基于多智能体和神经网络的网络故障诊断及二维可视化

提出一种基于多智能体和神经网络的网络故障可视化诊断系统。每个被诊断的网络具有一个网络故障征兆收集智能体，负责收集并且预处理该网络的故障征兆信息，该信息被传送到位于诊断中心的网络故障诊断智能体，用作诊断及可视化。该系统的优点是网络故障诊断智能体可以以可视化的方式诊断网络的故障，并且动态监控网络的运行状态。试验结果证明所述系统的有效性和鲁棒性。     

虚拟样机可视化支撑平台的研究与实现

虚拟样机的开发过程实质上是一种基于模型的不断提炼与完善的过程。虚拟样机作为复杂的系统工程项目，强调的是资源的共享及团队的协同工作。而虚拟样机可视化支撑平台是虚拟样机支撑平台的一部分，其任务是支持建立包括武器装备虚拟样机协同设计、开发以及运行、评估全过程的可视化工具集。就研究开发武器装备虚拟样机可视化支撑平台中的协同可视化技术和框架的研究与实现进行了总结。     

融合真实感模型的沉浸可视化

科学计算可视化给工程师提供一个洞察产品性能的有效途径，但数据量的增加远远超过人们理解数据的能力。科学家观察数据和操纵数据都利用简化的环境和模型，大大约束了对产品和物理现象的观察。该文提出了一种结合虚拟现实技术、科学计算可视化和几何建模技术的创新可视化方法。将科学计算数据和真实感模型有机结合起来，利用虚拟现实技术，提供用户栩栩如生、身临其境、高交互的沉浸可视化环境。论文给出了系统详细构架，建立虚拟场景树以及构造可视化结果融入场景的流程，研究沉浸可视化的使能技术。最后在Powerwall系统上实现了系统原型，并应用在工程实践中。     

基于仿真的防空导弹综合故障诊断专家系统设计

研究了某新型地空导弹的故障智能诊断问题,针对故障诊断知识获取的"瓶颈",提出了一种利用计算机仿真技术与人工智能技术相结合的方案,来组建针对某型导弹故障智能诊断专家系统,利用武器系统的功能模型,通过设置系统可能出现的故障,进行故障仿真,并获取故障数据信息。然后对数据进行分析变换,提取故障诊断所需知识。系统中采用了多种推理方法结合的集成推理策略,可以有效提高故障诊断的可靠性。系统在模拟诊断实验中,诊断结果成功率达百分之百。系统为新型武器装备的故障智能诊断研究,提出了一个新的发展方向。     

基于模糊神经网络的车用发电机故障诊断系统的研究

文章针对车用交流发电机的特点，建立了故障现象与故障征兆列表，并应用基于模糊神经网络的故障诊断方法，实现了对该类发电机故障的模糊诊断。文中还介绍了模糊神经网络的结构和对应的学习方法，以及基于CAN总线的实时的车用交流发电机故障诊断系统的组成，该系统利用计算机作平台。仿真和试验结果表明，该诊断方法是行之有效的。     

故障特征选择与诊断规则提取的VPRS模型方法

针对实际工程系统故障诊断过程中故障特征和诊断规则难以提取的问题，提出了一种基于变精度粗糙集(VPRS)模型的故障特征选择和诊断规则提取的新方法。该方法通过选取适当的分类误差参数β，运用知识约简简化知识系统。它不仅能从实测数据中提取出最佳的故障特征参数，还可得到简化的诊断规则。对滚动轴承故障诊断的仿真实例表明，该方法有效地简化了特征参数和诊断规则，提高了故障诊断的准确率，减低了诊断成本，具有比基本RS方法更广的适用性。     

基于神经网络的故障模糊诊断研究

文章用模糊算子代替标准的传递函数，利用征兆、规则、故障间的逻辑关系进行故障诊断，构造了四层模糊结构，给出了诊断的知识流程、机理分析和诊断步骤，并推导出一种能加快网络收敛速度的故障诊断及改进算法．在对某J8-wp13发动机滑油典型故障样本和非故障样本的仿真中，诊断结果良好．     

基于ODE的六自由度平台系统设计与仿真

在六自由度运动平台的系统设计阶段和运行调试阶段采用可视化技术,可以直观地观察到平台系统的设计参数是否合理,减少控制参数选择不当造成对平台的损坏,为平台的研究提供了极大地方便。首次提出了基于ODE(Open Dynamics Engine,开源动力学引擎)的六自由度运动平台的运动仿真及其可视化设计方法,该方法能够与实体平台程序实现无缝连接,在此基础上开发出六自由度平台可视化软件,对六自由度运动平台进行了正弦运动仿真,结果表明该虚拟平台能够实时模拟真实平台的协调运动,为实体平台系统的设计与运行调试奠定了基础。     

热动力系统的可视化仿真

首先介绍了计算机可视化的由来和发展趋势，然后着重介绍了自行研究开发的一种新型热力系统可视化仿真软件开发平台。该系统充分集成各种最新的计算机技术和热动力系统建模技术，可以完成系统方案研究和系统动静态性能分析，可以进行控制系统的优化设计和实际系统的测试，并且还可以完成对复杂热力系统的仿真。     

基于小波时频图与Swin Transformer的柴油机故障诊断方法

针对用传统的故障诊断方法难以对非线性非平稳的柴油机故障信号进行准确高效诊断的问题，提出基于小波时频图与Swin Transformer的柴油机故障诊断方法。该方法可以有效结合小波时频分析在处理非线性非平稳信号方面的优势和Swin Transformer强大的图像分类能力，通过连续小波变换将原始信号表示为小波时频图，将小波时频图作为特征图输入到Swin Transformer进行训练，实现柴油机故障状态识别。实验结果表明，与对比方法相比，所提方法具有较好的故障识别精度及稳定性，在公开数据集和实验室实测数据中的整体故障诊断准确率分别达到100%和98.88%,为柴油机故障诊断提供了一种新的思路。     

