基于公共信息模型的分布式系统业务管理

为了管理Web服务所依赖的底层资源，提出了不同体系结构管理集成的通用业务管理机制．该机制将业务管理的服务级协定(SLA)监视过程分解成配置服务、测量服务、条件评估服务和管理服务，并给出实现服务的最佳方案．建立了SLA参数与资源度量的映射，将SLA从Web服务环境配置到传统管理构架的公共信息模型对象管理器(CIMOM)，并将CIMOM的测量数据传回给Web服务，达到2种体系结构间管理的互操作性．通过主动资源代理，自觉请求检索新度量和计算SLA参数，无需外部触发，有效降低了系统的开销．仿真实验表明，该机制可提高分布式系统的业务监控能力。     

基于模型诊断和skyline查询的电网故障诊断

针对基于专家经验的电网故障诊断系统开发周期长,且难以诊断经验之外故障的问题,提出一种基于模型诊断和skyline查询的电网故障诊断方法.该方法根据测点分布将待诊断系统分解成若干独立子系统,利用故障输出与元件之间的因果关系建立系统模型,然后推理每个子系统的候选诊断,将实际告警信息引入到模型诊断逻辑框架中,运用skyline查询算法从候选诊断中识别故障元件.通过离线获得预备候选诊断,在线确认候选诊断的手段,缩减了诊断的时间,提高了诊断的效率,将实际告警信息引入到模型诊断的逻辑框架内,提高了诊断的有效性.仿真表明方法条理清晰,计算简便,能够有效地减少诊断时间和空间复杂度.     

容错Petri网电网故障诊断改进模型

针对容错Petri网电网故障诊断模型未考虑近后备保护对模型的影响,以及网络拓扑结构变化时模型的可移植性较差等问题,提出了容错Petri网电网故障诊断的改进模型.通过引入近后备保护以及一个模拟近后备保护控制的断路器的虚拟库所,使改进后的模型更加直观,能够全面反映保护系统的各种动作逻辑.且沿故障候选元件的各个故障蔓延支路分别建立模型,网络拓扑结构变化时只须添加或删除相应支路的故障诊断子模型,无须修正关联矩阵.算例仿真结果表明:改进模型简单,具有良好的通用性和可移植性,且推理结果可直接用于评价保护系统的动作特性.     

基于交互多模型无味卡尔曼滤波的移动机器人故障诊断

为了快速、准确地诊断出移动机器人的故障,将交互多模型算法和无味卡尔曼滤波(IMM_UKF)结合起来,通过各个故障模型的概率大小来判断故障是否发生。仿真结果证明,IMM_UKF的估计准确度要高于IMM_EKF,能够准确判断故障。     

基于支持向量域描述的多故障诊断动态模型

为了提高多故障诊断中对新故障类别和新故障数据的适应性，提出了一种新的多故障诊断动态模型．该模型采用支持向量域描述算法（SVDD）对多类故障进行单独训练，建立独立而封闭的特征空间，满足故障类别的动态增加需要，并采用样本与各特征空间的相对距离进行了多故障的混合识别．应用在线SVDD算法，在已有的故障特征分布信息基础上，通过更新操作，学习新数据信息，从而实现了故障模式的动态调整．通过仿真和机械故障实例数据的检验，表明该模型能够动态地提取多类故障的特征信息，改善诊断学习过程的适应性．     

基于私人和公共信息精度IPO定价的期望效用模型研究

在指数效用函数下,提出了基于私人信息和公共信息精度的IPO最优发行价和发行股份额的期望效用模型,并对最优解进行了求解和分析．研究结果表明：发行价格与申请发行股份数量负相关．发行价格随着公司基本价值条件期望的增加而增加,随着条件方差的增加而减小;噪音信息和调整成本,都将导致发行价格的部分调整;私人信息和公共信息都对股票发行价格和发行数量产生影响;随着私人和公共信息精度的增加,纳入到发行价格中信息的比例将增加：股份发行数量的调整与私人和公共信息存在着正相关关系．     

一种改进的电网故障诊断解析模型

电网故障过程中保护和断路器动作及告警信息的不确定性,使原有的电网故障诊断完全解析模型存在多解和误诊,因此本文通过解析保护和断路器动作以及告警信息的不确定性,构建一种电网故障诊断的改进解析模型.该模型利用保护和断路器的误动与拒动概率以及告警信息的漏报与误报概率,赋予保护和断路器不同权值,使模型更加合理.此外,通过解析故障过程中保护和断路器的动作状态,降低模型中待求变量的维数.算例仿真结果表明本文方法有效,诊断结果唯一.     

STL在电网故障诊断遗传算法中的应用研究

电网故障诊断通常基于保护和断路器的动作信息,并经遗传算法实现故障元件识别．该文在研究故障诊断模型特征的基础上,以基于泛型技术的标准模板库为核心,分别抽象出简单遗传算法的染色体类及遗传算法类,给出具体的遗传算子源代码,并结合具体故障实例验证诊断结果．通过与传统遗传算法的c＋＋代码的对比,表明STL容器、迭代器及算法的使用不但增强了程序的可读性和健壮性,同时也降低了程序时间复杂度,最终达到提高电网故障元件识别速度目的．     

基于GTK的嵌入式故障诊断系统设计

在解释嵌入式故障诊断系统含义的基础上,详细介绍了GTK技术的优势,对嵌入式故障诊断系统的结构、功能设计进行了探讨。     

基于模糊外展推理和Tabu搜索方法的电力系统故障诊断

电力系统故障诊断中存在两种不确定性因素,即保护和断路器动作的可靠性,以及调度中心中收到的保护和断路器的警报信号的正确性和未收到的警报信号实际出现的可能性.如何处理这些不确定性在一定程度上影响故障诊断结果的准确性.到目前为止,还没有一个系统的方法能够同时处理上述两种不确定性因素.文章提出了基于模糊外展推理(fuzzy abductive inference)的电力系统故障诊断的一种新的模型,可以同时计及这两种不确定性因素.首先将故障诊断问题描述为无约束0-1整数规划问题,之后采用了近年来提出的一种高效的启发式优化技术--Tabu搜索(Tabu Search-TS)方法来求解.算例系统的研究结果证实了所提出的方法是正确的和有效的,且具有在线应用的潜力.     

