基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法

为了提升电网复杂故障时的态势感知能力,提出了基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法.首先,基于层次化、动态建模的思想,在建立元件一般故障诊断模型的基础上,引入浮动库所、浮动弧、浮动变迁的概念来合理的体现主保护、断路器以及后备保护之间的逻辑关系,建立了元件复杂故障时的诊断模型;其次,挖掘故障信息源的特性进行预处理,依据故障类型动态建立相应Petri网诊断模型;再次,利用改进的遗传算法对模型中的参数进行了训练、优化;最后,探讨了该Petri网故障诊断模型的容错性、通用性.对算例系统仿真的结果表明:该方法突出了故障诊断过程的层次性、可理解性,提升了诊断模型的透明性、改善了诊断模型的易维护性,在电网复杂故障的情况下诊断结果仍具有较高的准确度,并呈现有较好的容错性.     

动态系统故障的混杂传播特征及建模方法

动态系统的故障传播过程是由离散事件、连续特性及其相互作用共同驱动的,具有显著的混杂特征,为故障规律认知与建模带来了较大的难度。现有研究将故障视为离散随机事件,分析由单元随机故障发生到系统失效的离散故障过程,却忽略了连续特性对故障传播的影响,本质上是对故障混杂传播的工程简化处理,不能真实地描述动态系统的故障规律。首先在分析动态系统故障规律的基础上,给出了离散与连续双维度下的动态系统故障混杂传播的定义,分析了其混杂影响要素以及混杂传播特征;其次,为了完整准确描述混杂特征,借鉴混杂理论在描述离散事件与连续参数相互作用方面的优势,提出了基于随机混杂自动机(stochastic hybrid automata,SHA)的故障混杂传播建模方法;最后通过对某温度控制系统的故障混杂传播过程进行建模和仿真,验证了动态系统故障传播过程中的混杂特征,以及建模方法的可行性。     

基于NN/ES的高压输电线路在线故障综合诊断和分析的智能系统

提出了电力系统构成传统信息和智能信息相结合的新型信息网系统的必要性。并研究和构造了基于ＮＮ／ＥＳ的高压输电线路在线故障综合诊断和分析的智能系统（ＴＬＦＤＩＳ），为电力系统调度中心提供故障智能信息。它是根据故障录波、测距、事件顺序记录、保护和断路器等信息，对输电线路系统涉及的全部设备（一、二次设备）的故障综合诊断，并具性能预诊断的功能。     

基于扩展的关联模型的测试性分析技术研究

关联模型由信息流图和故障-测试关联矩阵两部分构成,该模型广泛应用于系统级的测试性分析与设计。为了便于分析反馈环路、故障传播的层次性、解析冗余测试等测试性参数,文章在故障-测试关联矩阵的基础上,构建了故障-故障关联矩阵和测试-测试关联矩阵,得到扩展的关联模型,并基于扩展的关联模型建立了模糊组、反馈环路、解析冗余测试、隐含故障、伪故障等测试性参数的数学模型,最后利用案例演示了扩展关联建模和测试性分析过程。     

关于一类弹性体的特性参数的辩识

弹性体的横向振动 ,可以用一个四阶偏微分方程描述 .但是 ,有些弹性体 (如河堤、烟囱等 )有一段处于某种介质中 ,不易检测该段是否发生故障 .本文给出了在点量测下对这类弹性体的特性参数进行辨识的方法 ,从而检测出故障发生之处 .     

液体推进剂导弹全动力系统稳态故障仿真(一)

为了对液体推进剂导弹动力系统进行稳态故障分析、仿真、检测、诊断以及研制箭载监控系统，必须建立其全系统稳态故障模型。通过对动力系统稳态工作过程，特别是自生增压系统的动力学分析、故障特性分析、故障因素的作用机理的分析、故障因素的引入方法研究等，依据某导弹动力系统的实际结构，完整地建立了该导弹动力系统的全系统稳态故障模型方程。与单纯的发动机系统模型相比，该模型能够模拟飞行状态的稳态故障，能更全面更好地分析动力系统的稳态故障特性。     

基于作业成本法的参数成本估算模型与方法研究

指出了目前参数成本估算对生产耗用资源市场价格的波动考虑不充分、所用历史成本数据缺乏真实性与可比性、对成本形成原因不能识别和反馈控制等缺陷.依据作业成本法“产品消耗作业,作业消耗资源”的思想,建立了从产品属性确认开始,经过作业动因、资源动因、再到作业成本、产品成本的参数成本估算模型.给出了运用主成分分析对产品主要特性指标降维的方法,运用径向基函数神经网络构建了作业估算关系(AER),并进行了案例分析.     

