基于免疫计算的抗蠕虫病毒Web系统

为了高精度地检测、识别和消除Web系统中的蠕虫病毒,为了实现Web系统的故障自修复,提出了Web系统的正常模型和免疫计算方法。Web系统的正常模型是由各个组件的时空属性表示的,存储在自体数据库中,系统中所有组件的时空属性唯一确定了该软件系统的正常状态。免疫计算方法包括自体/异体的检测算法、已知蠕虫病毒的识别算法、未知蠕虫病毒的识别算法、蠕虫病毒的消除算法和受损系统的修复算法。通过数学逻辑论证,正常模型能在理论上实现对自体和软件故障的100%检测率。“人工智能”网络课程Web原型上的抗蠕虫病毒实验表明,正常模型和免疫计算对实现Web系统的抗蠕虫病毒功能是有效的和必要的,能提高蠕虫病毒检测的精度和系统修复的效率。     

使用危险理论的多传感器故障检测

现有的免疫故障检测理论用于多传感器检测对象时,易产生计算开销过大的问题。引入危险模式理论对其进行建模。将免疫算法与危险模式理论相结合,提出了一种基于危险信号的多测点免疫故障检测算法。通过定义和计算危险信号和危险程度信号提高系统故障识别的准确性。仿真结果表明：使用该文提出的模型和算法不但简化了系统计算过程,而且能有效地提高系统对虚假故障的甄别能力。     

新的免疫检测器生成算法及其收敛性分析

提出一种基于免疫学原理的免疫检测器生成算法,通过对故障信号（即有害抗原）的免疫疫苗、免疫学习和免疫应答进行故障模式识别和诊断,利用k-nearest neighbor分类法确定该模式的故障类型,该算法有较好的动态性、自适应性。把各代抗体集合作为随机序列,给出序列的收敛条件及证明,证明了所提出的算法是概率1收敛,并通过机组试验验证了由该算法产生的检测器对故障检测的有效性。     

基于改进粒子群优化的SVM故障诊断方法

针对支持向量机(SVM)分类模型参数选取困难的问题,提出基于遗传免疫的改进粒子群优化算法,克服传统粒子群算法前期收敛快、后期易陷入局部最优的缺陷。将该算法与优化支持向量机分类模型相结合,建立基于遗传免疫粒子群和支持向量机的诊断模型,并用于轴承故障诊断中。结果表明,基于遗传免疫粒子群算法优化的SVM可实现对SVM分类模型参数的自动优化,并能提高SVM分类模型的故障诊断精度,对分散程度较大、聚类性较差的故障样本分类有较强的适用性。     

基于分层模型的组合服务故障定位算法

在面向服务的架构中,服务之间的依赖关系具有单向性的特点。基于这种单向性依赖,提出了服务故障传播的分层模型并设计了服务的分层算法,将服务节点分层。根据分层模型设计了服务故障定位的监测探针和诊断部署,减少了监测探针的数目。在探针探测结果的基础上,提出了分层模型下基于贝叶斯网络的故障定位算法,该算法通过计算故障发生时服务的影响因子和可信度,快速定位故障。仿真结果验证了该算法可以较准确地定位组合服务中的故障,且保持较低的误报率。     

一种基于二分图故障检测模型的软件故障定位方法研究

软件故障诊断过程中代价最昂贵和最耗时的活动之一就是软件故障定位.为了辅助测试人员进行软件故障的定位,在设计分层思想的指导下,在分析软件及其各个模块以及模块中代码之间复杂关系的基础上,通过分析历史数据中软件故障与现象之间的对应关系,建立了基于拓扑图的软件故障传播模型,使得软件故障诊断人员能够利用该拓扑图模型描述具体的软件故障现象.通过该拓扑图模型,软件故障传播模型可转换成更容易进行问题求解的基于二分图的故障检测模型.然后针对该模型设计了基于贪心策略的算法,该算法解决了基于二分图故障检测模型的最小覆盖求解问题,这一问题的求解结果描述了软件故障原因假设集合,通过故障原因与软件模块关系分析可找出与该故障原因对应的相应模块,从而实现故障定位.实验表明,本研究方案能够有效处理软件故障定位问题.     

