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。     

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.     

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.      

基于半定量SDG模型的化工过程故障诊断

符号有向图(SDG)能够直观地反映系统的复杂因果关系,可以看出故障传播的路径,但是定性SDG故障诊断模型缺少变量之间的定量信息,推理过程中会产生虚假解,分辨率不高。该文针对SDG的不足,引入模糊隶属度,形成半定量SDG模型,即模糊SDG模型。采用反向推理和正向验证相结合的混合推理方法,并把结论编写为"If-Then"形式的知识规则,以便于利用专家系统对系统进行在线诊断。     

改进主元分析方法及数据重构在工业系统中的故障诊断研究

为了更加准确地对复杂工业生产系统进行故障判断,使生产系统更加稳定地运行,采用了改进的主元分析(Principal component analysis,PCA)方法及数据重构对工业过程进行故障诊断研究。采集工业系统正常和故障状态时的数据,将传统的PCA算法中平方预测误差(Squared prediction error,SPE)统计量分成两个,分别为主元显著关联的检测残差变量(Principal-component-related variable residual,PVR)和一般变量残差(Common variable residual,CVR)对系统进行故障判断。为了使系统在检测出故障之后尽量减少故障数据对系统的影响,又进一步应用数据重构方法,将故障数据重构成正常数据,并采用有效度指标进行验证。在故障发生的过程中对故障部分进行检修和排除,把生产系统受到故障的影响降到最低。改进的PCA方法和数据重构方法运用田纳西—伊斯曼过程的数据验证,使故障的检测结果更加准确,保证了生产系统的正常运行行。     

改进PCA方法在化工过程中的故障诊断研究

为了使化工生产中复杂系统的故障判断更加精准、更加有说服力,采集系统正常工作和故障状态时的数据,运用改进的主元分析(PCA)算法判断系统是否有故障产生。改进的主元分析算法是在传统主元分析的基础上将平方预测误差SPE统计量分化成与主元显著关联的检测变量残差(PVR)统计量和其余一般变量残差(CVR)统计量,再与Hotelling’s T2统计量相配合进行系统故障的判断,使检测到的结果更加精准,生产过程更加安全。将此改进的主元分析方法运用到田纳西—伊斯曼过程中,仿真结果验证了该方法可以有效识别系统处于正常工况状态还是故障状态,是一种系统故障分析和诊断的有效方法。     

基于PCA-SVDD的冷水机组故障检测方法

分析了基于PCA-SVDD方法的冷水机组故障检测效率,结合PCA和SVDD方法的优点,提出了一种基于PCA-SVDD的冷水机组故障检测方法.通过PCA将正常数据所在的测量空间分解为主元子空间和残差子空间,取正常数据的残差子空间得分矩阵作为目标类数据建立SVDD模型,利用RP-1043中冷水机组实验数据验证故障检测性能,并与传统PCA和SVDD冷水机组故障检测结果进行对比.结果表明:PCA-SVDD方法可用于冷水机组故障检测,进一步提高了故障检测能力,且故障检测结果整体优于传统SVDD和PCA方法;用于冷水机组常见的故障检测,获得了较高的冷水机组故障检测效率.此方法有利于及早发现故障,减少损失,对小幅故障检测效率的提高尤为明显.     

基于PCA的氧化铝蒸发系统故障检测

针对氧化铝蒸发系统结构复杂、物理模型难以搭建、大量数据得不到合理利用的问题,提出了基于主成分分析(PCA)的故障检测方法和直观的故障分离方法.通过对氧化铝蒸发系统进行深入分析,对系统故障进行分类,并在仿真模型中建立了不同的故障类型模型.最后,基于对氧化铝蒸发故障进行模拟得到的故障数据,给出了在氧化铝蒸发过程故障检测中的实例,验证了PCA方法的可行性.     

基于PCA与神经网络的雷达故障组合诊断方法

针对目前单一诊断方法的缺陷,提出了一种基于主元分析方法(PCA)和神经网络的组合故障诊断方法.利用多PCA来监测雷达状态,在雷达状态异常时再通过分析变量贡献率来确定故障部位,最终采用神经网络进行故障诊断.仿真实验了该方法的有效性.     

基于故障重构的PCA模型主元数的确定

基于故障重构理论研究了PCA模型主元数的确定方法,应用累积方差贡献率以及复相关系数对主元模型性能进行分析·在基于PCA理论进行故障诊断中,故障变量可根据故障的方向向量进行重构,未重构方差(VRE)可分别投影于主元子空间(PCS)和残差子空间(RS)·确定最优重构是使两空间的VRE之和达到最小,与此相对应的主元数即为最优主元数(PCs)·应用累积方差贡献率以及复相关系数对主元模型性能进行评价,结果表明确定的PCA模型PCs保证了PCS中的信息存量·对于工业PVC聚合反应过程的故障诊断说明了上述方法的合理性与有效性·     

基于APCA的电站热力过程故障传感器自适应检测方法

为自动适应电站热力过程的连续变化,提出了基于APCA的电站热力过程传感器故障诊断方法,通过模型参数的自动更新,使模型及时反映当前的系统状态,从而连续可靠运行.对PCA重构残差进行研究,在对电站实际测量数据可靠性分析的基础上提出了参数自适应预估计方法,利用预估计值来替代故障数据,以抑制残差污染,提高重构参数的准确性.利用电厂实际测量参数进行了算例分析,表明所提算法能很快适应系统状态变化,并给出正确的检测结果,即使在系统同时存在多个传感器故障时,通过对不良数据的检验,也能够获得准确的重构数据.     