神经网络在核动力装置故障诊断系统中的应用

对核动力装置进行状态监测与诊断的层次、步骤、系统结构进行了阐述，并结合专家知识对核动力装置典型故障建立了故障知识库；在此基础上，将径向基函数（RBF）人工神经网络引人到核动力装置故障诊断中，使其与模糊神经网络（FNN）进行邦联，提高了神经网络的诊断速度和准确性．用Visual Basic6．0编制了系统程序．该系统对典型故障进行了诊断，得到了预期的效果．     

基于冗余嵌入Petri网的电网故障诊断方法

针对现有电网故障诊断方法存在的容错性和适应性不够理想的问题,以电气量信息和保护动作信息为依据,基于冗余嵌入Petri网和范德蒙矩阵构建电网的Petri网故障诊断方法,根据变迁的发生及库所中托肯的转移,确定故障位置.通过算例分析验证所提方法的有效性和合理性,结果表明该方法简化了诊断过程,提高了准确性,并能灵活适应电网拓扑结构的变化.     

基于LMBP算法的液压油缸内泄漏故障诊断方法

针对液压油缸内泄漏故障诊断中提取时域参数过多以及各参数间相互交叉等问题,提出一种基于主成分分析（Principal Component Analysis,PCA）和改进的Levenberg—Marguard（LM）神经网络的诊断方法．首先采用Lu分解法对LM算法中逆矩阵的求解进行优化,以加快网络的收敛速度,然后提取压力信号的8个时域参数作为原始特征,采用PCA法对其进行降维和去相关,提取前2个主成分作为最终特征,输入到改进的LM网络中进行故障模式识别,并将诊断结果与LM算法和GA—BP算法进行仿真对比研究．研究结果表明：基于LMBP算法的故障诊断方法在减少识别误差和提高诊断速度等方面取得显著改善,是一种行之有效的液压油缸内泄漏故障诊断方法．     

基于PCA和BP网络的液压油缸内泄漏故障诊断

针对液压油缸内泄漏故障诊断时,由于提取的时域参数过多,导致诊断速度慢、实时性差等问题,提出基于主成分分析(PCA)和BP神经网络的诊断方法.该诊断方法是:首先提取压力信号的时域参数作为初始特征,然后利用PCA方法将高维初始特征空间压缩到低维最终特征空间,并将得到的最终特征输入到BP神经网络进行故障模式识别.研究结果表明:该诊断方法在满足故障检测识别率的同时提高了诊断速度,为液压油缸内泄漏的故障诊断提供了一种实用方法.     

水电机组故障诊断专家系统中知识库的设计

以水电机组为研究对象，对故障诊断专家系统知识库的建立从理论上和方法上进行了研究，建立了基于C 的产生式知识库系统。该方法已在白莲河水电站水电机组故障诊断专家系统知识库中获得应用，取得了良好的效果。对其他电站水电机组专家系统的建立有推广意义。     

递阶结构进化神经网络在故障诊断中的应用

主要研究进化神经网络在旋转机械故障诊断中的应用 ,提出了一种基于递阶结构的遗传算法与进化规划相结合的神经网络学习新算法 ,利用该算法可以同时对网络进行结构优化和权重求解。通过旋转机械故障分类应用实例 ,与传统的 BP训练算法作了比较 ,证明基于递阶结构的进化神经网络算法不仅在权重训练方面比传统 BP训练算法更加快速稳定 ,避免陷入局部极小点 ,而且同时对网络结构进行了优化 ,得到了结构更为简捷的旋转机械故障分类网络     

基于遗传-神经网络的电机故障诊断

本文采用非线性最小二乘法中的LM(Leven-berg-Marquardt)算法,结合遗传算法进行电机故障诊断的方法,并应用于电机故障的仿真实验,性能明显优于单一的算法结构.1神经网络模型及算法本文采用的LM算法是一种利用标准数值优化技术的快速算法,是高斯-牛顿法的改进形式[1].LM算法网络     

Network fault diagnosis using DSM

Difference similitude matrix (DSM) is effectivein reducing information system with its higher reduction rate and higher validity. We use DSM method to analyze the fault data of computer networks and obtain the fault diagnosis rules. Through discretizing the relative value of fault data,we get the information system of the fault data. DSM method reduces the information system and gets the diagnosis rules.The simulation with the actual scenario shows that the fault diagnosis based on DSM can obtain few and effective rules.     

神经网络在故障诊断中的应用

针对传统故障诊断系统中存在的不足,将人工神经网络用于故障诊断,成为解决这一问题的有效途径.在BP神经网络学习算法基础上,对其进行一些改进.通过实例分析,将神经网络用于故障诊断,可大大提高系统的检诊效率.