基于模糊概率符号有向图的复杂系统故障诊断

通过分析复杂系统的故障信息传递特性,在符号有向图(SDG)中引入了状态关联概率和模糊信息,并结合面向对象技术提出了一种新的故障描述模型--模糊概率有向图.给出了基于此模型的建模方法和诊断流程.进一步引入消息节点和支路,通过连接各子实体对象的模糊概率SDG模型,构成整个复杂系统的模糊概率SDG系统.该模型能对复杂系统故障诊断中存在的复杂关联关系进行建模与故障诊断.利用该方法建立了某武器平台的故障诊断系统,实验结果表明提出的方法有效且实用.     

基于SDG模型的AMT重型越野车离合器接合过程故障诊断

针对AMT重型越野车离合器接合过程中故障多发且不易诊断的问题,基于符号有向图(signed directed graph, SDG)模型,为离合器接合过程的故障诊断提出了一种新的方法. 以离合器接合过程中最复杂的车辆起步接合为例,建立了其工作过程的SDG模型,通过实际测得量以及对模型中节点和有向边的分析,查找出故障源,完成故障诊断功能. 结果表明,SDG模型对于AMT系统离合器接合过程故障诊断有效且实用.      

基于SDG和定性趋势分析的控制系统故障诊断方法

针对控制系统的故障诊断难以在早期发现,提出一种基于符号有向图(SDG) 和定性趋势分析相结合的故障诊断方法. 建立系统的故障诊断模型,通过定性趋势分析的方法对控制系统各个单元进行监测,提取当前趋势. 当故障发生时,通过基于定性趋势的反向推理算法,及时找到故障源. 通过在常压塔装置故障诊断上的实验,结果表明该方法能够及时有效地检测、识别控制系统的各种故障(人为误操作、控制器故障等),可应用到实际生产的故障诊断中.     

PCA-SDG在反应堆冷却剂系统典型故障诊断中的应用

随着我国核能应用规模的扩大,核电厂安全成为核能发展中的重要研究课题;为了保障核电厂的安全运行,国内外提出了各种方法对核电厂进行状态监测、故障诊断和故障预报。符号有向图(SDG)能够简洁有效地对各种故障模式进行描述,并且在解释故障传播路径方面有一定优势,但存在节点阈值确定困难的问题,为此提出结合主元分析(PCA)与符号有向图进行研究,PCA通过分析残差检测故障的发生,然后SDG对PCA得到的残差确定节点状态,进行推理,得出故障的类型。通过模拟器PCTRAN的数据测试,验证该方法能及时准确地检测到故障并诊断出故障的类型。     

基于广义SDG的化工过程故障模拟分析

安全稳定的运行是化工过程的首要目标,因此快速、准确地发现故障成为化工生产企业的一项重要工作。符号有向图(signed directed graph,SDG)能够简洁、有效地描述复杂的因果关系,但传统SDG模型存在一些不足。该文在传统SDG模型的基础上,提出了广义SDG模型,扩展了节点(种类和状态)和边,使其包含的信息更加丰富,基于广义SDG的故障模拟不仅可以定性地给出故障程度,而且通过边的关系减少了虚假解。实例分析表明,基于广义SDG的故障模拟可以提高分析效率,改善过程安全以及提高操作人员判断故障源的能力。     

具有固定拓扑结构的无线网络控制系统故障检测

为了提高无线网络控制系统对故障的灵敏度,该文根据鲁棒控制理论,对一类具有固定拓扑结构的无线网络控制系统的故障检测进行了研究。由于网络中节点的状态受到其它节点的影响,因此该文为每个节点对之间设计了故障观测器来对系统的故障进行检测。通过构建Lyapunov函数,以线性矩阵不等式的方式给出了使误差系统渐进稳定的充分条件,更进一步得到了系统的观测器增益。仿真结果表明,当系统出现故障时,故障观测器能够迅速检测到系统残差的跳变,验证了所提方法的有效性。     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

大规模复杂系统的递阶SDG模型描述及故障分析

讨论了3层结构的递阶SDG(signed directed graph)模型的描述方法,将单层的模型转化为多层递阶的模型,以提高推理效率而不丢失可能解,解决大规模复杂系统中图搜索计算复杂度高的问题.SDG模型的3层结构中顶层是独立或因果关系清楚的子系统,粗线条描述系统功能框架;中间层是主要变量和控制系统,描述系统的整体流程;底层是所有变量(过程变量、控制变量等),描述变量之间的因果影响关系.进行故障分析时,根据初始响应由上至下逐层进行搜索,寻找可能的故障源和后果.最后,对一个电厂发电机组的实例进行了建模和分析,证明了所提出方法的有效性.     

基于动作单元的机电产品故障溯源诊断方法

针对故障在复杂机电产品中传递发展的特点,提出了一种基于动作单元的机电产品故障溯源诊断方法.按照"功能-运动-动作"对整机功能进行结构化分解得到基本的动作单元,并分析动作单元之间的传递过程;在此基础上建立以动作单元和故障现象为节点的贝叶斯网络模型,利用贝叶斯网络的推理算法,计算各个节点的发生概率并追溯最大概率路径,实现动作层的故障动作单元诊断及故障动作单元传播过程诊断;利用故障图对动作单元内部的故障模式及其传递发展过程进行描述,找到引起动作单元故障的根本原因.通过对机电产品动作层和动作单元内部的诊断分析,实现故障现象到故障原因的溯源诊断.将所提出的溯源诊断方法应用到某企业数控转台故障诊断中,结果表明,从运动的角度进行故障溯源诊断,能够有效地诊断出故障动作单元及其传播过程并反映出动作单元内部元件故障的传递发展过程,便于找到导致故障的根本原因,提高了对机电产品故障诊断的效率.     