水泥回转窑故障诊断方法研究

受传感器和复杂外界环境等因素影响,回转窑数据检测难度大,存在故障信息获取不全和不同时刻故障表征存在差异的问题,且单一算法诊断能力有限。针对上述问题,构建了一种免疫进化网络理论分类器(IENC)和反向传播(BP)神经网络决策融合的故障诊断模型。该模型对回转窑正常工况及5类故障情况下的数据进行分析,分别用两种算法对故障类型进行初步判定,采用D-S证据理论获得证据体的基本信任分配。如果判定结果一致,则直接得出结论。否则,用Dempster组合规则进行决策融合,得到更合理的诊断结果。将某水泥厂的监测数据用于仿真。试验结果表明,该方法的综合分类正确率达到97.04%,比IENC算法提高了10%,比BP神经网络算法提高了1.48%,可有效改善单一算法"一票否决"问题,提高诊断结果可信度。     

基于电源电流和输出电压的模拟电路故障模型研究

基于模拟电路电源电流和输出电压的协同分析,研究了复数域的故障建模方法,提出了一种2D故障模型的数学表达式,该模型为复平面上的一簇圆轨迹;为了扩大故障轨迹之间的距离,在相同测量精度和元件容差条件下提高故障检测率和隔离率,进一步提出了3D复数空间的优化故障模型;两种故障模型都极大简化了测点选择算法和模拟故障状态仿真的复杂度,理论上对模拟电路单故障的覆盖率为100%;基于滤波器电路的实验仿真结果验证了两种故障模型的有效性。     

基于聚类支持向量机的船用污水处理装置故障诊断

针对船用污水处理装置状态监测与故障诊断问题,提出了一种聚类支持向量机的故障诊断算法模型。该算法模型首先采用神经网络聚类算法将设备监测状态样本空间聚类分析出正常与异常子空间,再对异常子空间构造多分类支持向量机对故障进行诊断识别。该算法模型避免了盲目故障分类,提高了分类性能。通过对某船用污水处理装置实测样本的训练和检验表明,该算法具有较好的泛化性和推广能力。     

基于智能优化的模糊Petri网的电网故障诊断

为了提高电网复杂故障时的应对能力,提出了基于信息优化的动态建模模糊Petri网的电网故障诊断方法。首先,基于层次建模的思想,在建立常规故障诊断模型的基础上,引入动态库所、动态弧、动态变迁的概念来合理地拟合各种保护与断路器之间的逻辑关系,动态建立综合性故障的诊断模型;其次,依据故障信息源的特性对其进行了优化和预处理,以确定故障性质并动态建立相应故障诊断模型;再次,利用智能优化算法对模型进行了训练、学习;最后,分析了该模型在故障信息缺失时的容错性和在系统架构改变时的通用性。对算例系统仿真的结果表明:该算法显著地增加了故障诊断过程的层次性、诊断模型的透明性、可理解性和易维护性,在故障信息缺失的情况下诊断结果具有较高的可信度。     

基于生物免疫原理的抽油机井故障诊断研究

基于生物免疫原理提出了一种故障诊断方法。将故障作为抗原，首先应用反面选择算法产生初始抗体,然后基于生物免疫系统的克隆、变异、克隆选择、自我调节和免疫记忆等机理对初始抗体进行进化，产生能够表示和识别抗原即故障的记忆抗体，并以抽油机井为对象进行了仿真研究，结果表明，该方法能够取得很好的诊断效果。     

智能优化算法在机械故障诊断领域的应用综述

开展机械设备的故障诊断对保障设备的稳定运行和企业的安全生产具有重要意义.故障诊断的准确率在很大程度上受所提取特征质量、诊断模型参数的影响,因此采用优化算法进行特征优选、寻找模型最优参数是提高诊断准确率的关键.介绍了3种经典智能优化算法和3种新型智能优化算法的原理、基本运算过程及应用现状;总结了算法的优缺点,提出了改进算法;重点分析了各算法在机械故障诊断中的具体作用,并对未来智能优化算法在故障诊断领域的研究方向进行了展望.     