软件失信的根源因素:失信因子

如何保证软件可信性是目前软件工程研究领域的热点话题之一. 从逆向思维的角度围绕软件失信展开三方面的研究.基于软件可信性的概念,分析软件失信及失效、故障、缺陷、错误之间的关系, 进而提出“失信因子"这一新的概念;通过分析失信因子与软件风险因素内涵的差异,指出了失信因子概念提出的基础性和重要性, 并给出软件失信链,延伸了传统的失效链;通过构建一种基于WBS-RBS的识别框架探讨了对失信因子收集、识别和分类的方法.结合示例,验证了所提概念的合理性.特别强调,在软件开发过程中,软件可信性的保障应着眼于控制、 改善失信因子这一根源性的因素,而非缺陷和故障等表征现象.     

液体推进剂导弹全动力系统动态故障仿真(一)

为了仿真液体推进剂导弹动力系统动态故障，通过对动力系统，特别是自生增压系统动态工作过程的过渡特性分析、故障特性分析和故障因素的引入方法研究，依据某导弹动力系统的实际结构，完整地建立了该导弹动力系统的全系统动态故障模型方程。该模型可用于仿真整个动力系统的过渡工作过程和全面地分析动力系统的动态故障特性。     

贫信息背景下基于矩域灰点排序的灰FMECA模型

为解决贫信息背景下对系统进行故障模式、影响及危害性分析(failure mode, effects and criticality analysis, FMECA)受故障信息少、故障数据部分未知等问题限制, 同时为有限定量危害性矩阵分析方法的缺陷, 提出了适用于贫信息背景的灰FMECA模型。首先对危害性矩阵图进行规范化改进, 统一横纵坐标轴量纲, 提出危害度权重比概念以规范作图比例; 然后在危害度计算中引入区间灰数, 提出矩域灰点概念以表征故障模式难以确知的危害性; 最后依照不确定型决策思想给出矩域灰点的一般排序规则, 为贫信息背景的故障模式危害性排序提供解决方案。通过某航天飞机主发动机高压燃料涡轮泵进行案例研究, 验证了所提模型的有效性。     

基于仿真的模拟电路故障知识获取新方法

由于专业知识要求高以及工作量大等问题，故障仿真技术在模拟电路故障知识获取过程中一直作为一种辅助手段使用。在总结通过故障仿真获取故障知识的一般过程的基础上，提出完全基于仿真的模拟电路故障知识获取自动化方法，该方法实质上是通过计算机用穷举法自动对所有可能故障进行仿真获取故障知识。讨论该方法面临的问题以及为解决问题采用的4个策略。实验结果证实新方法可行性。     

小波-神经网络在模拟电路故障诊断中的应用

小波变换具有时频局部化、多尺度分析等特性，而神经网络具有非线性映射、学习推理等优点，将二者结合起来，提出基于小波-神经网络的模拟电路故障诊断方法。采用正弦信号仿真模拟电路，应用小波变换对模拟电路响应的采样信号进行故障特征提取，建立故障字典，然后利用神经网络对各种状态下的特征向量进行分类决策，实现模拟电路的故障诊断。对标准电路仿真结果表明：该方法能够实现故障检测及定位，具有准确率高的特点。     

基于电流测试的混合信号电路故障检测和定位

针对集成电路测试中模拟和混合电路的测试问题,提出了一种基于小波分析的电流测试实现混合信号电路故障诊断的方法。该方法先测试电路在激励信号下的动态电流,再利用小波变换对采样动态电流信号进行小波分析来诊断电路是否存在故障,并进一步定位故障。对示例ADC电路仿真试验的结果表明该方法比积分法和傅立叶分析方法对故障有更高的灵敏度,不仅能够有效检测出电路中的各种故障,而且能对故障进行定位。     

