油料装备故障智能诊断平台研究

为了解决油料装备故障智能诊断问题,构建由平台支持层、技术支持层、数据层和应用层组成的故障智能诊断平台.应用模糊神经网络、专家系统、微粒群优化算法和证据理论作为智能融合工具,对检测数据实现数据级、特征级和决策级三级数据融合,借助数据间互补信息,降低检测数据误差,消除冗余信息.建立基于案例推理CBR和规则推理RBR的故障诊断集成推理机.将最近邻方法与灰色关联理论相结合,提出分层检索匹配算法.     

基于粗糙集的故障诊断方法

利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识，从信息熵的角度分析系统知识不确定性的变化，提出了一种基于粗糙集理论的故障诊断新方法，研究了粗糙集理论在故障诊断中的适用性，在前向推理和反向推理的基础上，给出了针对故障点建立决策表以及利用粗糙集约简所获得的诊断规则进行正、反向故障诊断的步骤，讨论了这种故障诊断方法的诊断性能及其在计算上的复杂度。通过这种方法能够进行故障的寻找和定位，实例分析的结果说明了利用粗糙集进行知识发现及建立智能故障诊断系统的可行件和有效件。     

基于CBR和RBR混合推理的齿轮箱智能诊断技术

针对传统齿轮箱智能诊断系统获取知识的困难,提出了基于案例(case-based reasoning,CBR)和规则(rule-based reasoning,RBR)混合推理方式的智能诊断技术.在研究此2种推理技术优缺点的基础上,取长补短,合理地将其应用到轧机齿轮箱故障诊断工作中,提高了故障诊断的准确率和效率.针对传统案例检索中相似度算法的不足之处,提出了一种新的案例检索算法,有效地解决了传统的相似度算法检索案例不准确的问题.     

粗糙集理论在变压器故障诊断中的应用

为了对变压器故障诊断过程中大量的冗余特征进行压缩或约简,提高诊断的效率,将粗糙集理论引入到变压器故障诊断中,提出了基于粗糙集理论的故障特征约简算法:即由故障样本构成信息表,组合表中不同的属性集,求取与全体属性集具有相同分类质量的最小属性集。对具体典型诊断实例进行了分析,结果表明:在保证故障分类结果不变的情况下,该算法能够剔除具有冗余信息的特征,找出对故障分类起主要作用的特征,从而达到了特征约简的目的,不仅大大减少了诊断信息提取的工作量,也为后续的智能诊断提供很大的便利。     

物联网环境下闸站调度的多智能体决策系统

引入了基于语义模型网的物联网信息资源描述、推理和应用模型,并以多智能体系统决策支持为应用基础,研究了物联网环境下水利闸站调度的智能决策支持技术.该技术采用多智能体系统的任务分解方法,并通过本体推理方法把子任务执行时需要的决策信息转化为精确的传感器信息查询,从而实现从物联网中准确定位具体的传感器,并获取相应感知信息的实时决策信息支持机制.     

车辆底盘故障诊断的多智能体技术研究

半主动悬架系统（SAS）和电动助力转向系统（EPS）的故障诊断对保障整车安全性及其重要.为快速准确诊断SAS和EPS的子系统故障,基于多智能体理论构建出半主动悬架智能体、电动助力转向智能体、系统智能体、显示智能体等,构架底盘悬架子系统与转向子系统通用故障树,建立故障征兆库、专家规则库等数据库,利用智能体的智能行为决策问诊、快速分析判别原因并显示维修建议.通过故障实例诊断模拟,验证了智能体技术在底盘故障诊断中的可行性与有效性.     

基于粗集理论的小电流接地系统故障选线研究

针对小电流接地系统中单相接地故障选线困难的问题，提出了一种基于粗集理论的故障选线新方法.在分析小电流接地系统线路零序电流故障特征的基础上，将基于粗集理论的信息融合技术引入故障选线系统.将利用小波分析方法、零序有功分量方法和五次谐波方法提取的故障特征作为条件属性，线路的故障状态作为决策属性.通过对信息系统的约简，得到最小决策规则，该规则即可实现故障选线.仿真结果表明，该方法正确、有效.     

基于粗集理论的小电流接地系统故障选线研究

针对小电流接地系统中单相接地故障选线困难的问题，提出了一种基于粗集理论的故障选线新方法.在分析小电流接地系统线路零序电流故障特征的基础上，将基于粗集理论的信息融合技术引入故障选线系统.将利用小波分析方法、零序有功分量方法和五次谐波方法提取的故障特征作为条件属性，线路的故障状态作为决策属性.通过对信息系统的约简，得到最小决策规则，该规则即可实现故障选线.仿真结果表明，该方法正确、有效.     

