传感器网络同步态的节点故障诊断算法

首先介绍了复杂网络同步态的概念,以传感器量测数据为节点,定义了随时间动态变化的传感器网络,采用数学分析方法定量描述了传感器网络的动力学机制,给出了传感器网络同步态的数学定义、计算方法及其实际的物理含义。理论推导表明,同步态从全局角度评价传感器网络的健康程度,以量测数据距离关联性定义复杂网络的耦合矩阵A=(aij)N×N,并以该耦合矩阵零特征值对应的左特征向量(ξ1,ξ2,...,ξN)来刻画传感器网络节点的局部细节信息,进而衍生出基于传感器网络同步态的节点故障诊断算法,实现传感器网络的故障诊断。实验仿真了由100个传感器组成的复杂网络,采集了在稳定运动60s期间的的量测数据,每个量测数据长度为5 000,其中有3个传感器处于间歇增益故障状态,以此来验证基于传感器网络同步态的节点故障诊断算法的有效性。结果表明,该算法不仅可以很好地跟踪整个传感器网络的工作状态,实时监测每个传感器网络节点的故障,而且可以利用传感器网络节点故障之间的相关性有效地识别出传感器量测数据的异常是由外界量测对象的改变还是由传感器本身故障引起的。该算法为全局评估传感器网络的工作状态和监测网络节点的局部故障提供了一个新颖可行的研究思路,期望为相关领域的研究学者提供有益的参考。     

基于余弦相似度的复杂网络故障检测方法及应用

提出一种基于余弦相似度的复杂网络故障检测方法。利用余弦相似度确定变量之间的相关性,得到邻接矩阵,进而构建变量之间的网络模型;结合系统的网络拓扑结构,计算相应的复杂网络度量指标,对比故障状态与无故障状态下的网络结构与度量指标的差异,确定故障源;最后利用Tennessee-Eastman（TE）过程故障检测实例,结果表明,与偏相关系数方法对比,本文所提方法能有效且更准确地检测出故障。     

基于PCA和RBF神经网络的石化装置故障监测与诊断

为了从石化装置大量工艺监测数据中提取有效的故障特征信息,及时地发现故障并准确地识别故障原因,提出了一种基于PCA和RBF神经网络的故障监测与诊断方法。首先获取工况样本,建立PCA模型,降维提取统计特征;设定正常工况SPE统计量阈值,建立在线工况SPE统计量,由此进行故障监测。然后对故障样本进行PCA降维,构建多个RBF神经网络模型,用以实施在线故障诊断,识别故障原因。最后把某石化公司气体分馏装置脱异丁烷单元作为实例,采用Uni Sim Design软件对该单元进行过程动态模拟,获得工况监测样本,建立了故障监测与诊断模型。研究结果表明,所提出的方法不仅能有效地对工况进行状态监测,而且能快速和准确地诊断故障。     

基于SIR多级残差连接密集网络的轴承故障诊断

为了研究旋转机械的滚动轴承在复杂工况下从时变性强、微弱信号中提取特征信息的性能,提出了基于SIR多级残差连接密集网络的轴承故障诊断方法.首先,设计SIR模块,该模块将对输入的数据特征通道赋予不同的权重并拓宽网络的宽度,提取更加重要、更加丰富的特征信息;其次,设计多级残差连接密集网络自适应提取轴承振动信号中的有效特征;最后,构建softmax分类器实现故障分类.通过与多种方法进行对比,实验结果表明,该方法在变噪声、变负荷和变工况下都能够更加准确地检测出故障,对复杂的工况环境更具有鲁棒性和泛化能力.     

Ad Hoc网络中基于链路故障的路由修复机制

针对已有的Ad Hoc网络中路由修复算法未考虑节点状态的不确定性、以单一节点作为路由查找目的地、恢复效率低等局限性,提出了一种基于链路故障的路由修复机制.该机制不是简单地认为移动节点自始至终都处于工作状态,而是每个修复节点将下游节点的状态变化所导致的路由失效作为选择路由修复策略的依据.根据状态变化分析了链路断开的原因,包括节点间相对移动、节点故障和节点关闭,从而选择不同的节点作为RREQ消息的目的节点.修复节点采用多目的地址的RREQ消息进行广播.通过数学分析和仿真表明,在不同的节点故障情况下,所提机制的平均路由建立时间可降低13%左右,平均控制开销可减小18%,这显示出机制具有更好的适应实际网络的能力.     