考虑节点异质性和故障函数的电力信息物理系统风险传播模型

由于电力信息物理系统的耦合建模方法大多数依赖网络拓扑结构划分节点类型,未考虑节点信息的属性,同时也忽略了不同节点类型对风险传播的影响,削弱了对风险预测的能力。因此,提出了一种考虑节点异质性和故障函数的电力信息系统风险传播模型。首先对实际电力网络节点特性以及耦合性特点进行分析,结合节点异质性提出双网节点的表征方法,基于双网物理和逻辑依赖关系,设计了电力信息物理融合系统(cyber physical systems, CPS)表征模型。在此基础上,考虑双网状态交互影响的方向性及节点的依赖性,分析影响风险传播的因素,通过定义基于节点度的故障概率函数,构建了电力CPS风险传播模型。以合成网络和意大利真实数据所建立的耦合网络进行实验分析,证明模型的有效性。     

SDG-Based HAZOP and Fault Diagnosis Analysis to the Inversion of Synthetic Ammonia

This paper presents some practical applications of signed directed graphs (SDGs) to computeraided hazard and operability study (HAZOP) and fault diagnosis, based on an analysis of the SDG theory. The SDG is modeled for the inversion of synthetic ammonia, which is highly dangerous in process industry, and HAZOP and fault diagnosis based on the SDG model are presented. A new reasoning method, whereby inverse inference is combined with forward inference, is presented to implement SDG fault diagnosis based on a breadth-first algorithm with consistency rules. Compared with conventional inference engines, this new method can better avoid qualitative spuriousness and combination explosion, and can deal with unobservable nodes in SDGs more effectively. Experimental results show the validity and advantages of the new SDG method.     

基于粒计算-SDG的故障诊断仿真平台

针对目前实际工业系统不允许在运行中进行实时的故障诊断试验及研究的问题,设计了基于Matlab中GUI的高温硝酸冷却系统的故障诊断仿真试验平台。本试验平台采用符号有向图的深层知识模型和反向推理方法,利用系统模型中的相容通路,推理基本故障的故障诊断规则,引入信息粒度和信息粒化原理,实现了粒矩阵的知识约简算法,构建了基于粒计算-SDG的故障诊断方法。最后通过实验验证了该仿真试验平台的有效性。     

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。     

基于稀疏性贝叶斯极限学习机的气动调节阀多类故障诊断

气动调节阀是工业过程中使用最广泛的终端执行机构之一,它的性能好坏直接影响控制回路的性能.将基于稀疏性贝叶斯的极限学习机(SBELM)方法运用于多类故障诊断,基于DAMADICS平台的典型气动调节阀多类故障模型数据通过SBELM进行训练.不仅能根据模型的先验知识和基于最大后验概率准则(MAP)的贝叶斯思想估计出模型输出的概率分布,而且能基于设定的性能指标自动剔除无用的训练样本,用一小部分观测数据达到多故障分类的目的,能训练出一个精确且紧凑的故障诊断模型.     

基于ADAM优化卷积神经网络的火电厂大数据平台预警模型测试与应用

为了提高火电厂大数据平台的生产维护安全化、监控管理精细化、经济效益持续化,提出了大数据平台内开发故障诊断预警系统,采用基于自适应力矩估计(adaptive moment estimation, Adam)算法优化二维卷积神经网络方法建模技术融入于大数据平台中,并结合大数据平台和专家故障预警诊断功能进行测试与应用。首先对故障预警模型进行数理建模及模型训练优化,直至满足模型功能要求,实施模型算法代码与大数据平台的合库部署上线、满足提前发现系统故障的功能,并结合机理分析对故障系统进行细致化分类,最终发现根本的故障原因。实现了火电厂生产过程中各系统运行特性的全周期监控,在系统或设备发生故障前进行预警并推送异常信息,规范化了模型部署在大数据平台后的测试与实施工作,进一步发现模型缺陷,提高模型准确率。     

基于改进GAN的水力测功器轴承故障在线诊断方法

基于数据驱动的轴承故障诊断方法已成为轴承故障诊断领域研究的重点,但由于水力测功器轴承故障情况极少,导致基于数据驱动的轴承故障诊断准确率低。针对上述问题,本文提出了一种基于改进生成对抗神经网络（Generative Adversarial Networks）的水力测功器轴承故障在线诊断方法,首先对生GAN训练方法进行改进,用改进的GAN交替训练判别器和生成器学习原始数据的分布特性,建立了水力测功器轴承故障数据增强模型得到合成数据。然后结合原始数据和合成数据训练得到基于SVM的轴承故障诊断模型。最后采用该轴承故障诊断模型实现水力测功器轴承故障在线诊断。仿真结果表明,所提出的故障在线诊断方法通过改进GAN增强训练极大提升了轴承故障诊断的实时准确率,并具有抗噪声干扰性强的特点。