基于人工免疫的故障诊断模型及其应用

提出了一种基于免疫原理的故障检测及诊断系统模型. 通过对检测对象正常工作状态下获得的自己模式串的阴性选择,随机产生初始检测器;利用基于人工免疫的进化学习机制,实现对检测对象异常工作状态下获得的非己模式串进行学习和记忆;利用进化学习结果和系统故障信息库知识,区分和标记不同故障在状态空间上对应的区域. 将抗原学习过程中抗体集合变异所产生的各代抗体集合看作随机序列,给出了序列的收敛条件及证明,证明了所提出的动态免疫进化学习算法是概率弱收敛. 应用于机床齿轮箱故障检测和诊断问题的实验结果表明了所提出方法的有效性.     

考虑故障检测率的可维修k/n(G)系统的可靠性研究

针对可修系统提出故障检测率的概念,研究了考虑故障检测率的可修ｋ／ｎ（Ｇ）表决系统。首先考察系统的状态转移图,建立了系统的马尔可夫模型,并进行瞬态和稳态分析,提出系统状态概率及可用度的简化算法,对简化算法与传统算法的计算复杂度作了比较。给出了几个可修ｋ／ｎ（Ｇ）表决系统的稳态分析结果,表明了故障检测率的概念对于分析和设计系统（尤其是自测试系统）的重要意义。最后阐明了由可靠性指标确定故障检测率、进而确定系统自检周期的方法。     

航拍图像中绝缘子串的轮廓提取和故障检测

针对绝缘子爆裂和缺失将导致整个输电线路绝缘能力下降的常见故障,提出一种通过计算绝缘子数目实现故障检测的算法.输电线路绝缘子串中绝缘子数目相对固定,通过计算绝缘子的数目,进而达到故障检测的目的,可应用于航拍直升机智能巡检系统中.利用Otsu算法与形态学滤波对图像进行预处理;提出免疫遗传Snake算法优化绝缘子串凹陷区域边界,得到较为完整的绝缘子串轮廓;用椭圆拟合和连通区域方法计算出绝缘子的数目.该算法能够有效地提取绝缘子轮廓并计算出绝缘子数目,为进一步实现精准、稳定检测绝缘子缺失和爆裂等故障奠定了良好的预研基础.
     

一种基于PMC模型下的概率性矩阵诊断算法

系统级故障诊断是提高多处理器系统可靠性的必要手段。为了有效定位多处理系统中的故障单元,该文建立了一种基于PMC模型t可诊断条件下的概率性矩阵诊断算法。首先对一般概率性矩阵诊断算法进行仿真分析获悉其具有较高的误检率,在诊断过程中引进绝对故障基和节点集团思想,通过计算绝对故障基以寻找系统中的部分故障处理机,集团用于将不确定状态的节点单元分类以补充正常节点集合,改善了原诊断的限制条件。仿真实验验证:改进后的概率性矩阵诊断算法保持了很高的检测精度,并且随着节点数的增多极大地降低了误检率,提高了诊断效果,使得该算法具有广泛的适用性。     

一种光伏阵列实时状态监测与故障定位系统

开发一种光伏阵列状态监测和故障定位系统,该系统将连续采集、 间歇采集、 自动定时采集、 故障检测定位等功能集成到统一的Matlab平台. 提出一种“阈值法－Hampel辨识法”相结合的光伏阵列离群值检测算法,该算法通过比较不同光伏组串瞬时电流进行异常检测实现故障定位. 基于实验室光伏并网发电平台上的故障模拟,重点研究了线线故障和失配故障条件下的故障检测与定位. 实验结果表明：该系统能够自动定时采集光伏电气特性数据并快速、 准确地判断是否发生故障及实现故障组串定位,具有良好的应用前景.     

基于动态贪婪算法的不可靠测试点选择

针对测试不可靠条件下的测点选择问题,根据故障-测试关联矩阵以及考虑故障检测率、故障隔离率和误诊率,建立了通用的数学模型.依据测试点对故障检测率和故障隔离率的贡献定义故障检测隔离费用,并以此为贪婪准则,提出一种动态贪婪算法来解决测试不可靠条件下测点选择问题.应用案例验证该算法能快速准确找出最优或近似最优测试集,适合大型复杂系统的测试性分析与验证.     

