船用核动力装置故障诊断专家系统

船用核动力装置故障特征复杂多样，将专家系统引入故障诊断领域可以充分利用专家的经验和知识．对船用核动力装置的故障特性进行了详细分析，并据此建立了故障诊断专家系统．着重介绍了船用核动力装置故障诊断专家系统的构成、建造方法、实现语言、知识的表示方法及推理机的推理过程等内容．用该故障诊断专家系统对一些典型故障在某仿真机上进行了在线诊断，得到了预期的诊断结果．     

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．     

船用核动力装置高压安注系统可靠性分析

以FTA(故障树分析)可靠性分析方法为基础,以“陆奥”号这一核动力商船为例,确定了高压安全注入系统(HPSI)故障树的顶事件和成功准则.根据事故发生时的不同情况,建立了以高压安全注入系统注水量不足为顶事件的故障树.利用下行法,对所建的故障树进行定量分析与计算,得到系统故障树的失效概率和最小割集,从而为船用核动力装置高压安全注入系统的改进提出了一些建议.     

核动力装置模拟器就地系统的图形处理

利用微机软仿真实现模拟器就地系统中仪表的动态实时显示和开关和实时控制，可以节省的大量外部设备，提高系统可扩充性。本文介绍了就地系统中软表盘的动态模拟以及相关图型处理实现技术。经实践验证，本文的方法是正确、可行的。     

船用核动力装置自然循环载热能力的分析与计算

给出了考虑倾斜和匀加速上浮或下沉的船用压水反应堆核动力装置—回路自然循环的热工水力特性模型及数学描述；用标准ＦＯＲＴＲＡＮ－７７语言编制了计算、分析各种不同运行方式下，稳态自然循环载热能力的计算机程序ＳＮＣＮＲ－０１．并分别在考虑和不考虑倾斜和匀加速上浮、下沉的情况下，计算了四种不同运行方式下稳态自然循环能力的大小及与相应参数间的关系。     

一体化核动力装置的热工水力特性模型及计算

介绍了一体化核动力装置的特点;建立了一套完整的数学物理模型,包括堆芯模型、基本的热工水力模型、传热学模型、计算方法模型、物性模型及辅助模型等;分析了一体化核动力装置的热工水力特性,根据模型编制了程序,经过实堆计算及ＲＥＴＲＡＮ０２验证,证明程序是正确、实用的;最后给出了程序的算例。     

基于小波变换的Bayesian人脸识别方法

从小波变换良好的多尺度特征表达能力和Bayesian方法良好的识别能力出发,提出了一种基于小波的Bayesian人脸识别方法.首先对人脸图像进行小波分解,其次对得到的每幅低频子图进行Bayesian人脸识别,最后利用Yale人脸图像库进行了试验.实验表明,与传统的方法相比较,该方法提高了识别率,降低了运算量.     

船用柴油机诊断参数的优化选择

依据柴油机的基本工作原理，运用优化的方法确定参数的敏感度，并据此而选取了故障诊断参数。     

核动力装置模拟器就地系统中双机通讯的实现

利用微机软仿真实现模拟器就地系统中仪表的动态实时显示和开关的实时控制，可以节省的大量外部设备，提高系统可扩充性。本文介绍了该技术实现的方法，即服务器与客户机之间数据双向通讯的实现途径。经实践验证，本文的方法是正确、可行的。     

一种基于证据融合的故障诊断方法

结合故障诊断工作的实际场景,通过计算故障信息观测值与参考值之间的差异,生成对应的故障信度分配函数。然后基于证据分类的思想,将故障证据分为可信证据和冲突证据,并定义每个证据的可信度。最后,利用证据可信度修正最初的信度分配,再利用证据融合公式得到综合的故障诊断结果。电机转子故障诊断的实例表明本文提出的方法能够准确快速地识别产品故障,基于证据分类的修正方法能够加速故障信度分配的收敛。     

多传感器信息融合的智能故障诊断

针对传统故障诊断方法只利用单一参数对复杂系统进行诊断具有信息不完备和不确定性的问题,提出了一种基于PCA和D-S证据理论的多传感器信息融合故障诊断方法.该方法基于PCA对信息融合的多维数据进行降维处理,并利用证据理论实现对非精确信息的正确推理,解决了信息融合数据的组合爆炸问题,从而得到精确的诊断结果.将该方法应用于火电机组的汽包锅炉给水控制系统故障诊断中,实现了对控制系统中主要参数的故障检测,有效提高了控制系统工作的可靠性.     

