基于双参数方法的故障诊断不确定性推理问题

不确定性推理问题是专家系统需要解决的基本问题之一,已有的不确定性推理方法在规则的应用要求、加权推理及规则参数获取方法方面具有局限性。该文在分析、归纳、总结不确定性推理相关问题的基础上,提出了基于充分性参数和必要性参数的不确定性推理方法。该方法能够表示具有复杂不确定性加权关系的诊断规则,并且能够根据规则的约束条件,通过数值计算获取规则的不确定性相关参数。该方法在已开发的诊断型专家系统中得到了应用,经验表明该方法是行之有效的。     

数字集成电路的测试与故障诊断方法

从桥接故障的两个特点出发，提出了一种快速盲测法，该法弥补了伪穷举法的不足。它既适用于组合逻辑电路、又适用于时序逻辑电路的短路故障测试。在６Ｋ型电力机车微机控制箱的测试与故障诊断过程中的成功应用，证实了该方法的有效性。     

基于特征评估和神经网络的机械故障诊断模型

为了克服在无先验知识的情况下，人为选择时域无量纲指标作为故障敏感特征的盲目性，提出了一种基于特征评估和径向基函数（RBF）神经网络的机械故障诊断模型．该模型分别采用小波包和经验模式分解方法对原始振动信号进行分解，分别提取原始信号和各分解信号的时域无量纲指标组成联合特征，然后对联合特征进行评估，计算评估因子，并根据评估因子的大小选取敏感特征作为RBF神经网络的输入，实现对机器不同状态的自动识别．实验结果和工程应用表明，这种集成了小波包、经验模式分解、特征评估方法和RBF神经网络的机械故障诊断模型能够精细地获取故障信息，从大量的故障特征中筛选出敏感特征，因而减小了网络规模，提高了分类准确率，具有很强的鲁棒性．     

基于代价敏感SVM优化组合算法的微钙化簇识别

微钙化簇是乳腺癌一个重要的早期发现,现有的检测技术为了达到高敏感性要求,产生很多假阳性数据.根据微钙化簇特点,提出一种整体和局部相组合的分类识别策略,并根据真假阳性样本错分代价的不同,使用代价敏感SVM方法进行分类学习.在构造分类器模型过程中利用粒子群进行分类器的参数优化及特征集合的选择,以提升分类学习的泛化能力.该算法在保证高敏感性的同时,降低了过多的假阳性数据,并删除了冗余和不相关的特征.实验结果表明,基于粒子群优化的代价敏感SVM组合分类算法提高了传统方法的识别能力.     

基于合成核支持向量机的风力发电机故障诊断

采用合成核函数构造支持向量机模型,运用粒子群优化算法（PSO）对模型参数进行参数寻优,利用UCI数据集的数据进行分类验证.与单核SVM相比,该方法具有更好的分类能力和运算速度.将合成核SVM应用到风机齿轮箱的故障诊断中,取得了良好的效果.     

贝叶斯诊断网络平台的开发与实现

针对贝叶斯诊断网络在实际应用时需要对具体对象建立相应诊断网络的问题,开发了一个贝叶斯诊断网络平台.重点讨论了网络的数字化、网络拓扑顺序的确定和赌轮选择等平台实现的3个关键问题.采用数字形式来描述网络的拓扑模型,刻画了网络的全部信息.节点间的关系则用关系矩阵简洁、直观地予以表达,并据此确定网络的拓扑顺序.利用赌轮的选择功能,实现了网络节点状态的实例化.该平台简单易用,为网络的建立和推理提供了一个有效、便利、通用的运行环境.利用该平台为天津石化炼油厂的一台烟机建立了贝叶斯诊断网络,实例表明,该平台能够用于贝叶斯诊断网络的构建和推理,也为贝叶斯诊断网络的工程应用提供了一个有力的工具.     

基于贝叶斯网络的钻井作业现场风险评估

针对高投入、高风险和不确定性的钻井作业现场,展开了安全评价研究。提出了一种基于贝叶斯网络定量评
价钻井作业现场风险、寻找风险源的方法。通过分析历史数据与借助专家经验识别不安全因素,将影响钻井作业现场
安全性的32 个因素分为“人的不安全行为”和“物的不安全状态”,同时构建了钻井作业现场安全性的贝叶斯网络拓
扑结构,并进行了概率推理向前预测和向后诊断,定量评估了钻井作业现场安全性,找出了影响最突出的不安全因素。
将其应用于龙岗气田L 井钻井作业现场,得出人为的不安全行为和物的不安全状态概率分别为0.108 和0.165,整个L
井作业现场不安全概率为0.137,并诊断出过程监控缺陷、安全防护设施缺失、作业导致隐患、井控设备缺陷、生产管
理缺陷不安全因素最突出,与现场实际情况一致。该评价方法为现场安全作业提供较为准确的诊断依据。     

马铃薯病毒一步法RT-PCR诊断研究

运用一步法RT-PCR对马铃薯和烟草中的马铃薯X病毒、马铃薯Y病毒和马铃薯卷叶病毒进行了检测,实验表明:对酚-SDS方法提取的病毒核酸进行扩增,一步法RT-PCR检测到的扩增产物的灵敏度较两步法RT-PCR的高100倍左右.两种提取方法对比,用一步法RT-PCR进行扩增,检测到的PEG法扩增产物的灵敏度较酚-SDS法扩增产物的灵敏度高3倍.建立了快速、简便、灵敏度高、特异性强的马铃薯病毒一步法RT-PCR检测技术.     

基于概率神经网络的高压断路器故障诊断模型

针对高压断路器在线监测与故障诊断问题,提出了一种基于概率神经网络的高压断路器故障诊断模型.该模型利用Parzen窗函数和Bayes分类规则建立了前向型自监督神经网络,在分析分（合）闸线圈信号的基础上提出了高压断路器故障模型.仿真结果表明,该模型对断路器的故障模式识别过程具有训练速度快、输出误差小和收敛性好等特点.     

一种提高诊断信息质量的方法

针对工程实际中噪声干扰、不同源信号之间的混叠及信号的信噪比低，造成信号分析和特征提取难的问题，研究了采用连续小波变换（CWT）和独立分量分析（ICA）的方法对滚动轴承的声音信号进行了消噪和分离，从而提高了诊断信号的信噪比，保证了故障的确诊。通过仿真实验和实例分析，验证了该方法的有效性。