二进制量子粒子群优化算法及其在化工过程故障诊断中的应用

针对实际化工生产过程中故障数据缺乏,采用适合小样本问题的支持向量机(SVM)对化工过程稳态故障进行诊断。为了保证在线故障诊断的实时性,消除高维监控数据以及系统噪声对故障诊断的干扰,提出了一种新的基于二进制量子粒子群优化(BQPSO)算法和SVM的故障特征选择方法。仿真实验表明:BQPSO算法具有良好的全局搜索能力,能够快速、准确地搜索到故障特征变量;而基于特征选择的SVM故障诊断方法能可靠地实现对复杂化工过程的在线故障诊断。     

实时在线大规模流媒体分发系统的设计方法

提出了一种大规模流媒体分发系统设计思路.首先,分析网络和节点异构性对流媒体传输的可信和可靠需求,构建出大规模、复杂网络环境中可信流媒体分发系统拓扑结构;然后,研究动态系统环境下能保证流媒体服务质量和各种粗细粒度调度方法,设计出自适应网络节点异构性的数据调度策略和算法;接着,研究面向流媒体的网络测量方法,基于实时流媒体传输质量的评估,提出了自适应流媒体传输调节的方法;最后,分析了流媒体系统提供服务的机理,确定系统的状态信息和关键数据,分析各种故障和攻击情况下系统的可用性,提出了流媒体传输故障检测方法和系统恢复方法.     

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。     

实时在线大规模流媒体分发系统的设计方法（英文）

提出了一种大规模流媒体分发系统设计思路.首先,分析网络和节点异构性对流媒体传输的可信和可靠需求,构建出大规模、复杂网络环境中可信流媒体分发系统拓扑结构;然后,研究动态系统环境下能保证流媒体服务质量和各种粗细粒度调度方法,设计出自适应网络节点异构性的数据调度策略和算法;接着,研究面向流媒体的网络测量方法,基于实时流媒体传输质量的评估,提出了自适应流媒体传输调节的方法;最后,分析了流媒体系统提供服务的机理,确定系统的状态信息和关键数据,分析各种故障和攻击情况下系统的可用性,提出了流媒体传输故障检测方法和系统恢复方法.     

基于节点吸引力的可调参数复杂网络模型

针对真实网络的生长演化规律,以及BA无标度网络模型和原始的节点吸引力模型在择优连接以及生成网络统计特征方面所存在的问题,综合考虑复杂网络生长演化过程中节点度和节点吸引力的择优连接特性,提出了一种基于节点吸引力的可调参数复杂网络模型. 理论研究与仿真实验分析表明,基于节点吸引力的可调参数复杂网络模型可以有效生成结构稳定并与实际网络统计特征很接近的复杂网络,通过调节模型参数可以灵活调整网络的生长演化过程. 模型生成的网络度分布仍然服从幂律分布,并且具有较高的群集系数和平均路径长度.      

基于复杂网络理论的Internet拓扑节点特征分析

基于复杂网络理论对Internet的IP级拓扑中的节点特征进行了分析。阐述了复杂网络理论中节点度、度相关性、聚集系数等特征的概念。采用由skitter和fastrace实际测量得到的四幅拓扑,提取其复杂网络特征,并进行了比较分析。     

基于复杂网络拓扑性质的网络态势预测方法

为揭示网络态势时间序列的动力学特征和变化规律,提出一种基于复杂网络拓扑性质的网络态势预测方法.对网络态势时间序列进行粗粒化处理、节点编码和网络连边以构建态势复杂网络,利用点强度、强度分布、介数中心性、加权聚类系数、平均路径长度等复杂网络拓扑指标分析网络态势变化的规律,并基于模态复现的思想进行网络态势预测.实验结果表明:态势复杂网络节点之间的转换主要通过少数关键节点进行,网络态势的变化具有幂律性、群聚性和短程相关性;与现有预测方法相比,本文方法无需复杂的样本训练和参数优化过程,在状态预测方面具有较高的准确率.     

黄金价格波动网络的拓扑特征分析

利用粗粒化的方法,将1973年至2014年黄金价格日数据转化为由4个字符{R,r,D,d}表示的符号序列,以连续4个字符作为一个模态单元,将模态定义为网络的节点,以模态之间的转换定义边的连接,从而构建有向有权的黄金价格波动模态网络,用复杂网络的方法分析了其拓扑特征.研究结果表明,该网络的点权分布很不均匀,部分节点点权很大,是黄金价格波动的"常规模态";网络具有较短的平均路径长度和较大的聚集系数,表现出小世界网络的特征,模态之间的平均转换距离较短;网络的同配系数为正,核心节点之间具有择优连接性,一些模态之间转换频繁,是黄金价格波动的"核心模态";少数节点承担了网络中大部分的中介中心性,是黄金价格波动的"中转模态".     

基于GCN的复杂网络关键节点识别研究

准确识别出网络中的关键节点是复杂网络研究的重要内容之一.现存的关键节点识别方法多数是基于网络结构提出的中心性度量方法,识别准确率低且适用范围具有局限性.因此本文提出了基于图卷积网络的关键节点识别方法,不仅考虑了节点属性,还考虑了网络结构和邻居节点结构.首先,根据网络图例数据提取多维度特征并构建特征向量;其次,将节点特征向量输入到GCN层学习;最后,通过回归损失函数计算出最小损失,识别出关键节点.本文选取传播动力学中的SIR模拟实验和牵制控制实验作为评价方式,在不同类型的真实网络上进行验证.结果表明本文提出的方法在适用范围和准确率方面较其他方法更具优势.     

