带有丢失弧的双向超立方体网络的诊断度

超立方体因其特殊的结构和良好的性质成为多处理机系统最常用的互联网络之一.在实际的超立方体网络中两个处理器间的双向连接常常是通过两个方向相反的单向信道物理实现的.诊断度是度量系统识别故障能力的指标,而PMC模型是一种基于测试的系统级故障诊断模型.研究了当丢失一些单向信道时双向超立方体网络在PMC模型下的诊断度并确定了具有特定诊断度的双向超立方体所需的最小测试数.     

基于系统级故障诊断矩阵方法的软件集团测试

本文讨论了基于系统级故障诊断矩阵方法的软件集团测试，定义了测试矩阵和邻接矩阵，由此能直观、简便地生成集团和极大独立点集．本文为软件集团测试算法作了准备．     

基于神经网络D-S证据理论的汽轮机转子融合诊断系统研究

船用汽轮机转子作为汽轮机做功的主要部件，易发生故障．将数据融合技术应用到其故障诊断领域，采用神经网络与D-S证据理论相结合的理论方法，建立了汽轮机的融合诊断系统，对转子的几种常见故障进行诊断，在数据级上将特征量进行分类处理，能够从多方面反映系统状态，为准确诊断故障奠定了基础，特征级上采用多神经网络的方法克服了网络收敛速度慢的缺点，再经过决策级的融合计算，提高了诊断精度．通过诊断测试及对比试验证明该系统提高了汽轮机转子故障诊断的精度，并能满足诊断的实时性要求。     

系统级故障诊断的测试图生成方法研究

提出了并研究了系统级故障诊断测试图中任意测试图，受限ｔ可诊断系统测试图和ｔ可诊断系统测试图的生成原理及方法，给出了一个典型测试图的生成实例。     

利用组合型交叉熵算法实现电网故障诊断

为快速准确实现电网故障诊断,依据故障元件与保护器和断路器的动作关系,将电网故障诊断问题表示为使目标函数最小化的0-1整数规划问题,利用组合型交叉熵算法求该问题的最优解,并给出了该算法的具体计算步骤,可成功识别电网故障元件。在测试系统上对多起故障情况进行模拟测试,结果表明故障诊断结论全部正确,进一步说明应用组合型交叉熵算法的电网故障诊断具有一定的有效性和准确性。     

去蜂窝大规模MIMO系统中预编码算法研究

为降低去蜂窝大规模MIMO系统中预编码算法复杂度,提出一种基于Neumann级数的低复杂度预编码算法.该算法首先计算信道矩阵转置与信道矩阵共轭的乘积得到正定Hermitian矩阵,接着根据Neumann级数收敛条件,对正定Hermitian矩阵进行加权处理,最后通过Neumann级数多项式展开近似获得正定Hermiti...     

电力电子器件故障检测的灰色理论方法探讨

从电力电子器件及其故障的特殊性出发,提出电力电子器件及其故障具有灰色性质,从而为灰色理论系统应用于电力电子器件的故障诊断提供了前提。本文以IGBT为例,运用灰色关联方法对电力电子器件的故障诊断进行了验证。结果表明,在信息量不多的情况下,灰色关联分析方法是电力电子器件故障诊断的一个有效工具。     

基于HSUPA迭代并行分组干扰消除算法

提出了一种基于HSUPA的迭代并行分组干扰消除算法.介绍了控制信道和数据信道干扰重构/减去的干扰消除技术的处理流程,并设置系统级仿真参数,通过链路级Short term仿真曲线图上的误块率、干扰消除效率,可间接计算获得这种算法所带来的IC增益.     

往复式压缩机故障信息模糊二元树诊断方法研究

结合图论理论和局域波理论,提出了一种基于模糊图的往复式压缩机故障诊断方法.首先将往复式压缩机故障信号进行局域波时频处理,根据系统的故障状态-特征表,找出最大故障信息量特征群.基于图论理论建立最大故障信息量模糊图,通过对模糊图的分析,找出可以进行匹配的路径信息量最大的部件.该方法应用于某往复式压缩机故障诊断中,具有一定的工程实用性.     

利用Petri网特征结构的故障诊断方法

为解决大规模复杂系统故障诊断中计算复杂性高的问题,提出一种基于Petri网的在线故障诊断方法.首先,建立诊断对象的规范Petri网模型;其次,提出模型的严格最小库所不变量和特征库所不变量集合,并借助特征库所不变量集合描述Petri网模型的结构信息;最后,基于特征库所不变量集合提出任意当前标识的故障函数,并利用故障诊断函数完成故障识别和定位.结果表明:该故障诊断方法采用了系统结构信息,无需遍历系统状态空间,具有多项式级的计算复杂性,能够满足实时性要求.     

