基于隐生灭过程模型的充电桩故障诊断研究

文章提出了采用隐生灭过程研究电动汽车充电桩故障诊断的一般模型及分析方法,将状态转移仅发生在相邻状态之间的方式加以考虑,在给定规则下建立了隐生灭过程模型;利用生灭过程局部平衡方程组研究了充电桩发生故障的稳态分布,解释了稳态分布的物理意义。实验结果验证了上述理论分析的正确性,该文提出的模型和结论具有一定可行性与普适性,在一定程度上适用于诊断速度要求较高而精度要求低的其他电子设备故障诊断。     

基于混合模型的多重故障诊断

介绍了基于模型的多重故障诊断，它可通过ＡＴＭＳ来实现，能克服基于规则的诊断系统的一些局限性，但当运行模型和故障模型同时被运用或者等级模型被运用时，普通ＡＴＭＳ不能处理这种情况．本文应用分层ＡＴＭＳ来实现基于混合模型的故障诊断方法，同时给出广义最小诊断的定义，从而克服关于最小诊断定义中的不足．由于分层ＡＴＭＳ能表示和处理论据之间的优先级，因而能运用混合模型，能结合基于模型和基于规则的诊断，及提高诊断效率．     

基于模型与实例的混合推理用于故障诊断

分析了基于模型和基于实例的诊断推理方法，提出了基于模型与实例的混合推理策略，并将其应用于ＣＮＣ加工中心的故障诊断．同时，还讨论了实例的表达与存储、索引与匹配等问题     

基于模型与实例的混合揄用于故障诊断

分析了基于模型和基于实例的诊断推方法，提出了基于模型与实例的混合推理策略，并将其应用于ＣＮＣ加工中心的故障诊断，同时，还讨论了实例的表达与存储、索引与匹配等问题。     

复杂系统基于混合知识模型的智能故障诊断技术

系统阐述了复杂系统故障诊断知识的概念、类别和相互关系,研究发展了定性和定量、浅层和深层、模糊和动态等多种诊断知识的获取方式和集成组织模型,建立了因果、结构和模型等不同层次和类别诊断知识的面向对象表示方法,提出了综合多层次和多类别诊断知识的智能故障诊断理论和策略.该策略能有效提高故障诊断的准确性以及诊断推理的效率.     

基于推断估计混合模型的聚丙烯腈生产过程故障诊断

为保证复杂工业过程生产的安全稳定 ,需要实现过程的故障诊断 .以推断估计混合模型为基础 ,建立了采用模糊模式识别方法的故障诊断系统 ,并以聚丙烯腈生产过程为例 ,对现场实时数据进行了故障诊断仿真 .仿真结果说明 ,该系统具有较好的故障实时诊断性能 .     

基于混合智能算法的轴承故障诊断系统设计

设计了基于多种智能方法的轴承试验机故障监测系统,该系统可实现轴承试验机的在线监测,对被试验轴承的的振动信号的时域与频域指标通过多种智能算法进行分析,从而实现轴承故障的综合实时诊断,整个试验过程数据通过网络传送到上位机进行显示并存储到数据库中.该系统在轴承生产企业得到了成功的应用.     

基于混合智能算法的轴承故障诊断系统设计

设计了基于多种智能方法的轴承试验机故障监测系统,该系统可实现轴承试验机的在线监测,对被试验轴承的的振动信号的时域与频域指标通过多种智能算法进行分析,从而实现轴承故障的综合实时诊断,整个试验过程数据通过网络传送到上位机进行显示并存储到数据库中。该系统在轴承生产企业得到了成功的应用。     

基于数据的轨道电路故障诊断的混合算法

提出一种基于数据的神经网络混合算法故障诊断网络,用于轨道电路的故障诊断.考虑铁路信号需求,设计出符合神经网络训练快速性和有效性要求的BP-LM-PSO-GA混合算法,就是将轨道电路复杂网络分解设计为许多小的神经网络组态,通过综合这些小的神经网络诊断结论,得出最终结果,以解决单独设计神经网络带来的运算量问题;然后以广泛使用的ZPW-2000A型轨道电路为例,验证了该算法网络训练的快速性及故障诊断的有效性.最后给出了该诊断网络对轨道电路的诊断步骤.仿真结果表明该诊断网络具有可行性和有效性,为轨道电路故障诊断的应用提出了一条新途径.     

基于BAS-BP模型的变压器故障诊断

针对变压器故障诊断中BP神经网络诊断精度不够高的缺陷,提出一种天牛须搜索(BAS)算法与BP神经网络相结合的算法.将天牛须搜索算法寻优后的初始权值和阈值作为BP神经网络的初始权值和阈值,建立模型并进行仿真测试.结果表明,与传统BP神经网络相比,新模型有效克服了训练时间长、收敛速度慢的缺点,为变压器故障诊断提出了一种新的方法.     

