模糊致命度分析及其在矩阵FMECA中的应用

故障模式、影响及致命度分析（简称ＦＭＥＣＡ）是提高产品可靠性的一种有效的工具．矩阵ＦＭＥＣＡ系统和模糊致命度分析系统是目前较为先进的ＦＭＥＣＡ方法．但是,这两种方法各有其利弊．本文研究的在矩阵ＦＭＥＣＡ中采用模糊致命度分析方法,既能有效地跟踪及计算复杂系统的每个零部件级到系统级的故障模式和影响,节省大量的人力、物力和时间;又能采用模糊数学方法,对故障进行模糊致命度评判,大大提高了致命度分析的准确性;同时又具有在同一级故障模式中可采用框图分析方法,使分析更为简便、准确、直观性好．采用该方法编制的计算机辅助分析程序,可纵向进行矩阵ＦＭＥＣＡ快速追踪和模糊致命度评估,横向进行ＦＭＥＣＡ表格展开分析,大大提高了系统分析的速度和准确性,加强了系统分析的直观性和与用户的友好性．在机械产品的可靠性研究中,有较高的应用价值     

基于Dempster-Shafer证据理论和人工智能的变压器故障诊断研究

传统的溶解气体分析方法和基于溶解气体分析数据的人工智能技术在变压器早期故障诊断中的应用由来已久。Dempster-Shafer证据理论已被应用于存在不确定性和冲突的各种面向人工智能的应用中。为了克服故障类型之间的冲突及提升变压器故障诊断正确率,该文提出了基于Dempster-Shafer证据理论和人工智能的变压器故障诊断方法。利用反向传播(Back propagation, BP)神经网络基于5种关键气体的浓度百分比检测变压器故障,并将其作为第一证据。利用模糊逻辑基于3种气体比率检测变压器故障,并将其作为第二证据。利用证据理论对BP神经网络和模糊逻辑检测结果进行集成分析,得到最终的诊断结果。研究结果表明证据理论和人工智能在变压器故障诊断中具有良好的应用前景。     

基于遗传优化规则库的电力变压器故障诊断

提出基于遗传算法优化模糊规则库的故障诊断方法,采用模糊故障诊断系统对电力变压器的初期故障进行检测或诊断.采用遗传算法产生优化的模糊规则库,针对缺少数据样本的情况,采用自举法对数据样本进行处理及扩充,使得不同的故障类型有相等的样本数.仿真结果表明:该故障诊断方法提高了故障诊断精度和正确率,对于电力变压器故障诊断有效、可行.     

故障模式影响与模糊风险分析及其程序研制

故障模式、影响及致命度分析（简称ＦＭＥＣＡ）是提高产品可靠性的一种有效的工具．但是,传统的表格式ＦＭＥＣＡ不能有效地跟踪及计算复杂系统的每个零部件,对复杂系统往往要耗费大量的人力、物力和时间,而矩阵ＦＭＥＣＡ直观性和图形化能力不强,使用户在使用中产生诸多的不便．本文应用模糊数学理论,建立了模糊ＦＭＥ－ＣＡ语言,确定了模糊风险评判法则,形成了完整的故障模式、影响及模糊风险分析方法,具有分析简便、准确、直观性好的特点．采用该方法编制的计算机辅助分析程序,具有大系统数据库的特点,能方便地开发图形数据库,简便、易操作．利用该系统,对飞机发动机提出了改进意见．在航空发动机的可靠性研究中,有较高的应用价值     

基于模糊AHP变压器运行状态判断矩阵建立方法

针对变压器的故障原因、故障机理以及故障征兆之间存在随机性和不确定性,运用层次分析法(AHP)建立了变压器运行状态的模糊综合评价影响因素分析模型;利用AHP的一致性判断矩阵直接转换到模糊对称矩阵,得到了不同的运行状态阶段影响因素指标相对于变压器运行状态的组合权重.这种方法不仅简化了模糊综合评判方法的对称矩阵的建立,也使变压器运行状态的评价准则更满足工程实际的要求.实例表明,该方法将层次分析法和模糊综合评判方法相结合,可以对各影响因素进行权衡分析,从而有效地对变压器运行状态作出综合评价.     

模糊神经网络在电力变压器故障诊断中的应用

及时和正确地诊断出电力变压器的故障,对维护电力系统的正常安全运行具有非常重要的意义。本文把基于模糊理论和神经网络的模糊神经网络模型应用于变压器的故障诊断中,实例分析结果表明该方法能有效提高变压器故障诊断的正确性。     

基于模糊层次分析方法(F-AHP)的盟员优化选择算法

为了解决敏捷制造（ＡＭ）中组织动态联盟时的盟员选择问题,提出了一种基于模糊层次分析方法（ＦｕｚｙＡｎａｌｙｔｉｃＨｉｅｒａｒｃｈｙＰｒｏｃｅｓ,缩写为Ｆ－ＡＨＰ）的盟员选择算法．首先根据ＡＨＰ方法确定模糊评价矩阵和权重矢量,再通过模糊运算求出决策矢量,最终实现对侯选盟员的排序和盟员选择．     

变压器故障分析诊断

本文首先分析了变压器的几种常见故障,然后根据这些故障阐述了变压器的检测手法,这些手法各不相同,检测的针对性也不同。最后本文详细分析了故障的处理措施和故障的判断步骤。     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

