基于Copula的海洋生态系统的稳态转换

基于藻类与食植鱼类的生态动力学模型,采用非线性动力学方法,确定了典型控制参数的分岔区域．运用Copula方法,通过历史数据得到控制参数的概率分布．以分岔区域作为不同状态,建立了系统状态转移的马尔科夫链模型运用蒙特卡罗方法计算转移概率矩阵,得到多稳态转换的平稳概率,并得到了使期望状态平稳概率最大化的控制参数值     

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.     

信息缺失时基于HMM的故障诊断方法

在突发事件导致的事故中,状态监测与故障诊断系统的研究对象已经发生很大的变化,常规设计的状态监测与故障诊断系统往往很难满足要求.文章针对信息缺失提出了一种新的状态监测与故障诊断方法.该方法基于HMM模型的似然率计算过程,提出在发生信息缺失时,对缺失信号依据各模型采用最大似然率填充的方式进行故障诊断,并通过实际数据的测试实验对该方法进行了验证.验证结果表明,信号缺失时依据各模型采用最大似然率填充的方式进行故障诊断的方法是有效的.     

基于车载检测的列车轮对踏面擦伤故障诊断研究

为确保高速列车的行车安全,需实时监测列车轮对的运行状态,提出了基于惯性基准法的车载轮对几何参数的检测方法,并在此基础上设计了基于粗糙集理论(RS)和支持向量机(SVM)的轮对踏面擦伤故障诊断模型,对轮对踏面进行状态监测与故障诊断。整个故障诊断方法为:首先利用传感器组采集轮对几何参数,将采集数据用时间对准算法进行对准;然后将对准数据进行小波包分析、构造故障特征集;再用粗糙集理论进行属性约简,提取特征集,消除冗余信息;最后使用支持向量机构建故障诊断模型进行故障分类,从而实现轮对踏面擦伤故障实时诊断。MATLAB仿真分析表明,使用该故障诊断方法构建故障诊断模型时间短(为0.226 633 s),诊断准确率高,达100%,取得了较好的诊断效果。文中所用方法也可以推广应用到如轨道交通、船泊、采矿等有旋转体并需要进行实时数据采集、状态监测与故障诊断的领域。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

多源时域时频域数据融合故障诊断方法及其应用

本文介绍并构建了故障特征向量,给出了一种多源时域时频域数据融合故障诊断方法,用神经网络给出了基本概率分配,证据理论融合各传感器的信号而得诊断结果。对液压泵进行了试验,结果表明,该诊断系统充分利用了多源数据的冗余互补信息,提高了诊断的可靠性和准确性,降低了诊断的不确定性。     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

基于时效性分析的动态贝叶斯网络故障诊断方法

针对柴油机多源信息故障诊断中,由传感器采集的不确定性信息造成的融合误差问题,从多源传感器信息时效性角度,提出一种基于信息时效性机会窗口的动态贝叶斯网络故障诊断方法.首先,根据多源传感器不确定性信息的变化规律建立信息时效性机会窗口,计算得到目标状态偏离信息;其次,利用目标状态偏离信息动态调节贝叶斯网络观测节点信息效用,降低不确定性信息对融合误差的影响.R6105AZLD柴油机台架试验表明,引入该方法后故障诊断灵敏度增强,故障后验概率的对比差距提高到35%.     

基于概率冗余调度的可靠P2P计算模型

为了实现动态、不稳定环境下的可靠P2P计算,提出了一种基于概率冗余调度的可靠P2P计算模型.该模型利用P2P任务调度成功率与资源稳定性、资源冗余度之间的概率关系计算任务调度的优化冗余度,不仅能获得较好的任务调度性能,而且在概率上保证了系统任务调度的可靠性.文中还设计了基于概率冗余的可靠任务调度算法,实验结果验证了提出的模型和算法的有效性.     

基于小波特征提取和概率神经网络的机械故障诊断

论述了基于离散小波变换系数的特征提取和概率神经网络在机械故障诊断中的应用。该方法利用离散小波获取振动信号各有效频带的能量作为故障参数,用概率神经网络构建设备运行状态模型,根据历史数据确定故障值并设置故障参数。实验结果从应用程序对轴承故障诊断表明,相比传统方法,该方法能够有效地提取测试信号内在的重要信息内容,并增加机械整体故障诊断的准确性,在机械设备故障处理系统中有良好的应用前景。     

基于贝叶斯网络的空调冷水阀故障检测与诊断

针对空调系统运行中所产生的很多不确定性故障问题,建立了贝叶斯网络模型,开发了多故障状态的贝叶斯概率计算模型,利用Leaky Noisy-Max模型进行贝叶斯网络参数学习,提出了基于故障特征准则和阈值判别的故障检测与诊断技术。采用现场实测数据,以冷水阀故障为例,验证了该技术的可行性。结果表明,该技术能够诊断出冷水阀故障,诊断结果能够快速定位故障产生源,从而提高空调运行系统的稳定性。     

可拓理论与SOM网络相结合的多故障诊断方法

 针对采用SOM 网络进行多故障诊断时,要求多故障模式相似且不包含标准故障输出的限制,提出将SOM 网络与可拓理论相结合的多故障诊断方法.首先采用SOM 网络对训练样本进行聚类,得到故障模式及其聚类中心.然后针对每种故障模式的每个特征构造在聚类中心处取得最大值的关联函数,并以各特征的关联函数值为基础,设计多故障评价指标实现多故障诊断.最后采用汽轮发电机组振动信号的频谱数据对算法进行验证,结果表明该方法能够正确识别待诊断样本的单故障和多故障模式,具有可行性.     

