基于反面选择原理的智能融合故障检测模型及其应用

针对反面选择算法用于故障检测所存在的局限性,提出了一种基于反面选择原理的智能融合故障检测模型.该模型利用人工免疫系统的反面选择原理来构建神经网络检测器,通过训练将系统的异常模式信息存储在分布的检测器中,根据检测器的激活来发现系统的故障.通过混沌时间序列的异常检测仿真实验,研究了模型参数对故障检测性能的影响.最后以发动机压气机失速检测实验为例,证实该方法对失速信号的模式特征具有较强的分辨能力,同时表明神经网络检测器比常规的二进制编码检测器具有更好的故障识别能力.     

基于特征生成的轴承不均衡数据故障诊断

针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(Support Vector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。     

多版本编程技术在故障识别中的应用与仿真

通过分析网络性能数据来发现和识别故障是网络故障管理的重要手段之一，本文研究并提出了一种基于神经网络的故障识别方案，通过分析网络性能的数字特征来识别大型网络中的故障，为了提高系统的识别率，引入了软件工程中多版本编程技术，并行训练多组神经网络，由多数决投票机制合成为一个系统，同时定义了神经网络之间的错误关联系数概念，依据计算机仿真的结果，选取错误负相关的神经网络所组成的系统，对测试集能够达到100％的识别率。     

基于聚类和SVM多分类的容差模拟电路故障诊断

针对模拟电路故障的容差特性,提出了基于聚类和二叉树SVM多分类相结合的诊断方法.在每个故障特征样本子空间中,建立所有样本与样本重心的空间方向相似度并对其进行升序排列,把排列后的空间方向相似度作为聚类对象,根据聚类分析结果选择故障特征样本,利用所选样本训练二叉树SVM多分类器,实现故障特征样本的分类决策.用故障测试样本进行检验,实验表明采用该诊断方法可以解决容差模拟电路故障模式的识别问题.     

基于神经网络的假设检验故障诊断算法研究

传统的χ2检验法通过比较先验信息与量测信息进行故障检测,当先验信息所依赖的模型出现错误时将无法进行有效的故障检测和故障隔离。提出利用神经网络的方法结合χ2检验法进行故障诊断,训练神经网络来跟踪系统模型,则正确的先验信息保存在训练好的神经网络中,系统模型输出与网络模型输出之差作为故障诊断的依据。针对INS/GPS组合导航系统进行算法仿真,该算法能够快速、准确地判断系统故障源,通过故障隔离和系统重构,使系统在故障情况下依然保持正常工作。     

基于动态电源电流测试的模拟电路故障诊断

动态电源电流测试对模拟集成电路故障诊断十分有效。采用斜坡电压源代替传统的恒定直流电压,从电源电流波形采样训练神经网络的数据并建立故障字典。利用小波变换具有同时在时-频域分析信号、大量压缩数据的属性,对采样信号进行小波包分解,提取故障特征来训练神经网络,简化了网络结构、提高了训练速度。实验结果表明,该方法能够实现快速故障检测及定位,具有准确率高的特点。     

基于概率神经网络的故障诊断方法及应用

针对智能大厦空调系统中发生的各种传感器故障问题 ,提出了一种基于概率神经网络 (PNN)的传感器故障诊断改进方法。该方法采用贝叶斯分类决策理论建立系统的数学模型 ,以高斯函数作为激励函数 ,具有非线性处理和抗干扰能力强等特点 ,可获得对空调系统中各种传感器硬故障和软故障的有效识别和诊断。给出了该方法的理论分析 ,故障特征量的选取 ,神经网络设置和训练的具体步骤。通过仿真和空调系统模型试验证明了该方法在网络训练速度 ,抗干扰能力及各种传感器故障识别准确率等方面的有效性。     

基于神经网络的输电线路故障检测研究

在研究现有架空输电线路故障检测系统不足的基础上,提出了一种基于神经网络的输电线路故障检测系统.该系统以复杂结构的10KV架空输电线路为研究对象,利用分布在线路上的数据采集设备得到线路电气参数的相应数据并进行编码;通过载波通信将数据传送给控制中心;在控制中心对各参数数据解码和去噪;然后将每个参数进行分段数据采样输入经反向传播算法(即LMBP算法)训练的三层结构的神经网络进行分析,最后进行统计处理输出故障信息.采用EMTP仿真实验表明,本文故障检测系统准确率较其它故障检测系统有较大提高.     

基于神经网络技术的飞机舵面故障趋势预测研究

在飞机舵面故障诊断系统中,及时准确的故障预报对提高飞机的安全性具有极其重要的意义,针对飞机舵面故障预报系统的设计要求,建立了神经网络故障预测模型以及训练算法,该预测模型采用三层BP网络模型,还对神经网络的预测精度给出了评价函数.最后,为了验证所述方法的有效性,结合风洞实验数据,对某机舵面故障模式之一的方向舵卡死进行了预测和分析,并与传统的ARMA方法进行了比较,结果充分表明了该神经网络预测模型的有效性和优越性.     