小子样变总体下的Bayes测试性验证方法

现有测试性验证试验方案一般都需要较大的故障样本量,利用装备研制阶段的测试性数据则可能有效解决这一问题。但研制阶段的测试性数据和现场试验数据一样属于“小子样”且具有“变总体”特点,为此提出一种基于Bayes理论的测试性验证方法。首先根据装备研制各阶段积累的测试性试验信息构建装备测试性参数故障检测/隔离率(fault detection rate/fault isolation rate,FDR/FIR)的动态增长模型,用以揭示装备测试性水平的动态变化规律,并对其测试性指标进行预测。然后根据最大熵原理计算系统FDR/FIR的先验分布。最后结合少量现场试验数据,根据Bayes最大验后风险准则制定装备测试性验 证方案,对装备测试性指标进行验证。通过实例对比分析表明,该方法有效融合了研制阶段数据与现场试验数据,能在小样本的情况下提高验证结论的置信度,降低评估风险。     

Extended research on software hybrid testing combining reliability and directed testing

The software reliability testing has many disadvantages in practice,such as high complexity of constructing operational profiles and poor fault detection efficiency.Oppositely,the directed testing with a high fault detection rate is incapable of estimating reliability quantificationally.To solve this problem,a hybrid testing combining reliability and directed testing as well as a reliability model based on the order statistic(OS) model were presented by Mitchell.An extended research on Mitchell’s work is proposed.Firstly,the most proper distribution of the fault’s failure rate which tends to be lognormal is suggested,and a detailed form of the OS model based on lognormal and the corresponding parameter estimation method are proposed,respectively.Secondly,an implementing framework for the hybrid testing is proposed.Finally,the hybrid testing and the OS model are applied on a real website system.The experimental results indicate:the hybrid testing has more efficient fault detection power and lower testing cost than the reliability testing;compared with three traditional software reliability growth models,the OS model has a best or pretty estimation or prediction power for each data set;and for the failure data set collected from hybrid testing,the OS model also achieves an acceptable estimation result.     

一种改进的SRAM并行BIST电路设计

对系统嵌入式存储器进行测试是非常重要的,内建自测试(built inself test,BIST)方法是系统工作期间测试存储器的有效方法。基于存储器透明(Transparent)测试的TRSMarch算法,提出了一种改进的SRAM并行透明测试BIST接口电路。该电路适应不同大小的存储器,执行测试并响应测试中断,同时由于采用边界扫描单元,可以通过边界扫描结构(JTAG)对存储器进行有选择的测试。给出了相应BIST控制器的电路实现及其仿真结果。测试电路能实现TRSMarch算法,具有故障覆盖率高、硬件开销小的特点。     

基于人工神经网络的电路故障诊断专家系统

分析了电路故障的复杂性。针对传统电路专家诊断系统的不足 ,结合人工神经网络用于故障诊断的优点 ,构造了一种新型神经网络电路故障诊断专家系统。该系统采用数据表格形式表示测试诊断知识 ,使知识表达更为清晰 ,推理过程更具智能性 ,在实际运用中 ,诊断效率有很大提高。着重介绍了该系统的设计思想、组成结构和工作原理。     

基于可编程逻辑器和VHDL语言的容错电路设计

论述了最新的可编程逻辑技术和硬件描述语言VHDL在数字电路系统的设计和仿真中的应用。这种方法的优点是可以用简单的软件语言代替复杂的电子电路硬件,针对传统的数字电路系统中故障检测电路和容错电路硬件设计较为复杂的问题进行了分析和简化设计。在此基础之上进行了数字系统的三通道/单通道筛选冗余容错电路的设计和仿真。     

WPA-IGA-BP神经网络的模拟电路故障诊断

针对模拟电路渐变性故障中的特征提取困难和故障信号无法进行有效分类的问题, 提出利用免疫遗传算法(immune genetic algorithm, IGA)优化反向传播(back propagation, BP)神经网络中参数寻优过程, 从而实现模拟电路故障诊断。首先, 采用小波包分析(wavelet package analysis, WPA), 对模拟电路输出响应进行4层小波分解和重构, 完成特征向量的提取。然后, 采用IGA优化BP神经网络进行训练及测试, 实现对不同故障进行故障诊断。最后, 通过两个模拟电路仿真实验对该方法进行实验验证。实验结果表明, 与优化前的BP神经网络相比, 所提方法提高故障诊断的准确率约15%。