改进BP网络在机载电子设备故障诊断中应用

提出了一种简便有效的故障模型和故障诊断问题的描述方法。由于传统BP算法收敛速度慢，容易陷入局部极小值的陷阱，在此作了改进。改进后的BP算法明显优于传统的BP算法。并应用改进的BP算法对飞机机载电子设备进行故障诊断仿真，取得了良好的效果。     

基于数据挖掘与仿真的数控机床旋转部件故障诊断方法研究

针对数控机床旋转部件故障信息的特点,提出了系统仿真与数据挖掘相结合的综合故障诊断方法。文中将旋转部件故障归为4类,提出了一种改进的Apriori算法,结合粗糙集理论的数据挖掘方法,通过实例证明了两者应用在数控机床系统旋转部件故障诊断中,可以提高数据挖掘的速度。分析了基于仿真的故障诊断方法,在此基础上,结合仿真与数据挖掘各自在故障诊断方面的优势,进一步提出了基于仿真与数据挖掘的综合诊断方法,给出了诊断的方法流程图。     

基于CVA-ICA与CSM的故障诊断方法

针对工业过程的故障诊断问题,提出了一种基于规范变量分析与独立元分析(CVA-ICA)的动态过程故障检测方法,在此基础上,结合连续字符串匹配(CSM)算法,提出了一种改进的基于完备故障库的故障诊断算法.该算法首先用CVA方法求出观测数据的规范变量,然后对规范变量进行ICA分解,最后运用CSM算法对ICA分解后的数据进行故障诊断.通过对TE过程的仿真研究,验证了所提出的改进算法的可行性与有效性.     

改进贝叶斯算法在配网故障诊断中的研究

针对智能电网故障诊断中所存在的大量不确定信息的问题,本文对贝叶斯网络算法在电网故障诊断中的应用进行了相关研究.在原有Noisy-or、Noisy-and两类节点模型和线路、母线和变压器三类故障诊断模型的基础上,对传统贝叶斯算法的不足之处进行改进,提出了一种改进贝叶斯算法.最后以某地区实际配网为研究实例,结果表明,与传统方法相比,改进后的算法在故障诊断中具有更高的灵敏度,降低错误概率,可以构造最小错误概率的贝叶斯分类器等优点,在实际电力系统故障诊断中半角将有很好的应用前景.此外,本文通过图形用户界面(GUI),显示可疑故障元件、后验概率、误动拒动的保护断路器等信息,方便现场工作人员及时做出决策,进一步处理故障.     

基于波形匹配的高压输电线系统故障诊断优化算法

准确高效的高压输电线故障诊断对加快故障后系统恢复速度、进而确保系统安全稳定运行具有重要意义.高压输电线故障诊断问题主要包括故障类型识别、故障测距和故障时间识别.本文将该问题描述为优化问题来求解,即将故障诊断问题中待求解的量如故障距离和有待估计的量如过渡电阻作为故障假说里面的未知参数,以故障后的实际波形和期望波形的差异度最小化作为优化目标.在此基础上构建了包括离散和连续优化变量的混合优化问题,可以同时获得故障类型、故障距离和故障时间.采用了近年来提出的一种高效的启发式优化算法─和声搜索算法来求解这一优化问题,并根据问题的特点对该算法进行了改进.最后,用算例系统的仿真结果来说明所提方法的正确性和有效性.     

