基于人工神经网络的旋转机械多故障同时性诊断策略

针对大型旋转机械多故障同时性诊断问题，基于人工神经网络，构造了一种由多个子网络组成的分级诊断网络（ＨＤＡＮＮ）。该网络旨在将一个大的分类模式空间划分为几个小的子空间，以便对各子网络进行有效的训练，提高各子网络的分类能力，从而使整个网络具有高精度的多故障同时性诊断能力，测试结果表明：ＨＤＡＮＮ网络不仅能准确地对单故障进行诊断，而且多故障同时存在的情况下，也能有效地识别出各种故障，该网络具有较高的诊断     

基于分布智能传播的自动故障管理

提出一种新的基于分布智能传播的自动故障管理系统(AFMDIP),该系统采用人工智能和网络分布管理技术,引入协作代理,提高了系统数据采集能力.代理用神经网络和事例暂存库进行告警收集、分类和事例管理.域内的故障首先由代理进行诊断,域内不能解决的问题将提交给管理中心.管理中心综合考虑各个域的信息,进行基于事例推理的故障诊断,并将事例传播到代理中.后续的类似故障将由代理直接完成诊断,提高了故障管理的效率,达到了信息和事例共享的目的.实验证明,AFMDIP有效降低了管理中心的带宽消耗,提高了在大范围多故障情况下的故障诊断速度.     

电压增量的线性相关性及在电路测试中的应用

为了诊断模拟电路中的软故障和多故障,提出了一种新的基于模拟电路节点电压增量关系方程的分析方法,并证明了各节点电压在随元件参数变化时,电压增量之间关系满足线性相关性。利用线性相关系数作为故障特征,提出新的模拟电路故障字典法。与传统方法字典法相比,新的字典法不仅能够诊断电路的单故障、多故障、硬故障和参数故障,而且能够同时适用于直流诊断和交流诊断。在交流诊断中,节点电压的取值范围从实数域扩展至复数域。     

电压增量的线性相关性及在电路测试中的应用

为了诊断模拟电路中的软故障和多故障,提出一种新的基于模拟电路节点电压增量关系方程的分析方法,并证明了各节点电压在随元件参数变化时,电压增量之间关系满足线性相关性。利用线性相关系数作为故障特征,提出新的模拟电路故障字典法。与传统方法字典法相比,新的字典法不仅能够诊断电路的单故障、多故障、硬故障和参数故障,而且能够同时适用于直流诊断和交流诊断。在交流诊断中,节点电压的取值范围从实数域扩展至复数域。     

相关性及候选K故障诊断的新方法

本文通过全体支路Ｚ参数矩阵正交投影，研究了诊断子矩阵整体相关结构，给出了用反投影法确定候选ｋ元件故障的新方法，大大减少了计算工作量．     

基于支持向量机的机械故障诊断方法研究

针对因缺少大量故障数据样本而制约机械故障智能诊断发展的问题，提出了一种基于支持向量机的机械故障诊断新方法，介绍了该方法的原理和算法，并利用模拟故障数据建立了多故障分类器。这种诊断方法只需要少量的时域故障数据样本来训练故障分类器，不必进行信号预处理以提取特征量，便可实现多故障的识别和诊断。测试结果表明，当数据样本中含有26％的噪声时，故障分类器仍然能正确分类多种故障。这种诊断方法具有算法简单、可对故障在张分类和故障分类能力强的优点。     

四维Novikov代数的导子代数

Novikov代数是一类特殊的左对称代数,与李代数的联系非常密切。导子是No-vikov代数中一个非常重要的概念。主要讨论复数域上的四维Novikov代数的导子代数的结构。给出了Novikov代数以及Novikov代数的导子的定义,讨论了它们的一些简单性质及其与左对称代数的联系,找到了复数域上四维Novikov代数的分类,对于每一类四维的Novikov代数写出它在一组特定的基下的特征矩阵,利用Novikov 代数的导子的定义,通过计算这类Novikov代数的导子在这组特定的基下的矩阵找出四维Novikov代数的导子的结构形式,利用表格的形式给出所有的四维Novikov代数的导子,从而得到每一类四维Novikov代数的导子代数的结构。     