多层免疫故障诊断模型的研究

借鉴生物免疫系统的分层防御机理以及层次间的相互刺激作用,提出了用于网络故障诊断的多层免疫诊断模型。模型采用三层结构,包括固有诊断层、故障传播识别层和适应性诊断层。固有诊断层考虑故障在发生概率上相互独立的已有知识,故障传播识别层采用B细胞免疫网络作为故障定位的故障传播模型,适应性诊断层学习和概括未知故障中发现的模式。多层故障诊断方法既能检测出已知故障,又能检测出未知故障。采用网络故障传播模型及定位算法,能找出最优的测点组合诊断所有的故障,可以减少需测测点的数量。     

基于免疫原理的多Agent故障诊断系统

随着系统设备和功能的日益复杂化，各种故障现象成因越来越复杂，现有固定的诊断推理模型却难以满足复杂系统诊断面临的全部要求。针对故障诊断系统难以适应动态变化环境的缺点，该文以励磁设备的在线故障诊断为背景，研究故障识别的症兆与诊断决策置信度之间的机制，借鉴生命体的相似性原理与免疫应答的调节理论构造诊断模型重构控制的细胞免疫型结构模型，研究免疫型诊断模型的选择激励与重构动力，提高诊断系统确诊率，设计基于免疫原理的多Agent故障诊断系统．为复杂的电气设备诊断开发提供便捷的工具。     

传感器组自诊断与自修复方法研究

提出了一种具有传感器组自诊断与自修复功能的监测框架.针对同一类型传感器组的构成特点,先根据传感器之间的冗余率,判断传感器是否发生故障;对故障传感器用RBF神经网络对其输出进行修正.运用三向加速度传感器进行了理论和实验验证.     

基于免疫危险理论的无线传感器网络节点故障诊断

针对无线传感器网络的故障特点以及故障诊断的自学习问题,本文提出一种基于免疫危险理论的无线传感器网络节点故障诊断算法。该方法利用危险触发阈值来识别危险源,用遗传算法生成抗体库,基于K近邻分类法构建多抗体故障检测器并进行故障分类,通过追踪故障数据变化更新抗体库。实验仿真证明,该算法与其他无线传感器网络故障诊断算法相比,在训练数据较少的情况下,诊断准确率更高,效率更好,耗用硬件计算资源更少,并具备动态更新特性。     

基于小波网络的传感器故障检测

针对常规BP网络存在的问题，在小波网络的基础之上将其结构进行改进提出复合小波网络，代替BP网络用于传感器的故障检测，为避免由于传感器输入信号突变引起的传感器输出与观测器预测值产生较大偏差而导致的误诊断，提出将检测方法加以改进。仿真实验表明，复合小波网络较BP网络和未改进的小波网络收敛速度快、预测精度高，更适用于故障检测；采用了复合小波网络的改进的检测疗法既提高了检测的快速性，义提高了可靠性。     

基于二部图的控制系统故障诊断方法

针对连续控制系统,建立了由系统约束集、变量集和边集构成的二部图模型,提出了一种定性描述与定量分析相结合的故障诊断算法。该算法通过分离子系统,求解系统的关联矩阵及最大匹配,定义了描述变量与系统约束之间依赖关系的规则,并设计了关联矩阵分层算法,以此来计算控制系统残差。以一个线性系统为例,探讨了该算法的应用过程,并通过仿真实例验证了该算法的有效性。     

Finding fault - fault diagnosis on the wheels of a mobile robot using local model neural networks

As mobile robots are mostly designed to act autonomously, procedures that detect and isolate faults on the various parts of a robot are essential. The most powerful approaches in fault detection and isolation (FDI) are those using a process model, where quantitative and qualitative knowledge-based models, databased models, or combinations thereof are applied. This article suggests a model-free approach to the solution of the fault detection problem. One way to deal with the absence of a mathematical model is to build a model from input-output data. In this article, local model networks (LMNs) are used for plant modeling. The key to fault detection and diagnosis is the creation of residual signals. Although the way these signals are formed varies, in all cases the residuals change their value accordingly with the presence of faults. To avoid false alarms, the residuals must be affected by factors unrelated to faults (like modeling errors) as little as possible. Change-detection algorithms are therefore used for reliable residual generation. These algorithms are designed to detect changes in signals that include noise or other types of disorders. The combination of local model networks for modeling and change-detection algorithms for residual creation provides an efficient method for fault detection and diagnosis. The method is applied on the wheels subsystem of a mobile robot.     

基于人工免疫系统的导弹智能诊断模型

提出了基于人工免疫系统的导弹智能诊断技术的概念,研究了故障诊断细胞模型、故障诊断基因库模型,并对故障基因库的生成与进化和基于人工免疫系统的智能诊断原理进行了探讨。