基于特征的机械设备状态趋势预报

提出了机械设备故障严重度的概念;给出了故障严重度的两种计算方法,一种是基于单一特征指标的计算方法,一种是基于多特征指标的计算方法．将故障严重度作为一个综合指标来预报机械故障的变化趋势．给出了基于特征的神经网络故障趋势预报模型和网络训练样本的构造方法,并用实例验证了该预报模型的准确性．     

一种考虑二级连锁过载的电网故障关联区域划分方法

针对电网的连锁过载,提出了一种基于聚类算法的故障关联区域划分方法。利用直流潮流法对初始故障支路和其余支路之间的内在关联因素进行了分析,给出了支路之间的关联作用矩阵;给出了一种评价支路连锁过载严重度的表达参量,并给出了反映任一初始故障支路造成其余支路功率越限的严重度矩阵以及连锁过载标识矩阵;利用该3种矩阵从初始故障对其余支路施加影响的角度以及其余支路遭受初始故障攻击的角度,给出了以聚类算法为核心的关联作用区域划分方法,该方法既考虑了支路之间的内在关联作用,也考虑了实际运行状态的影响,最后通过算例分析验证了该算法的合理性。     

基于云理论的人车冲突严重度研究

为科学判断过街行人与机动车冲突的严重度,提高过街行人安全性、减少交通事故风险,选取对过街行人与机动车冲突影响比较显著的碰撞时间(TTC)和冲突速度(CS)两个因子为评价指标,提出一种新的基于云理论的行人与机动车冲突严重度判别模型。首先,引入过街行人-机动车冲突的相关概念,分析碰撞时间和冲突速度对人车冲突安全性的影响,分析人车冲突严重度判别过程中评价指标自身的随机模糊性问题,建立评价指标属性离散标准,并由此构建人车冲突严重度矩阵,确定了人车冲突等级。然后,介绍了云模型相关理论,利用已建立的人车冲突严重度矩阵构建其云推理评估模型,实现了人车冲突严重度的定性概念与评价指标定量概念之间的自然转化;该模型充分利用云关联规则建立了云推理器,由此计算得到的冲突严重度和严重等级为最终评价结果,并根据冲突严重度对人车冲突进行了排序。最后,随机选取某条道路的过街人车冲突的样本数据,按提出模型计算得到了人车冲突严重等级,并与常用的评价方法相比,以验证该评价方法的合理性。研究结果表明,基于云理论的人车冲突严重度评价简单,判断准确性和可靠性较高,具有一定的应用价值。     

基于特征评估和神经网络的机械故障诊断模型

为了克服在无先验知识的情况下，人为选择时域无量纲指标作为故障敏感特征的盲目性，提出了一种基于特征评估和径向基函数（RBF）神经网络的机械故障诊断模型．该模型分别采用小波包和经验模式分解方法对原始振动信号进行分解，分别提取原始信号和各分解信号的时域无量纲指标组成联合特征，然后对联合特征进行评估，计算评估因子，并根据评估因子的大小选取敏感特征作为RBF神经网络的输入，实现对机器不同状态的自动识别．实验结果和工程应用表明，这种集成了小波包、经验模式分解、特征评估方法和RBF神经网络的机械故障诊断模型能够精细地获取故障信息，从大量的故障特征中筛选出敏感特征，因而减小了网络规模，提高了分类准确率，具有很强的鲁棒性．     

对发输电系统风险评估中负荷削减模型的探索

目前,在发输电系统的风险评估中,一般采用基于交流潮流的最优潮流模型或基于直流潮流的最优潮流模型进行可靠性指标的分析计算,但两种方法各有长短,单独采用任一种都不能得到较理想的结果。本文首先通过对基于交流潮流的最优潮流模型和基于直流潮流的最优潮流模型的优缺点的对比分析,然后结合到预想事故自动选择（ACS）的基本原理,最后提出了一种利用ACS将两种模型结合起来优势互补的想法,即先利用ACS分析给出不同严重程度故障一览表,再针对不同严重的故障采用不同的模型,以达到计算精度和速度最优化的目的。     