基于BP的车辆系统故障诊断模式识别

针对车辆系统存在的故障问题，引入了模式识别的诊断方法，对故障诊断过程中的故障分类、数据采集以及信号处理进行了分析．结合汽车离合器故障特征，应用改进的人工神经网络算法进行了故障识别，在进行样本学习时，网络系统能够较快的达到稳定状态，满足故障诊断的要求．最后指出了车辆系统故障诊断的意义和发展方向．     

基于神经网络的模拟电路的故障诊断

根据 BP神经网络的特点和性能以及电路故障诊断的要求 ,采用了 BP网络的权值与故障模式相对应的方法来进行电路的故障诊断 .该方法利用改进的 BP算法 ,首先建立故障模式 ,然后将故障模式与 BP网络的权值相对应 ,最后将权值作为故障诊断知识 .对模拟电路的软故障进行了仿真 ,仿真结果良好     

基于ANN的矿井提升机故障诊断系统的应用研究

将基本BP算法的改进算法(LMBP算法)利用数值分析的方法进行改进,并将其应用到矿井提升机的故障诊断系统中,改进后的算法能提高网络的训练速度；同时设计了基于ARM芯片和Vxworks操作系统的故障诊断板,并利用Borland C++builder作为故障诊断界面的设计软件,将新集集团某矿井提升机液压站系统作为实验室仿真...     

一种基于PMC模型下的概率性矩阵诊断算法

系统级故障诊断是提高多处理器系统可靠性的必要手段。为了有效定位多处理系统中的故障单元,该文建立了一种基于PMC模型t可诊断条件下的概率性矩阵诊断算法。首先对一般概率性矩阵诊断算法进行仿真分析获悉其具有较高的误检率,在诊断过程中引进绝对故障基和节点集团思想,通过计算绝对故障基以寻找系统中的部分故障处理机,集团用于将不确定状态的节点单元分类以补充正常节点集合,改善了原诊断的限制条件。仿真实验验证:改进后的概率性矩阵诊断算法保持了很高的检测精度,并且随着节点数的增多极大地降低了误检率,提高了诊断效果,使得该算法具有广泛的适用性。     

GASA-SVM改进算法及其在柴油机供油系统故障诊断中的应用

针对目前支持向量机(SVM)参数选择的盲目性,结合遗传算法GA的并行搜索和模拟退火算法SA的概率突跳特性,提出一种改进的基于遗传退火算法(GASA)混合策略优化支持向量机惩罚函数和核函数参数的GASA-SVM算法。利用柴油机供油系统油压波形的实测数据,归一化处理后作为诊断模型的特征值,建立了基于GASA-SVM的柴油机供油系统故障诊断模型。通过与BP神经网络、RBF神经网络、SVM和GA-SVM故障诊断模型比较表明:应用GASA-SVM建立的故障诊断模型在故障识别准确性上优于其它网络模型,能够有效进行柴油机供油系统的故障诊断。     

基于人工免疫机制的数字系统测试方法

介绍了人工免疫系统的阴性选择算法的基本原理,把阴性选择算法应用到数字系统的故障检测和诊断中,根据部分匹配规则运用贪婪算法生成检测器。对数字系统注入故障,通过在输入端加测试序列求故障工作串和无故障工作串的海明距离,得出数字系统的故障检测率和定位率。通过典型基准电路实例,对所研究的数字系统测试方法的诊断结果进行了详细的分析讨论。实验结果表明,数据处理的方法是切实可行的,故障检测和诊断结果是正确的。     

模糊免疫算法在电路故障诊断中的应用研究

针对传统免疫算法在故障检测中存在的稳定性低、检测性能差等问题,基于模糊数学和生物免疫系统的信息处理的机理,提出一种基于模糊数学策略的免疫算法。介绍了模糊免疫算法的实现过程,并将其应用到模拟电路的故障诊断之中。仿真和实验实例表明,该算法适合于模拟电路故障诊断,有效抑制了误报率,检测率也得以提高。     

人工免疫机理在故障诊断中的应用

将人工免疫系统的反面选择算法作了改进，在产生检测器时，利用了遗传算法，并将欧几里德距离作为遗传算法中的适应函数。最后通过模拟实验表明，该算法能对旋转机械故障进行诊断，平均准确率可达95％以上。该算法也可以用于其他系统的在线故障诊断。     

基于小波包无量纲免疫检测器的故障诊断模型

为可靠地检出并识别旋转机械设备轴承故障,提出了一种基于小波包分解和无量纲免疫检测器的轴承故障模式识别方法.该方法采用小波包对原始时域信号进行预处理,分别提取原始时域信号和各频带范围内时域信号的无量纲指标,并计算其敏感因子,根据敏感因子选取敏感特征,结合人工免疫阴性选择算法,生成多个敏感特征无量纲免疫检测器,实现对故障进行识别和分类.仿真实验结果表明,所提方法能有效地识别各种轴承故障.     