状态空间中特征值D域稳定性的结构奇异值判据

状态空间中，状态矩阵Ａ在扰动矩阵影响下，特征值能否保持在一个预先指定的区域Ｄ中，这就是状态空间中的Ｄ域稳定性问题，本文从结构奇异值在状态空间中的对应形式出发，研究了状态空间中的Ｄ域稳定性问题，通过推广Ｓｍａｌｌ－μ定理，建立了状态空间中的Ｄ域稳定性的结构奇异值判据，并给出了算例，最后分析了结构奇异值判据存在的保守性及其可能改善的途径。     

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．     

汽轮发动机组故障诊断的节约覆盖集概率模型

汽轮发电机组的振动故障具有多样性的特点，经常出现多种故障同时发生的情况。文中介绍了一种在节约覆盖集理论框架上集成概率推理的诊断模型，并在此基础上建立了汽轮发电机组振动多故障诊断的实用模型，以某汔轮发电机组的2类振动多故障为例验证了该方法的有效性。该模型能有效地识别出汽轮发电机组的多故障，弥补了专家系统的神经网络等诊断方法不能正确诊断多故障的不足，具有较高的诊断可靠性和实用性。     

基于多源信息的智能电网动态层次化故障诊断

针对智能电网结构日趋复杂、系统信息呈多元化发展的特点,提出了一种新颖的故障诊断方法,包括用于快速诊断简单故障的开关层,着力解决开关和保护异动情况下复杂故障的馈线层,以及准确判断复杂系统环境下多类型故障的变电站层;同时采用动态跳转策略,调整诊断入口和结构.并且,将改进的深度优先搜索算法、Petri网推理与直觉不确定粗糙集约简方法分别应用于各层诊断中.仿真算例表明,本方法增强了各层诊断的适应性,提高了故障诊断的效率与精度,且能准确诊断多类型复杂故障,具有良好的实践应用价值.     

基于BP神经网络的三相逆变器故障诊断研究

针对三相桥式逆变电路为研究对象,建立了仿真模型,并对逆变器主电路开关器件的开路故障进行仿真,提出了基于BP神经网络的故障诊断方法,确定了网络的结构和参数,并以此训练网络.仿真试验结果表明,该神经网络具有很好的故障识别能力,所选择的基于BP神经网络的三相逆变器故障诊断系统是可行的.     

网络入侵中的模糊区域判断算法

针对当前网络入侵中模糊区域判断算法未考虑算法的自适应及容错性, 判断效率和稳定性均较差的问题, 提出一种基于多层逻辑结构 的网络入侵中模糊区域判断算法. 首先采用基于多层逻辑结构的模糊区域判断算法, 以自适应和容错性作为约束条件, 通过求取算法不同层反馈解, 得到网络入侵中的模糊区域判断结果; 然后基于判断结果, 采用警报合成算法将较多雷同警报合成为一条警报, 以防止形成警报洪流, 获取最佳模糊区域判断结果. 实验结果表明, 该算法的检测率和误报率总平均值分别为9313%和097%, 平均时间为10.13 s, 表明该算法具有显著的网络入侵模糊区域判断优越性.     

基于直觉模糊最小二乘支持向量机的变压器故障诊断

针对基于溶解气体分析的变压器故障诊断数据具有小样本、 贫信息且故障诊断结果易受样本中噪声影响的特点, 提出一种直觉模糊最小二乘支持向量机算法(IFLS-SVM). 先进行相关算法的推导, 并设计了基于IFLS SVM的多类分类器, 然后借助Matlab软件实现了电力变压器的相关故障实例诊断, 最后将其诊断结果与LS-SVM
的几种多分类算法及BP神经网络的诊断结果进行比较. 实验结果表明, IFLS-SVM诊断效果较好, 抗噪性较强.     