基于振动特征估计的气体绝缘开关设备故障检测与定位

为了有效检测气体绝缘金属全封闭开关设备(Gas Insulated Switchgear, GIS)故障,提出一种基于振动特征分析的GIS设备故障检测与定位方法。首先,选取GIS金属外壳多测点振动信号作为设备的状态变量。然后,构建多输出支持向量回归(Multi-Output Support Vector Regression, MOSVR)模型对GIS设备多测点振动特征进行回归估计,并利用多测点振动特征残差相对值计算故障预警指标。之后,利用指数移动加权平均方法计算自适应阈值来衡量故障预警指标的变化趋势以实现设备的故障检测。检测出故障后,利用箱形图分析多测点振动特征残差来定位设备故障。最后,利用现场实测信号验证了提出方法的有效性。     

计及元件综合影响力的电网安全性风险评估

电网安全性风险评估对提高系统安全运行能力、预防大停电事故发生具有重要意义。针对现有安全性风险评估方法对元件差异性表征的不足,提出一种基于元件综合影响力的安全性风险评估方法。从潮流转移的角度出发,运用复杂网络理论和熵理论,建立元件综合影响力指标,克服现有风险评估方法对元件差异性表征的欠缺;引入元件运行状态灵敏度指标,弥补传统严重度模型仅考虑元件状态裕度的不足。计及各指标间的关联性,采用AHP-坎蒂雷赋权法求取系统全局综合严重度指标。IEEE30节点系统仿真结果证明本文方法能够合理有效辨识N-1及N-k故障风险。     

数控装备质量的模糊物元综合评价方法

针对数控装备质量多层次指标评价问题,提出了一种基于模糊物元模型的综合评价方法。该方法利用模糊物元理论分析多个质量特性及其属性特征,并建立了数控装备质量综合评价模型。采用层次分析法和信息熵确定评价指标权重,建立基于最小二乘法的优化组合权重模型计算组合权重,并运用模糊物元法给出评价结果。实例研究表明该方法可行、合理。     

一种以泰勒展开为基础的数学模型及其自校正预报显式算法

从多元函数的泰勒展开出发，给出了一种描述离散系统的模型结构，并给出了基于这种模型所描述系统的自校正预报的显式算法。     

可修系统不完全维修连续比例强度模型及应用

为解决传统不完全维修模型难于工程应用的问题,基于边界强度过程理论,提出一种新的具有封闭形式解的连续比例强度模型。讨论模型的特性,推导模型参数及诸如给定时刻的条件可靠度、期望故障数、累积平均故障间隔时间等重要可靠性指标的极大似然点估计的计算公式,利用Fisher信息矩阵法和delta法给出模型参数及上述可靠性指标的区间估计,基于Akaike信息准则和拟合优度检验指标R,给出模型评价准则。以数控机床现场故障数据为例对所提方法进行验证。研究结果表明:应用本文方法可以获得数控机床可靠性指标封闭形式的解及置信区间,可以很好地应用于工程实际。     

电力负荷的混沌预测方法

借助混沌分析理论介绍了电力负荷时间序列的混沌性识别技术,给出了一种基于混沌负荷序列的预测方法－基于相空间轨迹演化模式的预报模型。该方法具有预测精度高、计算速度快的优点,在短期负荷预测中可获得相当满意的结果。     

基于模型的软件测试

基于模型的软件测试是软件编码阶段的主流测试方法之一。基于多年的测试实践，本文认为基于模型的软件测试技术具有测试效率高、对逻辑复杂故障测试效果好等特点，但是误报、漏报和故障机理是依然需要进一步研究的问题。本文对主要的测试模型进行了分析和分类，并对其故障密度等参数进行了初步的分析。最后，本文给出了一种基于模型的软件测试方法。     

电力负荷的混沌预测方法

借助混沌分析理论介绍了电力负荷时间序列的混沌性识别技术,给出了一种基于混沌负荷序列的预测方法--基于相空间轨迹演化模式的预报模型,该方法具有预测精度高、计算速度快的优点,在短期负荷预测中可获得相当满意的结果.     

