结构损伤诊断技术的研究和发展趋势

综述了近几年来工程结构损伤诊断技术的研究应用，对工程结构损伤诊断的各种方法进行了评述，讨论了各种方法在理论上和实际应用中存在的问题．根据国内外最新文献．推测工程结构损伤诊断的发展趋势。     

面向制造企业的智能企业诊断系统

概述了企业诊断系统的研究现状,分析了其与企业信息系统研究相孤立所带来的问题.为适应现代制造企业管理的需求,提出基于数据仓库的智能企业诊断系统.智能企业诊断系统由查询与跟踪、问题识别和指标评价、模糊Petri网推理、诊断过程概要解释、问题解决支持、人机界面等6个主要模块构成.为了更好地处理企业诊断知识的模糊性、整体性和复杂性,通过扩展模糊Petri网系统实现企业诊断的知识建模和推理.功能模型描述了系统各模块的主要功能及其与数据仓库系统间的集成方式.此外,讨论了模糊Petri网诊断推理、与数据仓库系统的集成、知识提取和数据挖掘等系统实现的关键技术和方法.通过智能企业诊断系统、数据仓库系统和OLAP三者的有机集成,提供一个有效的企业诊断集成环境,使管理者能够更好地解决经营管理中存在的问题,充分发挥制造企业潜力,使企业健康发展.     

一类非线性系统的快速鲁棒故障诊断

.结合在线估计器和滑模观测器方法,基于所给出的一种新的自适应学习算法,提出了一种针对非线性不确定系统的鲁棒故障诊断方法.滑模观测器可以消除建模不确定性的影响以得到准确的状态估计,而在线估计器可以实时估计故障的大小.在此,基于李亚普诺夫函数,在理论上证明了所给出的状态和参数估计误差都是一致有界的;针对三容水箱DTS200所做的仿真实验,其结果验证了该方法的可行性.研究结果表明,由于滑模项的引入,使得该方法的故障检测时间大大缩短,其性能比Polycarpou所提出的在线估计器方法的性能要好.     

变精度粗集模型在故障诊断专家系统中的应用

将变精度粗集模型应用于故障诊断专家系统的知识获取和知识库的更新;利用变精度知识约简和正则条件熵进行故障特征选择,实现最简诊断知识的获取,以建立专家系统知识库;利用属性的相对依赖性实现知识库的维护与更新.滚动轴承故障诊断的实验结果表明,该方法有效地克服了传统规则式故障诊断专家系统的不足,实现了故障诊断功能.     

数据挖掘的灰色系统方法

灰色系统理论是研究贫信息系统分析、建模、预测、决策、控制的有效工具，在工程技术、社会、经济等领域中应用广泛，该文探讨了灰色系统理论在数据挖掘中的应用问题，提出了数据挖掘的灰色关联算法、灰色统计算法、灰色聚类算法、灰色统计聚类算法，并提出了灰色数据挖掘系统的体系结构。     

水轮发电机组故障诊断系统中几种征兆的获取

在水轮发电机组故障诊断系统中，征兆获取能力是评价故障诊断系统性能的重要指标，故障信号的特征提取影响到整个诊断过程的计算以及整个诊断系统的品质．将FFT、分形几何、相关分析、奇异谱等理论应用于故障诊断系统中征兆的获取，针对不同类型征兆采取不同的数学处理方法，并结合水轮发电机组故障诊断系统，证明了所述方法的合理性和可行性，提高了整个诊断系统的可靠性和准确性．     

基于核的动态聚类算法用于机械故障模式分类

针对k均值聚类对特征样本划分存在误分类的问题，提出用基于核的动态聚类算法对风机不同工作状态进行分类识别．实验结果表明，该方法能有效地识别机器运行的异常状态，并能对不同的故障模式进行正确的区分，可应用于机械设备运行状态的动态识别．     

室内空气品质的灰色非本征预测模型

利用灰色系统理论和原有的确定性物理模型建立了室内空气品质灰色非本征预测模型．并利用灰色非本征模型模拟了两种条件下，室内二氧化碳随时间变化的特性．计算实例表明，灰色非本征模型在预测室内空气品质时具有较好的实用性和精确性．     

非线性电路故障诊断模型的建立及神经网络求解的方法研究

分析并推导了含有非线性流控型电阻元件和非线性压控型电阻元件组成的非线性电阻网络的故障诊断方程，这是以支路故障标志量为未知的一组线性代数方程。在推导非线性元件的“故障标志量”时，消除由工作点变化引起的电参量的变化，保留由伏-安特性变化引起的电参量变化，它标志非线性元件本身发生了故障；文章还提出一种神经网络，可在线快速求解非线性电阻网络的故障方程的解，从而可在线对故障进行定位。     

引淮入海大堤施工期垂直位移监控模型研究

对引淮入海大堤施工期垂直位移监控模型进行研究。结果表明：由于垂直位移的影响源不完全清楚，用回归分析的方法研究垂直位移规律有一定的缺陷；将垂直位移仅看作随时间变化的动态过程，从灰色系统理论出发建立灰色GM(1，1)模型，比统计模型有更好的材度和预报效果，因此具有更好的应用价值。由于灰色模型采用的原始序列相对较少，其短期的预测材度要高于长期的预测精度，在堤体不断加高的动态荷载作用下，要保征其预测的可靠性，必须适时地纳入新的沉降信息。