应用变量因果序分析的符号有向图建模方法

针对传统符号有向图(SDG)建模方法容易引入虚假因果关系的问题,利用因果序分析时系统各阶自含结构进行逐层分解,通过各阶变量完全子集迭代解析平衡结构变量的层级因果关系,以及典范式积分链的约简导出动态结构变量的层级因果关系,运用中间变量的衔接作用,结合变量系数辨识定性的因果影响效果,实现了平衡、动态及混合结构的线性系统SDG模型的构建.以串联存储系统为实例进行验证,结果表明该方法消除了以系统方程等式关系直接导出SDG模型引入的虚假因果关系,且辨识出多处潜在的因果关系,与传统的SDG建模方法相比,以该方法构建的SDG模型精度更高,而且完备性较好.     

基于双层自适应集成残差主成分分析的复杂非线性过程监测

多元统计监测方法常使用正常数据选取特征,而现实过程中,不同的故障将影响不同的特征,并且这些特征可能随着时间和控制系统的作用而变化。当故障发生并随时间变化时,要想获得更好的故障检测能力,就需要聚集有效的故障敏感特征。本文提出了一种双层自适应集成残差主成分分析(AERPCA)模型,其子模型包含不同的特征,并突出地呈现一个或多个相关故障。首先,根据正常数据计算主成分分析（PCA）特征,利用不同特征构建线性子模型和相应的残差空间。考虑到残差空间的非线性特性及有效特征更为分散,采用核PCA(KPCA)提取不同的特征并组成同一残差空间下不同KPCA子模型。然后,利用贝叶斯方法获取集成KPCA子模型,完成各残差空间的划分和集成。最后,在主空间中获得多个线性子模型以及在残差空间中获得多个集成的非线性子模型后,利用滑动窗口确定当前时刻监控效果最好的模型。采用田纳西-伊士曼过程验证了AERPCA的有效性。     

基于SDG简化模型的工控系统数据网故障溯源方法

针对工业生产控制系统数据网的故障诊断溯源问题,提出了一种基于SDG简化模型的故障溯源解决方法。首先,基于工业生产控制系统数据网的结构特性,建立系统的SDG模型,通过分层和划域建模的方式缩小故障定位的搜索空间。在此基础上,根据业务告警发生时所提取的观测信号量,结合纵向数据和求生数据进行节点的生存分析;其次,结合工业生产系统数据网中故障特征分析,通过单节点故障判定方法判别各节点设备是否故障;最后,结合溯源诊断规则中故障溯因库的原因分类对网络故障进行根源性判定,实现故障溯源。通过测试验证的方法,验证所提方法在工业生产控制系统数据网中应用的可行性,能满足快速故障溯源的要求。     

基于PCA的火电厂湿法烟气脱硫系统的传感器故障诊断

提出一种基于主元分析(PCA)的故障诊断方法,用于解决火电厂湿法烟气脱硫系统的传感器故障诊断问题.该方法利用PCA建立故障诊断模型,通过计算平方预报误差、传感器识别指数、故障重构值,对传感器故障进行检测、识别及恢复.利用华能福州电厂湿法烟气脱硫系统的采集数据进行传感器的完全失效、偏差、漂移与精度等级下降等4种类型故障的...     

基于GNN的电网动态特性评估及其知识图谱应用

提出了一种基于图神经网络(GNN)的电网故障检测方法,辅助解决网络运维领域的故障问题.通过构建电网特征抽取模型以及知识图谱,将所提出图神经网络应用于电网的故障节点定位;通过引入时间维度信息,将前后时刻的节点状态辅助当前时刻的故障检测;将图神经网络层的各个节点输出特征进行相关性分析,验证图神经网路对节点特征抽取的有效性.结果表明：所提出的图神经网络能够有效地定位电网故障节点,在仿真故障场景上获得了99.53%的定位准确率,图神经网路对节点的特征建模可以定性观测节点故障扰动传播情况,对故障节点分析起到了重要辅助作用.     

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。     

采用负载端电压预测串联故障电弧

为研究串联故障电弧的检测方法,针对三相电动机及变频器负载开展了串联故障电弧实验.首先采用小波包对负载端电压进行4层分解,并建立5～16节点系数的极限学习机(Extreme learning machine, ELM)预测模型;然后利用建立的ELM预测模型对10个周波的小波包节点系数进行预测,分别计算每个周波预测残差的平均值并排序,取4个最小值的均值作为故障电弧特征;最后选取正常状态下特征的最大值和故障状态下特征的最小值的均值为故障电弧检测的公共阈值.结果表明:上述方法可有效检测三相电动机及变频器负载回路中的故障电弧,同时可排除谐波及暂态干扰.     

基于ARMAX模型的挖掘机液压系统故障检测

根据挖掘机的可靠性水平和智能化程度,提出了一种基于ARMAX(Auto-Regressive Moving Average Exogenous)模型的挖掘机液压系统故障检测方法.使用系统正常状态下的信号样本建立系统的ARMAX辨识模型,通过休哈特控制图分析ARMAX辨识模型的输出残差,以获取故障检测的阈值;然后,将系统故障状态下的信号样本代入ARMAX辨识模型,当模型残差超过阈值,即能判定系统发生故障.实验分析表明,基于ARMAX模型的故障检测方法够有效地检测挖掘机液压系统产生的故障.图3,参10.