基于BP-ART混合神经网络的电路故障诊断新方法

建立了基于误差反向传播(back propagation, BP)神经网络和自适应共振理论(adaptive resonate theory, ART)神经网络的电路故障诊断模型,提出了BP神经网络和ART神经网络相结合的电路故障诊断方法,以ART网络为主,识别新故障,以BP网络为辅,识别多类故障,并对传统的ART神经网络竞争机制加以改进,有效地解决了复杂电路故障诊断的难题。实验表明,基于BP和改进ART神经网络相结合的电路故障诊断方法具有自适应性好、训练时间短、准确性高等特点。     

人工免疫控制器在二元精馏塔控制中的仿真研究

生物免疫系统是一种在复杂干扰和不确定性的环境中具有很强的鲁棒性和自适应性的控制系统。依据生物多抗原多抗体协调免疫机理,以文献[11]中的双因子免疫控制器为基础,提出了抗体交叉免疫耦合控制策略,并以此为基础设计了MIMO人工免疫控制器。以典型的二元精馏塔为被控对象,给出了MIMO人工免疫控制器具体实现方法。用仿真方法研究了MIMO人工免疫控制器的控制效果,并与传统的优化PID控制器做了比较。结果表明这种MIMO人工免疫控制器较传统优化的PID控制器性能优越。     

免疫响应反馈理论在水轮机调节系统中的应用

免疫响应反馈理论是维持生物体免疫平衡的关键,T细胞在不同的免疫阶段所具有的促进和抑制功能,保证了系统的快速响应和足够的稳定性。针对水轮机调节系统具有高度非线性、时变不确定、非最小相位等特点,通过免疫系统与控制系统的类比,借鉴免疫响应调节机理,利用免疫PID控制器来控制水轮机调节系统,并对该系统进行了仿真研究,仿真结果表明当工况变化和存在扰动时免疫PID控制器能有效的改善水轮机调节系统的动态性能,增强其鲁棒性和抗强干扰的能力。     

免疫进化模型及其在优化计算中的应用

在深入研究免疫系统的智能进化机制和两种典型免疫计算模型的基础上，基于进化计算模型和免疫调节理论，结合免疫记忆机制提出了一种通用免疫进化算法(GIEA)的—般框架，论述了其运算机理，分析了其收敛性和收敛速度。针对多模态优化问题，按照该框架设计了一个具体的多模态免疫优化算法(MIOA)，并进行了仿真研究和计算复杂性分析。分析与仿真结果表明，该算法不仅比同类算法计算量小、具有更好的搜索性能，而且无须任何先验知识，实现了真正的自适应搜索。     

环境变异免疫克隆算法解决有约束优化问题

为了克服免疫克隆算法搜索效率低、无法直接对进化经验学习等缺点，设计了环境变异免疫兑隆算法，在普通免疫克隆算法中引入环境变异算子，通过环境变量积累进化过程中的经验，使算法具备了一定的学习能力；重新设计了代价函数，采用一种新颖的罚函数排序形式来处理由于约束条件造成的解集空闽不连续问题，进而提高了算法的搜索效率及稳定性．通过对13个常用有约束优化问题测试函数的仿真实验，表明了环境变异免疫克隆算法在有约束优化问题上具有很好的性能。     

基于免疫规划的单亲遗传算法研究及其应用

在分析了单亲遗传算法的优越性与存在不足的基础上,借鉴生物免疫概念与理论,提出了一种新的单亲遗传算法——基于免疫规划的单亲遗传算法。该算法的核心在于使用最优保留策略前提下,合理地构造了非均匀算子和免疫算子。理论分析和仿真结果表明,该算法不仅能够有效地保持群体多样性,而且减轻了遗传算法的后期波动现象,同时收敛速度明显提高。     

GeGeM:一种人工免疫系统通用基因模型及实现

一个通用的基因模型对于人工免疫系统AIS(ArtificialImmuneSystem)软件设计是必需的。从AIS软件架构设计的角度出发,基因模型应具有一般性、可扩展性、高效率和可用性。提出一个基因模型GeGeM(GeneralGeneModel),通过基因操作实现免疫计算。该模型基于三层结构:元基因、基因序列和基因数据集。其中元基因提供基因序列的规范,基因序列提供基本的公共的基因操作,而基因数据集在此基础上实现训练和检测。进一步,该模型实现并给出实验结果,结果分析表明该模型的可用性和算法的有效性。经讨论比较,该模型具有一般性和可扩展性,可用于建立多用途的AIS软件,也可用于构建特定领域的复杂多样的检测系统。     

硬件免疫系统中避免自身免疫的算法研究

硬件免疫系统的研究尚处在起步阶段，有大量的问题需要解决，包括如何避免自身免疫问题等。针对硬件免疫系统设计中无法避免的自身免疫问题提出的一种新算法能够借助协同刺激信号自动删除与自身匹配的检测器，使硬件免疫系统具有自身耐受能力，提高了检测正确率并降低了误报率。模拟实验结果证明了算法的有效性。     

一种新的免疫进化算法及其性能分析

基于免疫系统中的进化机理，提出了一种免疫进化算法。首先引入了邻域概念，并通过定义扩展半径和突变半径两个新算法参数而构造了较小和较大两个邻域。进而给出了扩展和突变操作分别利用这两个邻域进行局部和全局搜索，实现了从全局到局部的两层邻域搜索机制。分析了算法的优化机理和收敛性。仿真结果表明该算法具有不易陷入局部最优、解的精度高、收敛速度快等优点。     

求解FJSP的自适应免疫遗传算法

借鉴生物免疫系统的免疫调节机理,提出一种求解柔性作业车间调度问题的自适应免疫遗传算法(AIGA).该算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,通过引入免疫算子和种群的自适应调节策略,保持了群体的抗体多样性.实验结果表明,该算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,能有效解决柔性作业车间调度问题.     

基于分布式免疫进化算法的函数优化

针对遗传算法在寻优过程和多峰值函数求解中出现的“早熟”问题以及免疫算法收敛速度较慢问题,将免疫算法和进化算法进行优势融合,并结合改进的进化算法的并行模型,提出一种新的算法--分布式免疫进化算法（distributed immune evolutionary algorithm,DIEA）。新算法主要包括记忆种群进化模块和子种群进化模块两个部分,子种群的主要功能是找出各个区间的局部最优解;主种群主要是进行全局搜索,寻找全局最优解。仿真实验表明,该算法具有很高的全局寻优能力和很快的收敛速度,适合求解复杂多峰函数优化问题。