基于粗集理论的故障规则自动获取系统的研究

为增强故障诊断专家系统处理不完备信息和自动获取规则知识的能力，应用粗集理论及动态约简思想，深入研究并初步建立了故障规则自动获取系统。其中关键技术包括：故障样本信息的关系型决策表表示；决策表子表的随机采样；条件属性的动态约简算法设计；约简集合的过滤；故障规则的表达结构定义；故障规则的提取和规则的评价等。开发了相应的基于VC 平台的计算机软件，并以汽车发动机异响类故障为样本，对系统的故障规则获取过程进行了案例分析，从相关的实验结果和数据来看，较好地实现了系统的预定目标和功能。     

基于案例推理技术的机车故障诊断系统研究

针对目前机车故障诊断过程中复杂、繁琐的操作,将基于案例推理技术的故障诊断方法应用于机车故障的诊断,并以电力机车变压器铁芯故障为例进行了研究,分析了对故障属性的约减过程及表示方法,以.Net 4.0为软件平台,设计了基于案例推理技术的机车故障诊断系统,实际应用结果表明,该系统达到了简化诊断操作,提高诊断效率的目的。     

Fault Attribute Reduction of Oil Immersed Transformer Based on Improved Imperialist Competitive Algorithm

基于改进型帝国竞争算法的变压器故障属性约简

边莉¹,何辉²,孙洪娜²,刘文静³

（1.广东海洋大学 电子与信息工程学院,广东 湛江 524088;2.黑龙江科技大学 电气与控制工程学院,哈尔滨 150022;3.国网邯郸供电公司,河北 邯郸 056002）

创新点说明：

通过利用改进型帝国竞争算法与粗糙集和神经网络相结合的方式,对油浸式变压器的故障数据集进行了优化,并验证了该方法具有较好的性能。

研究目的：

电力系统的运行与人们的工作生活和工业生产有着非常密切的联系,其安全稳定的运行具有重要的意义,而油浸式变压器作为电网运行的重要组成部分,它的安全可靠运行对整个电力系统具有重要的影响。由于原始的变压器故障数据具有相当大的冗余,这就对进一步的故障判断增加了难度,其结果就是运行速度慢,且诊断正确率较低。所以本文针对原始数据集过于繁杂的问题,优化原始数据,避免大量无意义的计算,并提高其准确率。

研究方法：

利用改进型帝国竞争算法对粗糙集进行优化后,对离散化的油浸式变压器原始故障数据进行属性约简,得到最终决策表,为了验证该方法得到的决策表是否具有优越性,将其带入神经网络中进行验证,并与遗传算法、粒子群算法和模拟退火算法进行了对比。

结果：

改进型帝国竞争算法在第27次迭代时已经趋于稳定,约简率为56.25%,约简精度为98%。采用BP神经网络对故障数据集最终决策表进行诊断验证,准确率为86.25%,总体效果优于原始数据和其他算法。因此,对油浸式变压器的故障属性进行约简是非常有效的。

结论：

1） 本文将改进型帝国竞争算法应用到油浸式变压器故障属性约简问题中,通过对算法进行介绍,并建模、仿真,最后与其他智能算法进行比较分析,得出该算法具有较强的可行性和适用性。

2）该方法实现了变压器故障属性的最优约简。与遗传算法、粒子群算法和模拟退火算法相比,帝国竞争算法优化粗糙集属性约简具有迭代次数少、约简率高、精度高等优点,降低了对数据存储的要求,提高了分类精度。

3）在保持判别关系不变的前提下,去掉一些无意义的属性,可大大降低后续操作的难度。当样本集数据量较大时,宜采用改进的帝国竞争算法优化粗糙集的方法来进行属性约简。

关键词：变压器故障;改进型帝国竞争算法;粗糙集;属性约简;BP神经网络

     

基于Rough Set和neural network组合数据挖掘

提出了一种基于rough set和neural network的数据挖掘新方法。首先利用粗集理论对原始数据进行一致性属性约简，然后使用神经网络对数据进行学习，并同时完成属性的不一致约简，最后再由粗集对神经网络中的知识进行规则抽取。该方法充分融合了粗集理论强大的属性约简、规则生成能力和神经网络优良的分类、容错能力。实验表明，该方法快速有效，生成规则简单准确，具有良好的鲁棒性。     

基于参数约简和免疫算法的飞行规则自动提取方法

模拟机自动评分系统对飞行员数据进行评分的时候需要量化飞行规则,针对规则量化困难的问题,提出了一种基于参数约简和免疫算法的飞行规则自动提取方法。用该方法对某航空公司提供的正常爬升科目的大量飞行数据进行了规则提取,将提取到的规则对正反例样本之外多个飞行数据进行判读,结果表明均未出现误判。与没有采用参数约简的方法相比,用该方法提取到的规则更简洁、更准确,对专家制定用于自动评分系统中量化的飞行规则具有很好的参考价值。     