基于ES-PN模型的电力系统故障诊断

提出了一种基于Petri网理论和专家系统的电力系统故障诊断方法,详细阐述了基于引出线诊断模型和鉴别故障元件的方法,包括故障元件和其保护的关联度。通过对保护的方向性、区域性以及关联度的分析,增加了模型的拓扑适应能力。这种方法克服了专家系统难于用数学方法描述的缺点,增强了Petri网在该问题上的推理能力,利用Petri网建立数学模型,提高了故障诊断速度。诊断结果表明,该方法能够大大减少响应时间,并且比之前的方法更能适应电网配置的变化。     

基于FFT的概率神经网络故障诊断模型

无人机的执行器和传感器系统受到材料与环境等诸多因素的影响, 容易发生各类故障, 严重时甚至会造成坠机, 因此实现无人机早期故障的有效诊断对预防飞行事故具有重要意义. 本文以六旋翼无人机Simulink模型作为研究对象, 针对飞行器电机和角速度传感器的早期故障, 提出了一种基于快速傅里叶变换（Fast Fourier Transform, FFT）的概率神经网络故障诊断模型. 首先, 在Simulink平台上对六旋翼无人机进行飞控模型的建立; 然后采用FFT对数据进行有效的时频分析; 最后基于MATLAB设计并建立概率神经网络模型, 利用FFT数据进行故障分类, 实现无人机的故障诊断.     

基于PNN的变压器故障诊断模型研究

文中分析了神经网络在变压器故障诊断中能否切实应用并验证其是否具有独有的优势;接着阐述了建模理论及方法,建立以概率神经网络(Probabilistic Neural Networks,PNN)为理论依据的故障诊断模型,并且将该模型在Matlab环境中进行了仿真;最后还将粗糙集(Rough Set,RS)理论和PNN神经网络相结合,使得优化后的诊断模型在稳、准、快三个方面较之前得以很大的提升。     

基于人工免疫的故障诊断模型及其应用

提出了一种基于免疫原理的故障检测及诊断系统模型. 通过对检测对象正常工作状态下获得的自己模式串的阴性选择,随机产生初始检测器;利用基于人工免疫的进化学习机制,实现对检测对象异常工作状态下获得的非己模式串进行学习和记忆;利用进化学习结果和系统故障信息库知识,区分和标记不同故障在状态空间上对应的区域. 将抗原学习过程中抗体集合变异所产生的各代抗体集合看作随机序列,给出了序列的收敛条件及证明,证明了所提出的动态免疫进化学习算法是概率弱收敛. 应用于机床齿轮箱故障检测和诊断问题的实验结果表明了所提出方法的有效性.     

基于混合特征的复合多核SVM变压器故障诊断

针对变压器故障诊断支持向量机模型存在的特征量信息不充分和复杂工况下针对性不足的问题,采用混合型特征输入量,寻找最大可能接近客观映射关系的特征量构建方法;采用加权复合多核核函数,生成可分性最为匹配的映射空间,实现最佳故障状态分类效果.仿真结果验证了本文算法的有效性.     

基于CRPN模型的复杂系统故障诊断

由于复杂系统的结构和运行环境复杂,传统方法无法对其进行故障诊断.文中将基于案例的推理方法和Petri网理论引入到复杂系统的故障诊断中,建立了基于案例推理和Petri网的CRPN(Case-based Reasoning Petri Nets)模型,研究了该模型的变迁规则和案例特征等关键技术.利用两层CRPN模型,可有效地解决已有复杂系统故障诊断方法中存在的模型难以建立、推理过程模糊等问题.最后以飞机的某系统为例,探讨了基于CRPN模型的故障诊断过程,结果表明文中方法是有效的.     

基于组合模型的电力变压器故障诊断

为了综合全面地诊断电力变压器故障,克服单项诊断方法考虑问题角度单一,不能重复利用已知信息,诊断准确度和稳定性不高的缺点,并结合电力变压器油中溶解气体的数据,提出了利用组合模型诊断变压器故障.该方法将灰关联熵、小波神经网络、模糊粗糙集、支持向量机和IEC三比值作为独立诊断模块,利用熵值法优化得到各个模块的最佳权重,最终得到发生故障最大概率所属类型.通过实例验证,组合诊断法优于单项诊断方法,提高了故障诊断精度,减少了误判率,诊断的稳定性得到提升.     

基于GED的混合ARCH模型

提出了基于广义误差分布的混合自回归条件异"方差"模型,将时间序列尾部的特征融入到混合条件异"方差"模型的参数估计之中,发现模型中的指标r和数据本身尾部厚薄的性质有关.给出了该模型参数估计的EM算法,并利用BIC准则对模型进行定阶.     

基于多因子约束P中值模型的充电桩布局优化研究

合理、高效的供电网络配置是降低充电桩火灾危险性,确保电动汽车安全推广的重要保障.针对充电桩布局中距离远、负载大的问题,首先,通过分析电动汽车用户充电时的效率导向,在考虑传统配置优化模型资源分布不均衡的基础上,利用充电需求、平均续航时间以及服务能力等参数对其配置公平性进行约束,建立了以出行效率和服务能力为求解思想的多因子约束P中值模型.然后,以该模型特征为依据,选取贪心算法对模型进行启发式求解,通过Matlab分段计算距离矩阵,构造各阶段局部最优解,在局部最优解的基础上迭代计算进而得到全局最优解.最后,通过实例进行验证,验证结果表明:模型优化后各布局点的资源均衡性和充电便捷性均得到显著提升,有效改善了充电需求点对供电配置网络的负载压力.     

基于模型聚类的软件可靠性混合模型研究

软件可靠性验证阶段的可靠性增长模型的建立与选择是软件可靠性工程人员长期关注的焦点.软件可靠性模型混合是解决模型适应性差、精度低的可行性方法.利用模型聚类的COBWEB算法处理失效数据,对基本分模型进行动态权重混合,以提高软件可靠性评估与预测的精度和稳健性.并利用软件工具对该方法进行模型评价.