基于模型预测和溯因推理网络的电网故障诊断方法

考虑电网出现故障时,仅依靠开关量状态信息进行诊断,诊断信息冗余度低,复杂故障情况下会影响诊断结果的准确性.引入电气量信息,提出了模型预测和数据清洗方法,建立电网故障诊断系统.利用模型预测得到准确的电气量信息,建立清洗规则和逻辑推理规则,分别对开关量进行数据清洗和验证故障信息.在此基础上,利用溯因推理网络(abductive reasoning network,ARN)对故障信息进行诊断,得出候选故障.仿真结果验证了该方法的有效性和准确性.     

Application of Rough Set Theory in Fault Diagnostic Rules Acquisition

Rough set theory is a new mathematical tool to deal with vagneness and uncertainty. But original rough sets theory only generates deterministic rules and deals with data sets in which there is no noise. The variable precision rough set model （VPRSM） is presented to handle uncertain and noisy information. A method based on VPRSM is proposed to apply to fault diagnosis feature extraction and rules acquisition for industrial applications. An example for fault diagnosis of rotary machinery is given to show that the method is very effective.     

基于信息融合的风电机组齿轮箱轴承故障诊断

针对风电齿轮箱轴承故障问题,提出一种基于信息融合将BP神经网络与D-S证据理论相结合的风电轴承故障诊断方法。首先基于大数据,挖掘SCADA(supervisory control and data acquisition)系统中与风电齿轮箱轴承故障有关的振动、温度、电流、转矩和转速信号等故障特征;然后将各信号故障特征量作为神经网络输入,将神经网络的输出归一化作为证据理论基本概率分配值(BPA值),为解决各证据之间冲突问题,采用一种基于加权的方法来改进各条证据,以减小冲突;最后利用组合规则将各条改进的证据融合,得出最终诊断结果。研究基于某风场2 MW风电机组的实际运行数据,结果表明:随着融合信号维度的增加,最终诊断结果的准确率也逐步提高,融合多维信号的可靠性明显高于单一信号。     

证据理论在旋转机械综合故障诊断中应用

针对旋转机械故障诊断中在同一征兆域中很难区分多种故障的实际情况,研究利用其他征兆域的诊断信息,进行全局信息融合,从而获得更为准确的故障定位,提出一种基于神经网络和Dempster-Shafer证据理论的多参数综合诊断系统模型,在该模型中采用证据理论的组合规则进行局部和全局信息融合,得出较好的诊断结果。     

飞行器故障诊断专家系统中的知识获取机制

根据某飞行器的诊断实例,先通过文字编辑模块（读取编辑器）转换源知识（实例）的形式,得到初始规则,然后运用归纳方法获得用于修理诊断的,精炼合理的系统知识,并由归纳分类形式知识库的分块分层结构,本 系统在ＨＰ ＶＥＥ的环境下开发实现,在某飞行器故障诊断的实际应用中能有效运行,完成知识的自动转换和分类精化。     

一种基于模糊Petri网的操瞄系统故障诊断方法

针对操瞄系统故障诊断建模中动态行为较难描述的问题,利用模糊Petri网的方法对系统中的故障传播进行建模.引入模糊产生式规则进行知识表示,研究了模糊Petri网的故障诊断建模方法及其推理算法.利用该方法对某牵引火炮的操瞄系统进行故障分析. 分析结果表明,基于模糊Petri网的故障诊断方法,结构简单、易懂,具有良好的故障表达形式以及有效的模糊推理能力,是一种行之有效的故障诊断方法.     

汽车稳定性控制系统关键传感器故障诊断

设计了基于解析模型的故障诊断算法实现传感器信号的自诊断功能,首先建立关键传感器的故障诊断算法基本框架,然后利用不同的故障诊断模型分别设计了基于等价方程与基于观测器两种故障诊断算法.等价方程算法利用车辆线性单轨模型及车辆运动学方程,将车辆操纵稳定性控制需求的传感器联系起来,并用于彼此的相互诊断.观测器方法利用车辆非线性单轨模型,通过建立龙贝格观测器提取传感器故障信息.从灵敏度与误报率两方面出发,提出了将两种算法有效融合的算法改进措施,重新制定诊断规则.实车试验的结果表明融合算法能够准确快速地诊断出微小故障,并给出故障等级.     

Nonlinear fault diagnosis method based on kernel principal component analysis

To ensure the system run under working order, detection and diagnosis of faults play an important role in industrial process. This paper proposed a nonlinear fault diagnosis method based on kernel principal component analysis (KPCA). In proposed method, using essential information of nonlinear system extracted by KPCA, we constructed KPCA model of nonlinear system under normal working condition. Then new data were projected onto the KPCA model. When new data are incompatible with the KPCA model,it can be concluded that the nonlinear system is out of normal working condition. Proposed method was applied to fault diagnosis on rolling bearings. Simulation results show proposed method provides an effective method for fault detection and diagnosis of nonlinear system.     