噪声环境中基于HMM模型的语音信号端点检测方法

在噪声环境下如何提高语音信号端点检测的准确性是自动语音识别（ＡＳＲ）研究中的一个重要课题．常用的基于短时能量的端点检测方法对于能量较低的音节或在信噪比较低的环境下,检测性能不够理想．讨论了一种基于ＨＭＭ模型的语音信号端点检测方法．先用训练的方法生成背景噪声和废料的模型,再用Ｖｉｔｅｒｂｉ解码算法对待测信号进行处理,并给出了具体的实现方法．实验测试结果表明,基于ＨＭＭ的端点检测方法的检测性能接近于人工检测,方法是有效的．     

带置信因子的变压器故障模糊诊断

为了解决电力变压器中故障诊断存在的大量随机性和模糊性问题。提出了一种基于置信因子的模糊诊断方法。建立的带置信因子变压器故障模糊诊断模型，用于科学地定量确认故障产生原因；通过确定置信因子和建立模糊综合评判信度，补偿评判中主观信度，实现故障诊断过程。应用实例证明该方法是有效。可行和可靠的，具有实际推广价值。     

混沌动态模糊神经网络及变压器故障诊断的应用

提出一种结合动态模糊神经网络和混沌优化算法的故障诊断方法,将混沌变量引入模糊神经网络结构和参数的优化搜索.利用混沌优化的动态模糊神经网络建立变压器故障诊断模型,此模型不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可根据误差减少率进行修正.仿真结果表明,混沌动态模糊神经网络算法精度高、迭代步骤少、收敛快,对识别和预测变压器状态具有较高的精度和效率,并可方便有效地应用到其他领域.     

基于模糊Petri网的事故树模糊分析方法研究

为了降低获取现场采样数据精确值的难度并提高事故诊断的准确性,根据模糊事故树和模糊Petri网均具有描述事件发生因果关系链这一共同特征,采用模糊Petri网来表示事故树,建立了事故树的模糊Petri网模型,在Petri网中对事故树进行了模糊分析研究.该方法不仅可以对顶上事件各特征量进行估算,还能利用模糊Petri网推理算法进行事故诊断,实现了Petri网与事故树的紧密结合,使事故诊断更加切合实际.引入模糊集合理论到事故树分析方法,用模糊数来表示事件发生的概率,减小了获取底事件发生概率精确值的难度,在一定程度上修正了事故概率统计数据的误差.该方法可以将生产现场的实测数据与专家经验数据结合起来,使得分析结果更接近于工程实际.图2,表1,参13.     

变压器油中溶解气体含量检测故障诊断仪的设计

研究了应用变压器油中溶解气体含量检测来诊断变压器故障的方法,针对气体传感器之间存在的"交叉敏感"设计了基于人工神经网络的气体检测系统.神经网络采用使用最为广泛的BP网络.从而能构成对气体的较准确的分析测试.单片机选择Intel 16位的80C196KB,简化了接口电路的设计.设计中采用了油中气体分析法来确定变压器的故障并通过数码管显示出故障类型并由单片机来实现.     

思维进化算法优化模糊神经网络的变压器故障诊断

提出一种基于思维进化算法的模糊神经网络变压器故障诊断方法。该方法利用思维进化算法中的趋同和异化操作,对模糊神经网络中输入变量的隶属度函数位置参数和宽度参数以及神经网络的连接权值进行全局优化,可有效地克服常规模糊神经网络BP算法收敛速度慢、精度不高和遗传算法训练模糊神经网络速度缓慢、易陷入局部极小等缺点,有利于更快地收敛于全局最优解。并将其应用到基于溶解气体分析的变压器故障诊断中,实例表明,采用该方法具有较快的收敛速度和较高的诊断准确度,说明了该方法的正确性和有效性。     

Reliability Analysis of Lithography Wafer Stage Based on Fuzzy Bayesian Networks

Bayesian network（ BN） is a powerful tool of uncertainty reasoning. Considering the insufficient information,incorporating fuzzy probability into BN is an effective method. Fuzzy BN was used to solve this problem. In this paper,fuzzy BN was applied in wafer stage system,which was an important part of lithography. BN of wafer stage was transferred from fault tree（ FT）. The quantitative assessment based on fuzzy BN was carried out. The Birnbaum importance factors of basic events were calculated. Therefore,the system failure probability and the vulnerable components could be gotten.     

基于遗传小波神经网络的变压器故障诊断

电力变压器油中溶解气体的色谱分析是变压器故障诊断的重要方法,通过该方法可以间接了解变压器的运行状态和内部潜在故障.人工神经网络已经成功地应用于电力变压器故障诊断,但学习样本数多和输入输出关系复杂性减慢了网络的收敛速度.为解决此问题,将用遗传算法改进的小波神经网络应用于电力变压器故障诊断,克服小波算法易于陷入局部极小、收敛速度慢等缺点.     

基于变论域模糊滑模观测器的微网逆变器系统容错控制

针对微网逆变器系统量测回路中,电流互感器故障及虚假数据注入攻击问题,提出基于滑模观测器融合变论域模糊控制的异常量测信号估计与电流补偿容错策略。基于电流量测量设计并网模式微网输出反馈线性二次型最优控制器,构建电流互感器故障及虚假数据注入攻击模型,根据Lyapunov稳定性理论及线性矩阵不等式方法设计滑模观测器,构造融合异常量测信号估计值的电流补偿容错控制策略;最后提出基于模糊推理的变论域模糊控制方法实现滑模增益的动态调整,提高观测器估计性能。仿真及实验表明,电流互感器故障及虚假数据注入攻击将使微网逆变器系统的稳定控制器失效,所提出的容错控制策略对多场景下异常电流量测信号的估计精度更高,可确保微网安全稳定运行。     

基于可能性理论的柴油机故障诊断方法

本文提出了基于可能性测度的柴油机故障诊断方法.与概率测度相比,可能性测度更为适合,计算更为简单,在故障诊断中有着广泛的适用性。