基于小波包分解-峭度值指标-希尔伯特包络解调融合方法处理声发射信号的滚动轴承故障诊断

为实现对航空发动机主轴承进行故障诊断,以复杂传递路径下声发射信号的波形分析为基础,提出一种基于小波包分解(wavelet packet decomposition, WPD)、峭度值指标(kurtosis index, KI)以及希尔伯特包络解调(Hilbert envelope demodulation, HED)相结合的滚动轴承故障特征信息提取方法。采用WPD方法对滚动轴承声发射信号分解获得节点分量,基于KI对节点分量排序筛选进行信号重构,进而对重构信号进行HED分析,提取出轴承故障特征频率用于对比诊断。开展简单以及复杂传递路径下滚动轴承故障模拟试验,采用建立的方法分别针对滚动轴承外圈、内圈典型故障试验数据进行分析和诊断。结果表明：该方法可有效提取滚动轴承故障特征频率及其倍频,且针对复杂传递路径下处于工作状态的滚动轴承,仍可实现精准的特征信息提取和有效的故障诊断。     

总体平均经验模式分解与1．5维谱方法的研究

针对复杂背景下机车走行部齿轮箱齿轮裂纹故障微弱特征的提取问题,提出了总体平均经验模式分解(EEMD)与1.5维谱的故障特征提取方法.首先运用EEMD方法对振动信号进行自适应抗混分解,得到不同频带的基本模式分量(IMF),然后运用1.5维谱方法对停含有故障特征信息的IMF进行后处理.该方法具有避免模式混淆、抑制高斯白噪声、检测非线性耦合特征等特性,并以此来提取故障的微弱特征信息.根据待处理信号的时频特性与EEMD原理,提出了在EEMD方法中加入高斯白噪声的准则,通过信号仿真验证了EEMD方法的抗混分解能力.将EEMD与1.5维谱方法应用于机车走行部齿轮箱的监测诊断中,成功地提取出齿轮箱大齿轮齿根早期的裂纹故障.     

一种采用贝叶斯网络的制造过程异常诊断方法

针对制造过程异常原因复杂、基于传统控制图诊断分析困难等问题,提出了一种采用贝叶斯网络的制造过程异常诊断方法。利用过程异常诊断的先验知识,结合需要诊断的异常特征,构建基于贝叶斯网络的制造过程异常诊断模型。首先提取控制图异常征兆特征,建立贝叶斯网络的异常征兆节点和异常原因节点并进行关联;然后利用先验知识确定贝叶斯网络中的先验概率,建立贝叶斯网络诊断模型;最后根据控制图异常特征,利用诊断模型推理异常发生的原因。以汽轮机转子叶轮制造为例进行了诊断,验证了采用贝叶斯网络作为制造过程诊断方法的可行性。     

数据驱动的滚动轴承性能衰退状态监测方法

针对滚动轴承性能衰退状态监测中的故障信号微弱和故障模式多样性等问题,提出了一种基于自适应噪声完备集合经验模态分解(CEEMDAN)以及主成分分析(PCA)的滚动轴承性能衰退状态监测方法.针对经过预处理后的滚动轴承原始振动信号,分别采用CEEMDAN方法以及Hilbert-Huang变换提取本征模能量特征和故障特征;综合运用斯皮尔曼等级相关系数和PCA进行特征融合,以获得表征滚动轴承性能衰退状态的健康指数;通过对健康指数的单调性、稳健性和衰退性等进行分析,并经过加权平均来识别滚动轴承性能衰退状态.实例分析结果表明,所提出的方法能够较为准确地识别滚动轴承性能衰退状态.     

基于并行LSTM-CNN的化工过程故障检测

为保证生产过程的安全稳定运行，避免因故障导致损失，及时检测出异常工况并对异常工况进行准确诊断十分重要。针对化工过程的复杂性，提出一种并行长短时记忆网络和卷积神经网络（Parallel Long and Short-Term Memory Network and Convolutional Neural Network,PLSTM-CNN）模型进行化工生产过程故障检测。该模型有效结合LSTM对时间序列数据全局特征提取能力和CNN模型善于提取局部特征的能力，减少了特征信息的丢失，实现了较高的故障检测率。采用一维稠密卷积神经网络作为CNN的主体，结合LSTM网络对序列信息变化敏感的特点，在构建更深层网络的同时避免模型过拟合。采用最大互信息（Maximum Mutual Information Coefficient,MMIC）数据预处理方法，提高了数据的局部相关性以及从不同初始条件下PLSTM-CNN模型检测故障的效率。以TE(Tennessee Eastman)过程为研究对象，PLSTM-CNN模型在故障平均检测率和漏报率等指标上明显优于传统循环神经网络。     

基于彭罗斯拼图的部分随机复杂网络的统计性质

为扩展复杂网络模型并探讨网络的新特征,研究了随机复杂网络的统计性质.在以两种菱形为结构单元的彭罗斯拼图的基础上,增加顶点的随机连接,其连接概率与顶点的类型有关,由此构造出部分随机的复杂网络.用解析和数值方法计算了网络的主要特征参数.结果表明:度分度、节点间平均距离和网络集群系数与一般随机网络接近,但具体变化规律有所不同.由此可见,准周期复杂网络既有一般网络的共性,也有更为丰富的其他特征.