一种基于改进DBSCAN算法的光伏故障检测方法

工程中常常通过与邻近电站的单位发电量比较发现故障电站,电站的单位发电量主要与电站地理位置、光伏器件型号及特性等诸多要素有关,选择哪些电站进行比较以及比较的策略是一个需要深入探讨的问题。本文提出了一种改进的A-DBSCAN聚类算法的光伏发电站故障检测方法。通过对影响发电站单位发电量因素的分析,确定了该故障检测模型的输入变量。该方法不需其他外接设备的支持,同时还可以实现在线检测分析。通过比较相同发电环境中的发电系统的单位发电量来对故障检测,初步实验结果反映该方法的正确率为95. 45%,召回率为91. 3%。     

无量纲指标免疫检测器在缓变故障检测中的应用研究

本文利用无量纲指标和人工免疫原理构造了五种无量纲指标免疫检测器。提取试验中的数据,采用阴性选择算法、增加编码位数进行编码,检测器能检测到微小的变化,通过多个无量纲指标免疫检测器同时进行交叉检测,再进行集成、融合,使缓变故障得到较准确诊断。实验结果表明了本文所提出的方法的有效性。     

阴性选择算法在工业控制系统故障诊断中的应用

受生物免疫系统的启发,把免疫原理应用到故障诊断领域.分析了现有阴性选择算法在故障诊断应用中的不足之处,提出了改进后的阴性选择算法.介绍了田纳西-伊斯曼(TEP)过程仿真系统,用改进后的阴性选择算法对该系统的21种故障样本进行仿真试验,各故障的平均检出率达到85%以上,验证了此算法在工业控制系统故障诊断中的有效性.     

非线性系统故障可诊断性量化评价及诊断方法

提出了一种基于Kullback-Leibler(K-L)散度的非线性系统故障可诊断性量化评价和故障检测方法,在仅有系统解析模型的基础上,不依赖于系统故障诊断算法的选取而进行故障的可诊断性评价,从而在设计阶段为提高系统故障诊断能力提供理论依据.首先,以K-L散度方法为基础,对非线性系统进行故障可诊断性的量化评价研究,通过引入蒙特卡罗方法和稀疏内核密度方法,克服了K-L散度计算中残差概率密度函数难以估计和非线性结构的K-L散度计算复杂度高的困难;其次,在系统具有故障可检测性的基础上,通过计算K-L散度的距离差异度,进行非线性系统的故障检测,进而又分析了该方法故障检测的漏报率和误报率;最后,通过仿真实验验证该方法的准确性和有效性.     

利用故障分量的新型选相方案

本文针对数字式保护和故障点测距特点,提出和分析了一系列利用故障分量的迭相方案。这些方案原理简单、动作可靠、分析方便、不受负荷电流的影响,几乎不受故障点位置、电源阻抗和故障点过渡电阻的影响,也不受系统振荡的影响、能在任意系统结构和故障型式下都明确可靠地选出故障相。因此可作为数字式保护的较理想的选相元件方案。     

一应用于非过载电流故障检测的模糊专家模型

由于非过载电流故障的随机性且同正常开关特性相似，从而成为一个难以检测的问题，有人提出了多种算法协同检测方法，并引进了专家决策系统．作者从模糊逻辑出发，构成一个两级模糊处理专家模型，通过仿真运行获得较好的结果．文中叙述了该模型的建立步骤及构成，并对权运算规则和决策规则等主要问题进行了讨论．     

数字电路瞬态故障低能耗自修复方法研究

当前大多数字电路瞬态故障修复方法需在人工处理下才可完成,修复效率低且能耗高。为此,提出一种新的数字电路瞬态故障低能耗自修复方法,设计了一种修复系统,其主要由自律控制模块与重配置执行模块构成,自律控制模块的核心是嵌入式NiosⅡ处理器,数字电路在出现瞬态故障的情况下,通过小波神经网络算法对数字电路瞬态故障进行诊断,判断电路是否正常运行。重配置执行模块包括逻辑计算节点LC与内部互联网络,主要作用是维持数字电路功能以及与其它模块之间施行信息传递。实验结果表明,所提方法能够有效诊断故障,故障修复成功率和平均适应度高,整体性能强。     