基于模型的软件测试

基于模型的软件测试是软件编码阶段的主流测试方法之一。基于多年的测试实践，本文认为基于模型的软件测试技术具有测试效率高、对逻辑复杂故障测试效果好等特点，但是误报、漏报和故障机理是依然需要进一步研究的问题。本文对主要的测试模型进行了分析和分类，并对其故障密度等参数进行了初步的分析。最后，本文给出了一种基于模型的软件测试方法。     

基于改进HMM模型的组合服务故障诊断方法

针对现有组合Web服务诊断模型故障诊断准确率普遍不高的问题，提出一种新颖的基于改进隐马尔可夫模型(Improved-HMM)的故障诊断方法.首先，从组合服务监测数据中提取多维特征序列训练HMM模型.训练过程中，考虑到基于BW的方法仅在某观测条件下进行参数评估，获得的参数准确度不高，提出基于贝叶斯估计的学习方法，得到更客观的参数;进一步，基于改进的HMM模型计算当前特征序列对应的各类故障类型发生概率，推断最有可能的故障类型.实验结果表明，提出的方法具有较高的诊断率和较低的漏报率，适合在网络环境中进行实时故障检测.     

线性模拟电路支路故障诊断的传输矩阵算法

给出RLC元件和受控源的故障模型,引入故障标志参量,介绍故障参数的计算公式.说明支路故障诊断的原理及计算方法;介绍基于全故障模型的支路到测量口传递函数矩阵和故障支路间传递函数矩阵的一种简单算法,给出两个实例说明单故障诊断和多故障诊断问题及它们的解,用一个双故障诊断的计算机辅助分析程序作实例.     

基于回归分析与时序分析降水预报迭合模型的构建与实现

通过对大气降水序列确定性成分和随机性成分特征的分析,给出一种基于回归分析与时序分析降水预报迭合模型的构建方法.在分离和构造逐月降水序列趋势项、周期项和随机性项的基础上,给出基于Fortran和MATLAB的程序实现思路.最后给合实例验证了该方法的实用性和可行性.     

基于余弦相似度的复杂网络故障检测方法及应用

提出一种基于余弦相似度的复杂网络故障检测方法。利用余弦相似度确定变量之间的相关性，得到邻接矩阵，进而构建变量之间的网络模型；结合系统的网络拓扑结构，计算相应的复杂网络度量指标，对比故障状态与无故障状态下的网络结构与度量指标的差异，确定故障源；最后利用Tennessee-Eastman（TE）过程故障检测实例，结果表明，与偏相关系数方法对比，本文所提方法能有效且更准确地检测出故障。     

Elman回归神经网络在大坝安全监控中的应用

给出了E1man回归神经网络的网络结构和学习方法。基于E1man回归神经网络能够逼近任意非线性函数的特点，提出了一种基于E1man回归神经网络建立安全监控模型的方法。实验表明，所建立E1man神经网络模型收敛速度快，并且其拟合及预报精度高于统计模型和BP网络模型。     

一种考虑连锁过载和隐性故障的电网脆弱区域分析方法

针对电网的连锁过载现象,提出了一种划分和识别电网脆弱区域的算法。首先从初始故障支路对剩余系统支路产生作用的角度,提出了受动敏感性和使动敏感性的概念,然后在考虑继电保护隐性故障的模式下,给出了初始故障支路和剩余系统支路之间的关联作用指标以及初始故障支路对剩余系统支路形成敏感性的指标,将这些指标作为特征输入量给出了一种基于聚类方法的电网脆弱区域的划分和识别算法,并在IEEE 39节点系统上进行了算例分析,验证了算法的合理性。