基于模糊和规则结合的舰炮故障诊断专家系统

在某文献的基础上，讨论了如何将模糊故障诊断理论应用到专家系统之中，详细阐述了如何建立模糊模型、模糊隶属度函数，解决了如何将模糊故障诊断与CLIPS相结合的问题，并以此建立了舰炮故障诊断专家系统。     

结合专家知识改进BP网络在故障诊断中的应用

针对BP网络利用知识和表达知识的方式单一，忽略专家知识的缺点，提出了一种结合专家知识的改进BP网络，并应用于故障诊断。它分别利用了神经网络和专家系统的优点，利用专家系统和BP网络的结合来取长补短。实例结果表明，该算法学习收敛较快，故障识别效果也优于标准BP网络。     

模拟线性电路中故障元件存在范围的确定

为了简化模拟线性电路故障诊断定位阶段的工作量，提出了1种确定故障元件存在范围的方法.即在十分现实的K故障假设下，确定能代表电路所有元件并给出在K故障假设下的故障诊断方程的唯一解的1组元件--最优可测试元件组，使故障定位工作只局限于该组元件，而不必对电路所有元件进行.该方法构成了故障定位的第一步，且与故障定位方法无关.方法基于电路的可测试值计算和规范式不确定性组的确定，它在可测试性与不确定性组概念中具有严格的理论基础，其可测试性计算可直接从参数类型故障诊断技术中推得.     

神经元控制器在感应电机矢量控制中的应用

神经网络具有自学习、自适应能力，用于控制时可以不依赖控制对象的数学模型．为实现对交流电机快速和精确控制，基于单神经元设计出用于感应电机矢量控制的自适应碰饺和转速控制器，利用神经元的自学习功能在线调节连接权重，实现自适应控制．并将此设计应用于交流电机矢量控制系统中，数字仿真实验表明此方法设计的控制器可克服传统PID控制器在电机参数改变时控制性能差等不足，动态特性好，鲁捧性强．该设计结构简单，实际应用时易于实现数字化．     

一类非线性系统的快速鲁棒故障诊断

.结合在线估计器和滑模观测器方法,基于所给出的一种新的自适应学习算法,提出了一种针对非线性不确定系统的鲁棒故障诊断方法.滑模观测器可以消除建模不确定性的影响以得到准确的状态估计,而在线估计器可以实时估计故障的大小.在此,基于李亚普诺夫函数,在理论上证明了所给出的状态和参数估计误差都是一致有界的;针对三容水箱DTS200所做的仿真实验,其结果验证了该方法的可行性.研究结果表明,由于滑模项的引入,使得该方法的故障检测时间大大缩短,其性能比Polycarpou所提出的在线估计器方法的性能要好.     

变精度粗集模型在故障诊断专家系统中的应用

将变精度粗集模型应用于故障诊断专家系统的知识获取和知识库的更新;利用变精度知识约简和正则条件熵进行故障特征选择,实现最简诊断知识的获取,以建立专家系统知识库;利用属性的相对依赖性实现知识库的维护与更新.滚动轴承故障诊断的实验结果表明,该方法有效地克服了传统规则式故障诊断专家系统的不足,实现了故障诊断功能.     

基于RBF神经网络的非线性系统故障诊断

针对一类含模型不确定性的非线性系统,提出了具有强鲁棒性和高灵敏度的在线故障检测与诊断方法.其中,系统只有输入、输出可检测,故障是关于输入和状态的非线性函数.非线性在线估计器用于估计系统不确定部分,同时监视系统是否发生故障,估计故障的大小.仿真结果表明,故障诊断算法稳定.     

水轮发电机组故障诊断系统中几种征兆的获取

在水轮发电机组故障诊断系统中，征兆获取能力是评价故障诊断系统性能的重要指标，故障信号的特征提取影响到整个诊断过程的计算以及整个诊断系统的品质．将FFT、分形几何、相关分析、奇异谱等理论应用于故障诊断系统中征兆的获取，针对不同类型征兆采取不同的数学处理方法，并结合水轮发电机组故障诊断系统，证明了所述方法的合理性和可行性，提高了整个诊断系统的可靠性和准确性．     

基于核的动态聚类算法用于机械故障模式分类

针对k均值聚类对特征样本划分存在误分类的问题，提出用基于核的动态聚类算法对风机不同工作状态进行分类识别．实验结果表明，该方法能有效地识别机器运行的异常状态，并能对不同的故障模式进行正确的区分，可应用于机械设备运行状态的动态识别．     

SRAM的一种可测性设计

用ETCO算法对SRAM进行了内建自测试设计．首先说明了设计的原理，进而对电路中所用的各个单元电路进行了设计，主要包括地址计数器、数据计数器和BIST控制器等．设计出的电路可针对具体的故障模型设置相应的测试长度，从而获得预期的故障覆盖率．测试时不需存储正确响应，并可通过一个响应标志位表示检测的结果．可测性部分对电路硬件的开销较小，所设计的电路在工作站上已成功通过仿真，此电路可广泛应用于嵌入式SRAM，以降低电路的测试难度．