组合网络的最小项矢量法故障诊断

本文从布尔函数的积之和范武以及积之和范式的运算特点出发导出了一般布尔函数间的数值——运算布尔函数的最小项矢量运算,进而提出了最小项矢量代数的概念.作为这个代数系统的一个应用,着重介绍了最小项矢量(MV)法诊断组合网络的一般技术,其中包括:单故障完全测试集的生成,故障检测测试集的生成,故障定位测试集的生成以及故障字典的编排.这个方法作为探讨故障诊断算法数值化是一个尝试,同时它又为经典布尔差分法的计     

时序电路SACO和PSO混合算法的测试矢量生成

提出了一种新的测试矢量生成算法，其使用SCOAP测度对蚁群算法进行参数调整，并在粒子群算法的框架下进行测试矢量生成，再使用调整后的蚁群算法进行测试矢量优化。该算法不仅克服了粒子群算法的容易陷入局部最优等缺点，而且利用电路本身的特性来确定蚁群算法的参数。以国际标准电路为例，实验验证本文的算法，结果表明本算法应用于时序电路的测试矢量生成时，相对于粒子群算法提高了其收敛性，提高了故障覆盖率；相对于蚁群算法压缩了测试矢量集，减少了测试诊断时间。     

电路测试的可区分故障算法研究

研究一种基于人工神经网络的能区分故障的数字电路测试生成方法,该方法利用电路基本逻辑门的特性和神经网络模型的特点,首先建立测试生成的神经网络模型,然后通过求解网络能量函数的最小值点获得给定类型故障的测试矢量,其研究结果在可区分故障的测试生成方面提供了一种可能的新途径     

时滞测试能量函数的局限性分析和改进模型

针对时滞试能量函数，分析了它在无冒险强健测试矢量生成时存在局限性和表达式较复杂的不足。在此基础上建立了无冒险条件下的时滞试能量函数，从而完善了Chakradhar提出的时滞测试能量和相应的测试生成算法。     

多元数据的多点表示模型

提出了多元数据的多点表示模型.该模型采用多个平面矢量来表示多元数据的各个属性变量.每个平面矢量用一个复变函数来描述,整个数据集表达为一个复变函数矩阵.该模型可以统一描述多种常用的图表示方法,如平行坐标、雷达图、星座图等.该表示模型的参数可以利用机器学习算法进行优化,从而有效地揭示,数据结构并进行可视化模式识别.     

基于小波包能量熵和GWO-SVM的滚动轴承故障诊断

针对滚动轴承不同故障类型和不同损伤程度识别准确率较低的问题,提出了将小波包能量熵、灰狼优化算法和支持向量机相结合的故障诊断方法.首先,将滚动轴承振动信号进行3层小波包分解,对第3层各频段小波包分解系数进行重构,提取各频段成分的能量熵构成故障特征向量;其次,利用灰狼优化算法实现支持向量机参数优化;最后,基于优化后的支持向量机分类模型完成对测试集滚动轴承不同故障类型和不同损伤程度特征向量的识别诊断.实验结果表明,相比实验和文献中其他方法,该方法对滚动轴承不同故障类型和不同损伤程度具有更加突出的故障辨识能力.     

基于VMD-TEO窗和DBiLSTM的早期轴承故障诊断

针对现代滚动轴承早期故障监测因数据量增大所带来的诊断困难问题,提出了基于变分模态分解(VMD)与TEO窗特征提取的深层双向长短记忆神经网络(DBiLSTM)轴承故障诊断方法。首先,利用改进果蝇算法优化的VMD-TEO窗函数,提取轴承振动信号的瞬时能量特征,构造具有时序特性的特征矩阵;其次,利用训练集对DBiLSTM模型进行学习以确定模型参数;最后,用测试集对模型进行验证,输出轴承状态识别结果。试验采用凯西西楚大学轴承故障数据集,结果表明:该方法在处理数据量较大的滚动轴承故障诊断问题时,能有效地对多种故障类型,不同损伤等级的滚动轴承振动信号进行识别。     

含多分区电力系统能量备用实时优化调度的动态积极集求解算法

网络阻塞和故障停运导致备用存在供应问题,为了保证含多分区电力系统备用的有效性和网络的安全性,在实时优化调度中提出分区备用要求和新的求解算法,分析了含多分区的孤立和受端电力系统备用容量需求,建立了一种以电能和备用购买费用最小为目标函数的能量备用实时优化调度模型,同时计及了系统备用要求、分区备用要求、N-1安全准则等约束条件。该模型是一个超大规模的优化问题,因此文中将动态积极集法引入电力系统优化调度问题,对其进行迭代求解。最后,对IEEE 118节点标准测试系统和我国某典型受端电网进行算例分析,结果表明,采用提出的实时优化调度模型和动态积极集求解算法在满足电力系统实时调度计算时间要求的同时,求解得到能量备用的实时优化调度方案以及N-1故障后备用调用方案,验证了模型的合理性和算法的可行性。该算法可以有效解决备用的供应问题,提高电网运行的安全性,为含多分区电力系统的实时优化调度提供有意义的探索。     

一种PSO-SVM的光伏阵列故障检测与分类

提出一种粒子群优化支持向量机的光伏阵列故障检测与分类的方法.分析了光伏阵列输出特性和故障类型,选择合适的特征向量及归一化方式.选用径向基核函数优化模型结构,并利用PSO算法对参数进行寻优,提高模型精确度.结合实验平台获取光伏阵列正常工作和8种故障状态的实测数据,随机划分为训练集和测试集,并建立PSO-SVM故障检测与分类模型.实验表明,应用本模型进行故障检测准确率达99.89%,分类准确率达98.68%,优于BP神经网络以及决策树的检测和分类结果.     