智能故障诊断技术在核动力装置中的应用研究

核动力装置对系统的安全性能要求较高．为了让操作员在发生故障时,避免产生错误的判断及操作,一种较好的方法是将智能故障诊断技术应用到核动力装置故障诊断系统中．利用粗糙集的数据约简技术提取精简的规则,基于这些规则建立的模糊神经网络具有更好的拓扑结构,学习速度大大提高,容错能力强;RBF神经网络有着良好的局部性能,诊断单个故障的能力要优于模糊神经网络,且网络不用训练,诊断实时性好．将粗糙集理论所构建的模糊神经网络与RBF神经网络相结合,能充分发挥各自的优点．为了验证该方法的有效性,以核动力装置蒸汽发生器U形管破裂等故障为例,进行了仿真实验研究．研究结果表明该邦联网络具有良好的诊断准确性、实时性和可扩充性,得到了预期的效果．     

基于粗糙集对旋转机械故障诊断系统的研究

针对机电设备故障诊断中存在的知识冗余和不确定性,从原始数据出发,利用决策表约简算法进行属性和属性值的约简,建立了故障诊断的规则库.给出了基于粗糙集的故障诊断和知识获取模型的一般结构.通过对旋转机械典型故障的分析,建立了决策表,通过对决策表的约简,减少了数据库中数据的数量,解决了故障诊断中知识获取的瓶颈问题.提出了决策表的属性值约简的一种简化算法.实验证明该方法是可行的.     

Fault Diagnosis Approach of Local Ventilation System in Coal Mines Based on Multidisciplinary Technology

In order to reduce the probability of fault occurrence of local ventilation system in coal mine and prevent gas from exceeding the standard limit, an approach incorporating the reliability analysis, rough set theory, genetic algorithm （GA）, and intelligent decision support system （IDSS） was used to establish and develop a fault diagnosis system of local ventilation in coal mine. Fault tree model was established and its reliability analysis was performed. The algorithms and software of key fault symptom and fault diagnosis rule acquiring were also analyzed and developed. Finally, a prototype system was developed and demonstrated by a mine instance. The research results indicate that the proposed approach in this paper can accurately and quickly find the fault reason in a local ventilation system of coal mines and can reduce difficulty of the fault diagnosis of the local ventilation system, which is significant to decrease gas exploding accidents in coal mines.     

一种基于谓词逻辑的分类规则约简方法

利用各种分类规则挖掘方法,提取出的分类规则集中,存在许多的冗余规则,从而降低了分类效率。采用谓词公式描述分类规则,给出了一种分类规则集约简方法。该方法利用谓词公式中的逻辑推理,对分类规则集进行约简,消除了冗余规则。采用恒星光谱数据,实验验证该方法在保证分类规则集的分类能力不变的前提下,有效地提高了分类的效率。     

基于粗糙集理论的大学生手机依赖因素分析

智能手机在大学生中的广泛普及,使越来越多的学生沉迷于手机的各种娱乐功能,因此患上手机依赖综合症,严重影响了学业。基于粗糙集理论,通过对大学生手机使用情况的现状调查分析,设计并实现知识获取和约简的方法,对影响学生手机使用的多个要素进行分析,获取学生手机依赖的决策规则。最后给出一种启发式属性约简算法,以获取简化的决策规则,为指导大学生合理使用手机提供可靠的借鉴依据。     

基于故障树的数控机床故障诊断系统研究

通过对数控机床的故障实例分析,应用故障树模块分析算法,对Fanuc0i型数控车床的工作原理、故障现象进行定量分析;采用基于面向对象方法和专家知识的智能诊断方法,用Fussed法求解最小割集,把大型复杂故障树,分解为相对独立的多个子树;对数控机床典型故障建立了故障树,通过其最小割集进行故障定性分析,并将故障树分析法应用于故障诊断专家系统分析推理机制中。     

基于知识的神经网络产生式规则的获取方法研究

将连续数据离散化并将已有知识规则的依赖度作为神经网络的初始权值,构建新的网络结构并对其动态训练,给出其具体网络训练算法.从训练后的网络权值中利用正确的分类及该网络结构具有的性质,从而给出其具体的规则抽取算法,并将抽取的具有冗余性的产生式规则利用粗集理论进一步对其精化处理,最后得出最简化的产生式知识规则.充分结合神经网络及粗集理论的优点,探索两者的有机结合无疑对智能信息处理系统的研究具有重要的现实意义.