神经网络与模糊故障诊断专家系统结合的应用研究

讨论基于模糊产生式规则的故障诊断专家系统与神经网络相结合的问题,把推理网络同神经网络联系起来,使它能转换成神经网络。结论经实例验证,该方法可靠有效。利用神经网络的并行处理和自学习能力,能避免传统模糊推理的冲突,低效率和知识获取的瓶颈问题。     

基于Pajek的沥青摊铺机故障网络分析与诊断

摊铺机是复杂的机电液系统,因受环境因素影响,容易出现故障,影响施工质量,需建立摊铺机的故障诊断系统。在建立摊铺机的故障征兆网络后,对采样信号进行3层小波包分解,用小波系数模极大值法提取故障的特征状态信息,用Pajek软件分析9个子系统故障的度和聚类系数,得到故障的可能部位,降低系统维数,减少后续计算量。用PSO优化神经网络算法进行状态样本数据学习,训练网络结构并优化,进而得到故障部位信息。样本测试表明,和神经网络相比,系统的迭代次数有效减少,实际输出结果和期望区间相符。     

基于随机集的证据理论的改进在发电机故障诊断中的应用

在多传感器信息融合处理故障诊断问题过程中,传统证据理论对含有冲突证据的处理结果与实际相悖。文中运用随机集的方法对传统的证据理论进行改进,提出了一种新的基于证据本身的可信度权重和基于证据相似度的可信度权重的证据调整方法,并将改进后的方法应用于发电机系统的故障诊断中。结果表明,与传统证据理论相比改进后的方法更加精确地辨识出故障源,提高了诊断系统的性能。     

基于数据挖掘模型的配电网故障定位诊断

由于配电网故障定位所依据的故障信息来自于户外的FTU，其运行环境较恶劣，元器件受损或信息丢失的可能性高，易形成变异故障模式，导致故障定位的错判，提出基于粗糙集（RS）理论和遗传算法（GA）相结合的数据挖掘（DM）模型来处理实时输入信息的畴变和实现配电网的故障定位。首先通过RS对变异故障信息域的数据集进行划分，再用GA挖掘出输入信息与故障定位诊断结果间冗余关系及内在关联性规则。经仿真测试证明，基于DM模型的故障定位与基于常规前馈神经网络（FNN）故障定位原理相比，前者具更高的容错性能。     

基于粗糙集理论的内燃机故障诊断专家系统

在故障诊断专家系统的基础上,引入粗糙集理论,并以信息系统属性值表为主要工具,专家系统中的规则进行约简并剔除不必要的属性,揭示了故障诊断信息中内的冗余性,降低了故障诊断专家系统构成的复杂性,并建立了简化后的决策规则。     

基于集成模式的多参数综合智能故障诊断

基于产生式规则,事例,模糊诊断,神经网络集成模式,提出了多参数综合智能故障诊断方法,分析了多种诊断方法集成的必要性,以及该方法的知识表示,智能推理诊断及知识学习,应用结果表明这一多参数综合智能故障诊断的方法在实际工程中是行之有效的。     

粗糙集理论在内燃机故障诊断专家系统中的应用

在故障诊断专家系统的基础上，引入粗糙集理论，并以信息系统属性值表为主要工具，对专家系统中的规则进行约简并剔除不必要的属性，揭示了故障诊断信号中内在的冗余性，降低了故障诊断专家系统构成的复杂性，并建立了简化后的决策规则。     

基于故障诊断的数据挖掘系统

故障诊断规则获取一直都是研究的热点之一。粗集作为分类数据挖掘方法的一种，是故障诊断的一种新的有效方法。首先介绍了基于故障诊断的数据挖掘系统特点及结构，然后介绍各模块功能，并论述了相关的粗集理论及具体算法，最后给出了系统的应用实例。     

基于粗糙集的传感网络节点故障诊断方法研究

传感网络节点一般分布于环境复杂的区域,当前故障诊断方法诊断精度低,虚警率高,整体性能低。提出一种基于粗糙集的传感网络节点故障诊断方法,给出传感网络结构图,采用粗糙集方法,通过过滤传感网络节点故障数据不关键属性集,得到简化的节点故障属性集,保持了分类能力,提高了运行效率。通过对传感网络故障节点数据进行约简,减少传感网络节点故障数据特征向量维数。建立简化层次各异的传感网络节点故障诊断决策网络,对故障诊断决策规则覆盖度进行分析,求出所有符合既定采集规定的诊断决策规则集,完成新故障状态的处理,实现传感网络节点的故障诊断。实验结果表明,所提方法不仅具有很高的诊断精度,而且虚警率低、整体性能高。     

基于动态独立成分的单类支持向量机方法及其在故障诊断中的应用

针对工业过程故障诊断中数据的动态性、非高斯性和非线性特点,提出一种基于动态独立成分的单类支持向量机(OCSVM)方法。为了分析数据的动态特性和非高斯性,应用动态独立成分分析(DICA)方法提取数据变量中的动态独立成分作为特征信息,基于特征信息建立OCSVM模型并构造非线性监控统计量。检测到故障后,计算故障数据与故障模式数据决策超平面的相似度,通过相似度分析识别故障模式。在Tennessee Eastman基准过程上的仿真结果表明,提出的方法能够比单类支持向量机更有效地检测过程故障,并且能够正确识别故障模式。     

电网故障诊断专家系统中基于粗糙集理论的知识获取方法的研究

提出了电网故障诊断专家系统中基于粗糙集理论的知识获取的一种新方法,即利用分层诊断中由断路器变位信息诊断出故障区域,指导决策表中条件属性的选择,最大限度地剔除多余的条件属性,通过对决策表进行属性约简和值约简,得出故障诊断需要的诊断知识即诊断规则,并以三水地区的一个电网故障为例,说明该方法的有效性。     

粗糙集神经网络系统在歼击机结构故障诊断中的应用

给出故障诊断中定性和定量的诊断方法,先用粗糙集理论定性分析有无故障及故障的性质,再用神经网络定量计算故障的大小.通过利用粗糙集的数据预处理能力,从原始的数据中提取出故障诊断的规则,从而将输入映射到输出的子空间,而后在此子空间上用神经网络进行故障度的诊断.文中还将此法用于某歼击机的故障诊断中,并和传统的人工神经网络故障诊断模型相比较,结果表明了本文方法的有效性.