基于改进实例推理的话务故障诊断专家系统

传统的K最近邻算法(KNN)算法可以解决话务分析专家系统中的求解问题,但KNN算法的不足在于K值的确定与执行效率,因此改进K值选取与加权方法,对提高算法运行效率与准确性具有重要意义.本文提出了一种改进K值选取方法及依托频率的权重计算方法,用于实例检索,并采用改进后的实例推理,构建了话务故障专家系统.实验结果表明,改进算法在实例匹配准确性与执行效度上,均优于传统方法.     

基于COM组件的电机转子绕组匝间短路故障诊断

分析了探测线圈检测电机转子绕组匝间短路故障的机理,应用小波变换算法对所得信号进行特征提取.采用MATLAB与VC++混合编程,将MATLAB的M文件直接嵌入VC环境,完全脱离MATLAB运行.以VC++图形界面作为前台,实现信号采集、系统框架的搭建和界面的绘制;利用COM Builder技术实现MATLAB与VC++之...     

基于神经网络免疫集成的非线性时间序列故障预报

针对神经网络集成对个体差异性的要求 ,提出了集成网络间的结构差异度的概念 .在此基础上设计了一种基于反向选择的免疫算法 ,该算法可以在减小集成网络各自训练误差的同时保持网络间的结构差异度 ,从而提高神经网络集成的泛化能力 .同时证明了该算法对最优个体的收敛性 .将该方法应用于受噪声污染的非线性时间序列故障预报 ,根据预测误差可以方便准确地检测系统的缓变故障和突变故障 ,实现对微小故障的快速故障预报 ,降低误检率 .仿真结果证明了该方法的有效性 .     

基于小波包无量纲免疫检测器的故障诊断模型

为可靠地检出并识别旋转机械设备轴承故障,提出了一种基于小波包分解和无量纲免疫检测器的轴承故障模式识别方法.该方法采用小波包对原始时域信号进行预处理,分别提取原始时域信号和各频带范围内时域信号的无量纲指标,并计算其敏感因子,根据敏感因子选取敏感特征,结合人工免疫阴性选择算法,生成多个敏感特征无量纲免疫检测器,实现对故障进行识别和分类.仿真实验结果表明,所提方法能有效地识别各种轴承故障.     

Online Distributed Fault Detection of Sensor Measurements

In wireless sensor networks (WSNs), a faulty sensor may produce incorrect data and transmit them to the other sensors. This would consume the limited energy and bandwidth of WSNs. Furthermore, the base station may make inappropriate decisions when it receives the incorrect data sent by the faulty sensors. To solve these problems, this paper develops an online distributed algorithm to detect such faults by exploring the weighted majority vote scheme. Considering the spatial correlations in WSNs, a faulty sensor can diagnose itself through utilizing the spatial and time information provided by its neighbor sensors. Simulation results show that even when as many as 30% of the sensors are faulty, over 95% of faults can be correctly detected with our algorithm. These results indicate that the proposed algorithm has excellent performance in detecting fault of sensor measurements in WSNs.     

基于故障边界条件的高压输电线路故障选相元件

提出了一种适用于电力系统振荡的高压输电线路故障选相新方法．该方法利用零序和负序电流之间的相位关系将接地故障分成3个区域，每个区域存在单相接地和另外两相短路接地两种故障类型，分别计算这两种类型故障点的三序电压，判别其是否满足各自故障的电压边界条件，以此确定实际故障相别．新选相元件解决了电力系统振荡时可能发生的误选相问题，具有较强的耐过渡电阻能力，并且完全不受分支系数和系统运行方式的影响．数字计算机离线仿真和实时数字仿真系统实验都证实了新选相原理的准确性和有效性．