神经网络多参数诊断法

讨论了机械故障诊断中采用多参数诊断法的必要性,阐述了神经网络理论用于多参数诊断的理论依据,归纳了神经网络多参数诊断法的实施步骤,并以滚动轴承故障诊断为例,对该方法进行了实验验证,证明了该方法的实用性。     

在线多尺度滤波多变量统计过程的适时监测

在详细分析现有MSPCA模型不足的基础上,借助在线多尺度滤波(OLMS),提出了一种多变量统计过程的在线监测方法,并将其应用于传感器故障诊断。该方法中,首先在固定窗长的数据窗口内用边缘校正滤波器对信号进行小波分解,然后用小波阈值滤波对分解的小波系数进行消噪,并借助该固定窗长的移动窗口将小波变换和自适应PCA结合起来对数据进行在线多尺度建模,从而避免了直接对信号进行消噪所造成的时间浪费,提高了故障诊断率。最后以6135D型柴油机在严重漏气下的8个振动信号的故障诊断为例进行故障分析,结果表明了所提方法的可行性和实用性。     

复杂系统故障诊断中的模糊聚类方法

为了提高复杂系统故障的诊断能力,采用模糊Ｃ－均值聚类算法对原始采样数据进行聚类,并通过模糊传递闭包法和绝对值指数法得到模糊Ｃ－均值法的初始迭代矩阵．用划分系数、划分熵和分离系数来评价聚类的结果是否最佳．采用模糊聚类方法可避免研究复杂系统的内部特性,比仅依据其外部输出的数据进行故障诊断方法简便．通过某飞行器测试系统的应用,表明采用模糊聚类方法后,提高了判别故障的准确率．     

Research on Satellite Fault Diagnosis and Prediction Using Multi-modal Reasoning

Diagnosis and prediction of satellite fault are more difficult than that of other equipment due to the complex structure of satellites and the presence of muhi-excite sources of satellite faults. Generally, one kind of reasoning model can only diagnose and predict one kind of satellite faults. In this paper the author introduces an application of a new method using multi-modal reasoning to diagnose and predict satellite faults. The method has been used in the development of knowledge-based satellite fault diagnosis and recovery system (KSFDRS) successfully. It is shown that the method is effective.     

基于相关矩阵和动态集合覆盖的配电网故障诊断方法

作为电力网络中直接向用户供电的关键环节,配电网的工作状态直接影响电力用户的用电质量和用电体验。为解决配电网故障线路区段的定位问题,提出了一种基于相关矩阵和动态集合覆盖的配电网故障诊断方法。根据配电网拓扑建立故障电流信息和故障线路区段相关矩阵,引入隐马尔科夫模型刻画每条线路区段随时间变化的状态序列; 基于每个时间周期上馈线终端单元上报的故障电流信息集合,建立动态集合覆盖的配电网故障诊断模型,使用维特比译码求解满足集合覆盖条件的线路区段工作状态序列,实现对配电网的在线故障定位。通过仿真实例验证了基于相关矩阵和动态集合覆盖的配电网故障诊断方法的定位准确性和稳定性。     

基于粗糙集理论多区域并行神经分类器在变电站故障诊断中的应用

针对变电站故障诊断中不确定信息多和实时性要求高的特点,以变电站的开关保护信息为基础,提出了一种基于粗糙集理论和神经网络理论的多区域并行神经分类器的变电站故障诊断方法.该方法首先将变电站故障划分为多个独立的故障单元,针对每个区域故障单元建立故障模式库,利用粗糙集的知识约简和不确定信息的处理能力,对故障模式库并行挖掘,实行属性优选,再运用神经网络对故障诊断知识进行模式识别.将其应用于变电站故障诊断专家系统中,应用结果显示该方法不仅能缩小问题求解规模,实时性高,而且具有较强的抗干扰能力,是一种有效的变电站故障诊断方法.