基于神经网络免疫集成的非线性时间序列故障预报

针对神经网络集成对个体差异性的要求 ,提出了集成网络间的结构差异度的概念 .在此基础上设计了一种基于反向选择的免疫算法 ,该算法可以在减小集成网络各自训练误差的同时保持网络间的结构差异度 ,从而提高神经网络集成的泛化能力 .同时证明了该算法对最优个体的收敛性 .将该方法应用于受噪声污染的非线性时间序列故障预报 ,根据预测误差可以方便准确地检测系统的缓变故障和突变故障 ,实现对微小故障的快速故障预报 ,降低误检率 .仿真结果证明了该方法的有效性 .     

阴性选择算法检测器生成的优化及仿真

针对现有常规阴性选择算法在非我空间覆盖设计上未考虑自身免疫性检测器发生的问题,提出一种能检测和剔除自身免疫性检测器的方法,并以MATLAB软件为仿真实验平台,分别对不规则分布数据、环形分布数据和近圆形分布数据3种空间数据分布进行仿真研究.仿真结果表明,该方法能有效剔除90%的自身免疫性检测器,提升了免疫阴性选择算法的鲁棒性和自适应能力.     

修正初始权值的BP网络在CSTR故障诊断中的应用

将BP算法和使用复合法修正初始权值的BP算法运用到CSTR模型中进行故障诊断。采用复合法对初始权值进行修改,避免了BP算法中初始权值的随机性带来的收敛缓慢甚至瘫痪现象,并结合CSTR模型的故障诊断进行了仿真运算,与BP网络的比较表明了改进算法在运算效率上的优势。     

带阴性选择的粒子群优化算法

针对PSO在计算后期多样性不足、易发生优化停滞的现象,引入免疫系统中的阴性选择概念,定义了新的计算亲和力的方法,提出了带阴性选择的粒子群优化算法,并对其进行了计算复杂性分析.改进算法能在检测到粒子群收敛至局部解后,更新群体中的部分粒子,并使新粒子在解空间上远离局部解,提高了粒子的多样性.试验证明,改进算法的优化性能优于PSO和局部PSO.对改进算法的计算成本及参数选择进行了讨论,并提出了下一步的研究方向.     

速度自适应粒子群优化算法在故障诊断中的应用

在原始粒子群优化算法(PSO)中设置动态最大限制速度基础上,提出一种速度自适应粒子群优化算法。经过神经网络的测试表明,该算法在收敛速度和精度上都优于原始算法,并且参数选取灵活,容易实现。将改进算法应用于实验室变速箱的神经网络故障诊断系统中,并与PSO和BP算法进行了比较,得出该算法不仅对变速箱故障的识别准确率比较高,而且故障诊断的精度和效率也较高。     

无线Mesh网络中基于人工免疫的容错拓扑控制

免疫克隆选择算法主要是用来解决抗原初次入侵时,免疫系统产生抗体,做出免疫反应,但是现有方案往往没有给出当相同的抗原或相似的抗原再次入侵的解决方案。针对无线Mesh网络中各种故障频繁发生的情况,提出的算法能利用抗原的相似性来解决拓扑控制中近似的错误容忍问题。利用改进后的克隆免疫算法,在对无线Mesh网络进行拓扑控制时,求解网络的较优功率分配,使整个网络既满足Mesh客户端节点到Mesh路由器节点的k连通,而且整个网络的性能也能达到较优。通过对实验结果的分析发现,在保证网络容错的前提下,网络各方面的性能达到较优。