Bayes网络在机械故障概率估计中的应用

提出了将bayes网络应用于机械故障诊断。主要是为了解决如何从机组运行状态数据中来推断出机组发生某种故障的可能性,从而为进一步的诊断维护提供依据。Bayes网络是一个具有一系列条件概率的有向无循环图。本文采用两层结构的网络模型,上层为旋转机械的故障样本集,下层为症状属性样本集。根据给出的各故障发生先验概率以及各症状节点的条件概率和泄漏概率,利用网络的推理计算,求出机组发生各种故障的后验概率大小。从而达到预测发生某种故障可能性的目的。实例验证了该方法的可行性和正确性。     

基于WPD-PSO算法的整流电路故障诊断

针对电力电子电路故障类型多、诊断正确率低的问题，提出基于小波包分解和粒子群算法优化概率神经网络的方法。建立三相桥式全控整流电路仿真模型，利用小波包分解技术对故障电压信号进行三层小波包分解与重构，提取特征值，并对数据进行归一化处理；用粒子群算法优化概率神经网络寻找合适的平滑因子，对数据进行训练和诊断；将该方法与未优化的概率神经网络作对比。仿真结果表明，该方法在训练效果和诊断正确率上都要优于未优化的概率神经网络。     

结构损伤的概率诊断

在结构随机参数建模的基础上,提出了结构损伤损伤概率诊断的思想。将故障结构的参数变化着作是对完好结构参数的“摄动”,以圆截面双层空间刚架的裂纹故障为例其进行了概率诊断。     

模拟电路故障定位的理论和方法

本文研究模拟电路故障诊断中的定位理论和方法，电网络分扯的理论和方法，伴随网络的理论和方法，分别被应用于故障定位中，文中还给出了另一种故障定位方法，这一方法是作者所提出的故障诊断定理的直接应用，在此基础上得出了两个诊断模拟电路故障的判据。     

面向故障树结构的不精确知识管理

结合故障树在故障诊断中的应用，运用Ｂａｙｅｓ方法，提出了一个面向故障树诊断问题的证据推理算法，此算法能实时，动态地根据征兆信息（即证据）更新树中各事件发生的概率，且计算量小，可应用于基于故障树的实时故障诊断系统。     

型材轧制工艺故障诊断

对型材轧制过程中的工艺故障进行了分析，从故障概念和原因两个方面提出了故障的模糊特性。采用模糊逻辑推理的方法建立了故障诊断的数学模型，开发了型材轧制故障模糊诊断软件。诊断结果为工艺优化提供了依据。     

模拟电路故障诊断中一种减少容差影响的快速并行诊断算法

利用元件容差的两个基本特性，讨论了一种Ｋ故障诊断的改进算法，该法从总体上估计容差对诊断的影响，从而削弱了容差的影响，并且采用并行处理，有效地解决了该法运算量较大的缺陷，使诊断速度大幅度提高。     

基于统一特征的配电网故障诊断方法

目前的配电网故障诊断方案大多需要大量故障模拟作为支撑.随着配电网规模不断扩大，故障概率逐年增加，该类方法极易受不同故障类型及个数的限制，使得模拟计算量骤增，难以快速诊断，为此本文提出了一种基于统一特征的配电网故障诊断方法.首先利用稀疏测点电压增量关系，推导出配电网的统一故障特征；然后引入神经网络构建故障诊断模型，结合实例测试统一特征诊断方法并分析其计算量优势；最后将统一特征诊断方法推广至大规模配电网，通过撕裂法进行分区，实现各子网并行诊断.多个诊断实例结果表明，所提方法利用稀疏电压增量值即可有效诊断，其模拟次数与故障类型及个数无关，仅取决于支路条数，大大降低了计算量，且对测量数据无严格同步要求.     

一种故障传播模型及故障源分离算法

提出了一种带概率信息的故障传播模型及相应的故障源定位算法.将动态规划中解决最短路径的有关思想应用于故障源诊断,给出的算法能寻找出一节点到另一节点在所有可达路径中传播概率最大,并结合装置故障率,确定故障源位置.     