抽水蓄能机组故障诊断与状态维修的Petri网模型

提出抽水蓄能机组故障诊断与状态维修Petri网模型的分解与分层方法,将抽水蓄能机组分解成转子、定子、机架结构、推力轴承、过流部件5个模块和故障诊断层、状态维修层2个层次,解决了抽水蓄能机组故障部位和故障现象过多带来的矩阵维数过大,求解过于复杂的问题.在此基础上,给出了抽水蓄能机组故障诊断与状态维修Petri网模型的知识提取表示方法及其实现步骤.最后以转子模块为例建立了其故障诊断与状态维修的Petri网模型.     

一种改进轻量化神经网络的齿轮箱故障诊断方法

针对齿轮箱故障诊断精度低以及深度神经网络模型对计算机硬件要求高等问题,提出了Shuffle-ECANet网络模型用于齿轮箱故障诊断。该模型以轻量化神经网络ShuffleNet V2为基础,在保留网络轻量化结构的同时对网络模型进行了优化,采用Gelu激活函数增强了模型非线性变换能力,嵌入高效通道注意力(efficient channel attention, ECA)模块以提高网络性能。深度可分离卷积提高了网络模型的运算效率,通道混洗技术使得信息更加流通,提高了特征表达能力。实验结果表明,本文所提网络模型在保证轻量化的同时适用于不同噪声工况的齿轮箱故障诊断,在原信号下可达99.6%的诊断准确率,在添加了信噪比为-8 dB的高斯白噪声下可达92.7%的诊断准确率。本文所提方法为神经网络更好地应用于齿轮箱故障诊断提供了一条新的途经。     

多传感器信息融合技术在液压设备故障诊断中的应用

为了克服液压设备传统诊断技术上的不足,提出了多传感器信息融合技术的故障诊断模型.该模型充分利用液压设备上能够携带故障特征的多类信息,并对这些信息在不同的层次上通过神经网络、贝叶斯理论、D-S证据进行有效的融合和计算,从而提高液压设备故障诊断技术的准确度.详细分析了多传感器信息融合技术的结构层次和一般方法,并讨论了信息融合技术理论在液压设备故障诊断模型中的原理和功能.达到了对液压设备典型故障的准确诊断.     

演化神经网络诊断模型隐层节点自生成算法的探讨及应用

在将演化计算方法引入径向基函数 (RBF)网络训练的基础上 ,建立了一个故障诊断模型 ,给出了一种隐层节点自生成的学习方法 ,并在齿轮的故障诊断应用中得到验证 图 2 ,表 1 ,参 5     

一种高精度直流信号源的产生方法

针对电子设备故障诊断中要求高精度直流电压信号源问题，提出了一种全新的直流电压信号产生方法，它由直流电压信号产生环节、信号增益控制环节及输出信号反馈环节三部分组成，借助特定的补偿算法进行输出整定，实现了高精度的直流电压信号输出，具有工程实用价值。     

网络链路故障自主检测方法

传统的网络链路故障诊断方法往往需要人工参与,而且准确性不高.针对这种情况,提出一种通信网的链路故障自主诊断方法.若已知网络管理节点能够与哪些节点通信、与哪些节点不能通信的路径信息,通过建立诊断模型和概率计算,管理节点能够自主地、实时地检测出最可能出现故障的链路范围,并通过定位过程的快速测试精确定位故障链路.仿真实验表明,该方法具有实时性、精确性,且可能不占用或只占用很少的额外带宽     

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.     

远程故障诊断系统中的故障信息研究

现有远程故障诊断系统常集中于对系统诊断模式和方法研究。结合信息理论和系统理论的观点，以故障信息为研究的出发点，指出远程故障诊断系统是一个完整的信息处理过程，研究并分析了信息获取的几种常用方式，给出了信息获取的一般模型。指出在网络带宽有限、故障信息庞大的情况下需要合理优化信息、合理配置资源和传输任务。研究表明在远程故障诊断中对故障信息的研究是系统的根本，立足于信息处理的观点和方法来考虑问题将有益于系统高效合理的运行。     

定向井有杆抽油泵系统诊断模型的建立

考虑井眼轨迹的井斜角、方位角、油液等对杆柱抽汲运动的影响,从定向井的多级混合杆抽油杆柱上选取微元体,对该微元体做动力学分析.建立反映抽油杆柱动态变化的波动方程,作为有杆抽油泵系统故障诊断的初始动力学模型.对整个杆柱采用变步长取样和多级杆柱的分界面处特殊处理,利用有限差分法求解偏微分方程,得到杆柱上分界面处和均质段任意位置处的位移表达式.确定初始条件和边界条件,经差分和迭代计算获得抽油泵柱塞位移表达式和载荷表达式,完成最终的建模.以油田提供的4口油井的相关数据为例,代入诊断模型得到了泵功图并对其进行故障诊断.结果表明:定向井有杆抽油泵系统诊断模型的建模方法是正确可行的,数学模型应用可靠,能够支持基于知识和基于数据分析的故障诊断方法.