基于蚁群算法的细胞自动机优化及其在电路测试中的应用

细胞自动机在电路设计、计算机安全等领域有广泛的应用.首先通过使用蚁群算法实现对细胞自动机结构的优化配置,从而产生具有较强随机性的伪随机数序列;其次,把细胞自动机应用于数字电路的测试,利用经优化后的二维细胞自动机来生成测试矢量.实验结果表明,经过蚁群算法优化之后得到的细胞自动机能够产生随机性较强的伪随机数序列,在数字电路测试的应用中能够提高故障覆盖率.     

基于EEMD能量熵和支持向量机的齿轮故障诊断方法

针对齿轮振动信号的非平稳特征和现实中难以获得大量典型故障样本的实际情况,提出基于总体平均经验模态分解(EEMD)和支持向量机的齿轮故障诊断方法.通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模函数(IMF);齿轮发生不同的故障时,在不同频带内的信号能量值会发生改变,故可通过计算不同振动信号的EEMD能量熵判断是否发生故障;从包含有主要故障信息的IMF分量中提取出来的能量特征作为输入建立支持向量机,判断齿轮的工作状态和故障类型.实验结果表明:文中提出的方法能有效地应用于齿轮的故障诊断.     

模拟退火算法在低功耗BIST中的应用

提出了应用模拟退火算法在一定长度的测度矢量集中寻找有效测试矢量的近似最优分组，在尽量减少面积开销的同时减少有效测试矢量的个数，并且通过置入种子的方法使LFSR产生近似最优分组的矢量，因此在保障故障盖主的前提下达到了降低测试功耗的目的。实验表明，采用此方法可降低测试功耗70％以上，而故障覆盖维持不变，此外，由于减少了测试矢量，测试时间也大为缩短，在实时系统中，减少测试时间尤为重要。     

小波包能谱熵与神经网络在断路器故障诊断中的应用

提出了一种以振动信号小波包能谱熵为特征量的断路器故障神经网络诊断方法。利用小波包分解原理将高压断路器振动信号分解到不同频段中,计算各频段的能谱熵值,以此构造小波包能谱熵向量作为神经网络的输入向量,并利用遗传算法对网络的连接权值进行了优化。引入置信度的概念,对改进神经网络输出的故障模式识别结果进行评价。通过试验分析结果表明了该方法的有效性,改进后的神经网络具有新故障模式的识别功能。     

变长重复播种测试码生成方法

提出了一种变长重复播种测试码生成方法.该方法使用重复播种技术,但是每个种子产生的伪随机测试码序列的长度不同.每个种子可以产生长度为全长L,3L/4,L/2,L/4,和单个种子1的伪随机测试码序列.该变长技术的一个优点是可以有效地截去大量冗余伪随机测试码,减少测试施加时间.ISCAS85和ISCAS89电路的实验表明,同定长序列重复播种测试码生成相比较,平均减少近36.22%的测试时间(最多57.49%),面积增加仅为4.41%.     

改进的混沌优化算法及其在函数优化中的应用

针对基本混沌优化算法在求解三维以上的多维函数时不易求得全局最优解的局限性,通过引入解向量的优选,提出了一种改进的混沌优化算法,主要思路是通过多次可行解向量的混沌优选,将可行解定位到最优解的附近,再用二次载波进行搜索找出多维函数的全局最优解.仿真计算表明:该算法对三维以上函数可以显著提高搜索精度,收敛性能好,容易找到全局最优解.     

基于模糊神经网络的凝汽器故障诊断

对基于热力参数的凝汽器典型故障，建立了凝汽器典型故障集、征兆集及故障特征向量集合，提出了一种适用于凝汽器故障诊断的模糊BP神经网络方法，并以实例验证了该网络模型识别故障的准确性。     

基于模态扩展与谐波分解的转子碰摩故障精确诊断

以某单跨双盘模型转子实验台为例,建立了该转子-轴承系统有限元模型,得到转子系统前两阶固有频率和振型向量等模态参数·基于转子系统碰摩力的周期性假设,利用模态扩展方法,对故障和健康转子系统振动信号的残差矩阵进行傅立叶级数的分频谐波近似,估算得到转子-轴承各节点的碰摩力·根据转子各结点估算碰摩力的频谱、时序以及等效碰摩力幅确定碰摩发生位置,进而对碰摩故障的程度进行定性评估·试验表明,这种方法可以对转子周期性碰摩进行较精确的诊断,并为其他转子-轴承系统故障诊断提供参考·     

基于遗传算法的逻辑电路测试生成的研究

本文提出了一种基于遗传算法的逻辑电路测试生成算法，利用遗传算法的全局寻优特点进行集成电路的测试生成，并与确定性算法进行了比较，所得到的实验结果表明，遗传算法可以在比较小的测试矢量集下得到比较高的故障覆盖率，是一个有效的测试生产算法．