基于支持向量机的机械故障诊断方法研究

针对因缺少大量故障数据样本而制约机械故障智能诊断发展的问题，提出了一种基于支持向量机的机械故障诊断新方法，介绍了该方法的原理和算法，并利用模拟故障数据建立了多故障分类器。这种诊断方法只需要少量的时域故障数据样本来训练故障分类器，不必进行信号预处理以提取特征量，便可实现多故障的识别和诊断。测试结果表明，当数据样本中含有26％的噪声时，故障分类器仍然能正确分类多种故障。这种诊断方法具有算法简单、可对故障在张分类和故障分类能力强的优点。     

基于支持向量域描述的多故障诊断动态模型

为了提高多故障诊断中对新故障类别和新故障数据的适应性，提出了一种新的多故障诊断动态模型．该模型采用支持向量域描述算法（SVDD）对多类故障进行单独训练，建立独立而封闭的特征空间，满足故障类别的动态增加需要，并采用样本与各特征空间的相对距离进行了多故障的混合识别．应用在线SVDD算法，在已有的故障特征分布信息基础上，通过更新操作，学习新数据信息，从而实现了故障模式的动态调整．通过仿真和机械故障实例数据的检验，表明该模型能够动态地提取多类故障的特征信息，改善诊断学习过程的适应性．     

锂离子动力电池传感器多故障诊断策略综述

锂离子电池作为新一代可充电电源,具有能量密度大、安全性能高等优点,显示出了广阔的市场前景。但锂离子电池在运行过程中会发生各种内、外部故障,所以锂离子电池安全问题一直备受关注。锂离子电池里的传感器正常运行是保证对电池系统实时监测的关键,但是传感器故障微小且不易察觉,并且故障具有关联性、并发性的特征,可能引起多故障的发生,进而触发热失控的风险。所以如何保证传感器精确、快速的进行锂离子电池故障检测与诊断是确保安全稳定运行的关键。本文首先从锂离子电池结构出发总结了锂离子故障的类型及成因,并详细分析了传感器故障和多故障产生的机理。然后,对锂离子电池从单体电池到电池包所涉及的传感器故障和多故障诊断策略进行全面的阐述,并且分析了可能成为未来发展趋势的传感器多故障协同诊断策略和电池新模式下的故障诊断方式（如气体检测等）。最后,以全文锂离子电池的传感器多故障研究的重难点,提出了传感器多故障诊断未来可能的研究方向。     

Support vector machine based on chaos particle swarm optimization for fault diagnosis of rotating machine

The performance of the support vector machine models depends on a proper setting of its parameters to a great extent.A novel method of searching the optimal parameters of support vector machine based on chaos particle swarm optimization is proposed.A multi-fault classification model based on SVM optimized by chaos particle swarm optimization is established and applied to the fault diagnosis of rotating machines.The results show that the proposed fault classification model outperforms the neural network trai...     

模糊实物期权方法在煤层气项目价值评估中的应用

在煤层气价格和成本均随机的条件下,利用梯形模糊数优化实物期权模型中的相关参数,建立了模糊实物期权模型,给出了煤层气项目投资开发的价值区间,投资临界值区间和临界值可达概率区间,通过数值计算验证了所建模型的合理性与有效性.     

基于数据挖掘模型的配电网故障定位诊断

由于配电网故障定位所依据的故障信息来自于户外的FTU，其运行环境较恶劣，元器件受损或信息丢失的可能性高，易形成变异故障模式，导致故障定位的错判，提出基于粗糙集（RS）理论和遗传算法（GA）相结合的数据挖掘（DM）模型来处理实时输入信息的畴变和实现配电网的故障定位。首先通过RS对变异故障信息域的数据集进行划分，再用GA挖掘出输入信息与故障定位诊断结果间冗余关系及内在关联性规则。经仿真测试证明，基于DM模型的故障定位与基于常规前馈神经网络（FNN）故障定位原理相比，前者具更高的容错性能。     

基于稀疏性贝叶斯极限学习机的气动调节阀多类故障诊断

气动调节阀是工业过程中使用最广泛的终端执行机构之一,它的性能好坏直接影响控制回路的性能.将基于稀疏性贝叶斯的极限学习机(SBELM)方法运用于多类故障诊断,基于DAMADICS平台的典型气动调节阀多类故障模型数据通过SBELM进行训练.不仅能根据模型的先验知识和基于最大后验概率准则(MAP)的贝叶斯思想估计出模型输出的概率分布,而且能基于设定的性能指标自动剔除无用的训练样本,用一小部分观测数据达到多故障分类的目的,能训练出一个精确且紧凑的故障诊断模型.     

融合粗糙集和证据理论的车地无线通信设备故障诊断

针对车地无线通信设备故障诊断信息不一致的情况进行故障推理和诊断,提出了一种融合粗糙集与证据理论综合集成的车地无线通信设备故障诊断方法.该方法首先利用粗糙集剔除故障特征数据的冗余成分,提取互不相关的必需特征,将车地无线通信设备故障诊断问题用一个不同简化层次的故障决策网络表示,由网络节点根据定义出的规则置信度和覆盖度可推导出对应有效的故障诊断规则集合.在建立规则库的基础上,引入基于证据理论的信息融合技术,解决多传感器故障监测数据与诊断规则准确匹配的问题,建立故障推理机制,便可方便得出车地无线通信单元故障诊断结果,实例分析表明该方法能有效提高模型故障诊断能力,具有较强实用性.