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将信息融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后,采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用DempserShafer(D-S)证据理论融合算法对各证据进行融合,最终,实现对电机故障的准确诊断。诊断测试试验证明:该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。     

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将数据融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用D-S（Dempser Shafer）证据理论融合算法对各证据进行融合,最终实现对电机故障的准确诊断。诊断测试试验证明,该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。     

多源信息融合故障诊断方法研究进展

简述多源信息融合与故障诊断的关系,指出多源信息融合故障诊断的一般方法。从融合结构和融合算法的角度对多源信息融合故障诊断方法进行了分类阐述,并分别说明其诊断原理与研究现状;指出信息融合故障诊断按融合结构可分为层次结构信息、多级信息和组合神经网络的融合故障诊断,按融合算法分为基于贝叶斯理论、DS证据理论、模糊集理论、粗糙集理论和人工神经网络的融合故障诊断。最后展望了信息融合故障诊断方法的未来发展趋势。     

基于AHP的贝叶斯网络故障诊断方法研究

针对基于专家知识的故障诊断方法依赖经验的局限,提出一种基于层次分析法（AHP）的贝叶斯网络化工过程故障诊断方法。通过基于关联函数的AHP得到所有变量的权值,对22个变量节点的权值进行排序并将该排序作为K2算法的学习输入建立贝叶斯网络模型,同时结合复杂网络分析指标进行化工过程的故障诊断。通过TE过程故障诊断实例证明本文方法不仅避免了K2算法专家知识的主观因素影响,同时能很好地进行故障定位,找到故障源。     

应用模糊多属性理论的电力变压器故障融合诊断

大型油浸电力变压器的故障诊断一般通过预防性试验数据进行,预防性试验数据必须经停电检修才能获取,且实际现场数据的采集精度及数量也都很有限。变压器的征兆现象是大量经验的总结,在一定程度上可以反映变压器的故障。提出了在变压器故障诊断中将征兆现象和试验数据融合的思想,实现各种信息的优势互补。通过模糊多属性决策理论,实现对征兆现象的诊断;通过变压器绝缘故障诊断的模糊概率模型,实现对预防性试验的诊断;最后用D-S证据理论对预防性试验数据和征兆现象的诊断结果融合。建立了一种新的故障诊断模型,实例证明了此方法的有效性。     

基于Dempster-Shafer证据理论的信息融合在设备故障诊断中应用

给出了一种基于神经网络的基本概率分配构造方法和诊断决策规则，提出了一种基于Dempster—Shafer证据理论的多故障特征信息融合的故障诊断方法，并以旋转机械故障诊断为例，详细说明了该方法的具体实现步骤。结果表明，经过多故障特征信息融合，诊断结论的可信度明显提高，不确定性明显减小，因此充分显示了该诊断方法的有效性。     

基于信息融合技术的大型水轮发电机故障诊断

为了能够从多方面反映水轮发电机组系统状态,实现对水轮发电机组故障模式的自动识别与准确诊断,将信息融合技术应用于水轮发电机组故障诊断系统。根据故障特征量将故障进行分类处理,采用多个并联的BP子神经网络进行水轮发电机组故障的局部诊断,获得彼此独立的证据,再运用D-S证据理论融合算法对各证据进行融合,最终实现对水轮发电机组故障的准确诊断。诊断测试实验证明:采用该诊断系统可有效地提高诊断可信度,减少诊断的不确定性。