无换向器电机调速系统的故障自诊断

针对无换向器电机调速系统的复杂性，尤其是针对其中的主电路和调节器这两个影响系统性能的关键部分，分别应用“状态字”方法和“电路工作特性故障字典法”方法对其进行了故障诊断。所提出的研究方法和具体研究线路，对于一般自控系统在线故障诊断的研究 定的借鉴和启发作用。     

基于定性模型和定量知识集成的智能故障诊断方法研究

首先从诊断对象的知识表示和处理诊断知识的能力两个方面对基于定性模型的故障诊断方法进行了分析，然后在此基础上提出了基于深浅知识集成的分层诊断策略，并基于符号有向图和模糊理论提出了一种定性模型和定量知识集成的智能故障诊断方法。仿真故障数据验证结果表明，该方法不仅具有较快的诊断速度，而且能有效地提高诊断的准确度。     

K故障容差网络的诊断性研究

研究一类容差网络的Ｋ故障诊断问题，建立起容差值为随机变量的故障网络模型，用正交能量法对网络进行故障定位．给出无容差与容差网络Ｋ故障的可诊断条件，分析了诊断性能好坏与故障网络的哪些因素有关，给出它们之间的关系．对于已知网络结构与容差统计特性的系统，可对其Ｋ故障的可诊断度给出一个概率估计     

基于Dempster-Shafer证据理论的信息融合在设备故障诊断中应用

给出了一种基于神经网络的基本概率分配构造方法和诊断决策规则，提出了一种基于Dempster—Shafer证据理论的多故障特征信息融合的故障诊断方法，并以旋转机械故障诊断为例，详细说明了该方法的具体实现步骤。结果表明，经过多故障特征信息融合，诊断结论的可信度明显提高，不确定性明显减小，因此充分显示了该诊断方法的有效性。     

基于Kullback信息测度的长输管线的故障诊断

提出了一种基于 Ｋｕｌｌｂａｃｋ信息测度的长输管线泄漏诊断方法．它通过对管线两个 端点附近的压力梯度所构成的时间序列进行分析，从而检测出泄漏，并在此基础上对泄 漏点进行定位．此法只需测量２个端点附近的４个压力信号，且计算量小．在实际中较 容易实现。用该方法在一条长１２０ｍ、内径１０ｍｍ的液体管线上进行了实验，当泄漏量 为０．５％时，定位误差为总管长的２％。结果表明．这是一种很有实用价值的诊断方法。     

基于设备诊断的多目标马尔柯夫决策规则

从技术和经济两个方面综合考虑，用多目标马尔柯夫规划解决设备诊断与决策的连接问题，给出了一个数值仿真实例。     

基于模型诊断的贝叶斯解释及应用

在基于模型诊断的基础上，建立了贝叶斯模型．该模型首先假设系统的所有状态都是可能发生的，并对系统中的各个元件设定一个先验概率．当系统的观测与预期不符合时，利用最小冲突集的概念得到系统可能的状态．之后根据各个系统状态的对应概率计算出元件发生故障的后验概率，该后验概率本质上是一个边缘概率分布，它在数值上表示了元件发生故障的可能性，确定了故障查找顺序．用一个数字故障电路的实例验证了该方法的有效性，井对其存在的问题进行了讨论．     

主机气动遥控系统故障诊断方法

从诊断故障这一基准点出发，找出主机摇控系统故障诊断方法。     

两类独立随机变量和的概率估计

相互独立随机变量和的概率估计是概率统计中一个重要的研究方向。本文研究了两 类独立随机变量和的概率估计：一类是 n 个相互独立的服从｛-1，1｝上的均匀分布的随机变量和 S n 的最大值的概率估计，另一类是两个独立随机变量和的概率估计。首先，用全概率公式、递推的方 法及随机变量的对称性给出了 logP ( max 1 ≤ i ≤ n | S i | ≤ C ) 的表达式，其中 C 为常数且 1 ≤ C < 2 ；对一般的 C ≥ 1 ，通过对偶数项和奇数项进行分类讨论，用全概率公式和递推的方法得到了该对数的下界。 其次，对两个独立的随机变量，本文证明了如果其分布函数的对数大于等于幂函数，则这两个随机 变量的和的分布函数的对数也大于等于某个幂函数。     

基于信息融合技术的电网故障诊断方法

利用采样数据间的相互关系,以电网元件相关先验概率为基础,通过D-S(Dempster-Shafer)证据理论对检测的故障信息进行融合,获取缺失数据发生的概率;同时,将概率的概念引入Petri网建模,将获取的状态概率值代人概率Petri网故障诊断模型进行故障的诊断,以解决电网故障诊断过程中的信息不完备问题.实例证明,该方法可扩充电网故障的诊断范围.保障电力系统安全运行.     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。