家系统

给出了将神经网络与基于规则的专家系统结合起来的一种神经网络模型,在这种模型中,一方面,领域知识以显式方式表示,神经网络的并行推理过程是可以理解和解释的;另一方面,由于通过贝中斯后验概率指定权值,因此避免了神经网络漫长的递归学习过程,提高了学习效率。