基于回归型支持向量机的液压舵机故障诊断

利用回归型支持向量机（SupportVectorRegression，SVR），设计了一个液压舵机的故障诊断系统。利用系统的可测参量，建立了基于SVR的液压舵机的全局故障检测模型。在仿真过程中发现，此方法能对电液伺服阀、位移传感器和伺服放大器的各种故障进行诊断，诊断准确度高，适用于闭环控制系统的故障检测，仿真结果验证了该方法的有效性。     

基于灰色关联聚类的特征提取算法

针对航空发动机气路部件故障样本特点,提出了一种基于灰色关联聚类的特征提取算法.论述了邓氏、相对变率和斜率三种灰色关联度分析方法,并以利用灰色关联度作为动态聚类欧氏距离的思想,构建灰色关联聚类特征提取模型.以某型涡扇发动机常见气路部件故障为例,利用ESVR算法验证特征提取能满足故障诊断要求. 仿真结果表明:该方法可以提取特征传感器, 使核与约简更精确.     

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。     

基于本体的飞机舵面结构故障诊断方法

从系统工程的角度分析了飞机系统的复杂性,将飞机族的概念引入到飞机的本体建模中,并以舵面故障诊断过程为研究对象, 首先用Protégé建立了飞机本体的领域知识模型,然后将单故障和组合故障的诊断知识列为本体中的SWRL规则,最后利用 JESS推理出 新知识得出诊断结果,实现了用本体来选择修复方案的过程.该方法能够实现复杂系统的建模及故障诊断 方案的准确选择,并可通过增加新的诊断知识来完善故障诊断知识库.     

基于SVM的超高压直流输电系统故障诊断模型研究

针对非线性、高度可控的超高压直流输电（HVDC）系统,提出将支持向量机（SVM）用于系统的故障诊断研究中。首先利用电磁暂态仿真软件EMTDC/PSCAD建立系统模型,对常见故障进行仿真研究。为有效提取故障特征,对直流电压波形进行S变换。变换后的特征量作为SVM的输入,建立系统故障诊断模型,并比较了不同参数下的SVM模型性能。仿真结果表明SVM用于HVDC系统故障诊断是合理、有效的。     

基于定性推理的开关∕继电器电路故障诊断

为实现开关/继电器电路的故障诊断,考虑将人工智能中的定性推理技术应用于电路故障分析。通过建立简单直观的权值电阻网络形式的电路定性模型,并研究了相关的算法进行静态、动态的定性仿真,再根据仿真结果判断系统是否发生故障,并利用元器件的状态信息通过推理方式实现故障定位。最后以某大型测试设备紧急断电电路为例进行了分析,结果证明了所述方法的可行性、有效性。     

基于LS-SVM的电液位置伺服系统多故障诊断

利用最小二乘支持向量机（Least Squares Support Vector Machines,LS-SVM）,设计了一个电液位置伺服闭环控制系统的多故障诊断系统。利用系统的可测参量,建立了基于LS-SVM的电液位置伺服系统的全局故障检测模型和局部故障检测模型。在仿真过程中发现,此方法的诊断准确度高,适用于闭环系统的单故障及多故障的检测及定位,仿真结果验证了该方法的有效性。     

基于BPSO的多故障最小候选集生成技术

多故障最小候选集生成是制定多故障诊断策略的首要步骤。利用二进制粒子群优化算法（binary particle swarm optimization, BPSO）生成多故障模糊组的最小候选集。首先，利用紧集表示法描述某或节点上的多故障模糊组，其最小候选集即多故障模糊组的最小碰集|然后，利用BPSO算法求解多故障模糊组的最小碰集，通过构造个体适应度和群体适应度双函数，解决BPSO算法求解最碰集的适应性问题，并保证了算法尽可能搜索冲突集的全部碰集|最后，通过某系统实例对算法的有效性进行了验证。事实表明，该方法能有效应用于多故障最小候选集问题的求解。     

混杂系统粒子滤波混合状态估计及故障诊断算法

混杂系统同时包含连续动态特性和离散动态特性,并且两种动态相互作用,使其故障诊断变得更加困难。针对此问题,提出了一种混合系统粒子滤波混合状态估计及故障诊断算法,提高了现有方法的适用范围和诊断效率。针对混杂系统受控迁移、自治迁移和随机迁移等特点,首先利用随机混杂自动机对系统离散状态(包括故障)和连续状态进行统一建模,重点对现有基于扩展卡尔曼粒子滤波的连续估计算法进行改进,支持利用在线监测数据来估计混杂系统各类迁移产生的各种离散和连续状态,最后根据离散状态估计结果快速实现故障诊断。通过对典型非线性混杂系统的故障诊断,证明了该方法的有效性。     

基于多元信息的绝缘子红外故障诊断

绝缘子在制作不良、污秽等故障情况下表现为温度升高,红外成像技术是绝缘子温升故障检测的一种新手段。针对绝缘子的温升故障,提出了基于多元信息的图像识别和故障诊断方法。通过对图像预处理,利用边缘检测和数学形态学算法去除红外图像中的复杂背景,将绝缘子准确的识别出来,再结合红外图像的温度信息,判断绝缘子的温度是否超出设定的阈值,实现绝缘子的故障诊断。利用红外摄像仪获取故障绝缘子的红外图像,验证了本方法的可行性。