因果图用于复杂系统故障诊断研究

在信度网基础上发展起来的因果图模型,克服了信度网的一些不足,具有重要的工业应用价值。经过文献犤5犦犤6犦犤7犦的研究,目前因果图已发展成一个能够处理离散变量和连续变量的混合因果图模型。文章讨论了将因果图用于复杂系统故障诊断的关键问题。给出了基于因果图的故障知识表达方法,给出了故障模式的静态求取方法和动态求取方法以及故障模式的概率计算方法。以核电站二回路系统为研究对象,在自行研制的因果图智能故障诊断平台上进行了故障诊断测试,诊断结果与实际情况相符,诊断迅速、效果较好。     

多值因果图知识独立性与相关性的矛盾及解决方法

首先给出一个基本假设， 假定在多值因果图中， 原因节点不直接影响结果节点, 而是只贡献概率值， 结果节点的状态由这些概率值之和形成的概率分布随机决定. 接着, 通过引入归一化常数来解决推理过程中的归一性问题. 最后, 假定指向同一节点的各连接事件的各状态之间彼此互斥, 这并不会影响推理结果， 这一特性保证了推理过程中任一节点的状态之间彼此互斥, 也简化了推理算法．     

模糊因果图及在压力容器故障诊断中的应用

因果图理论是一种基于概率论的不确定推理模型,能够进行在线动态推理和对复杂系统进行故障诊断,但在因果图模型中,要求事件的发生概率为是精确值。针对实际情况事件发生概率具有模糊性和不确定性的特点,文中将模糊数引入因果图中,既解决了获取事件发生概率精确值的难度,又使因果图能处理带模糊性和不确定性的问题。并把它用于压力容器故障诊断,结果表明,该法行之有效。     

一种引入归一化常数的多值因果图推理算法

在将原单值因果图推理算法直接应用于多值因果图推理时,存在不严格满足概率推理中的归一性和互斥性要求的严重问题.该文提出的算法采用以下方法成功解决了这一难题：①假定多值因果图中原因节点对结果节点只贡献概率值,且每个贡献是简单相加的关系.即原因节点对结果节点状态的影响是非直接的,原因节点只影响结果节点各状态的概率分布,结果节点的状态由这个状态概率分布随机决定;②引入归一化常数来保证推理过程中的归一性;③通过推导出多值因果图的一个性质,即可以在推理过程中假定指向同一节点的所有连接事件的各状态之间彼此互斥来保证推理过程的互斥性.从而使得算法在推理过程中同一节点的各状态间完备且互斥,保证了推理的正确性.     

基于模糊推理图的故障诊断

根据系统元件之间的连接结构构建故障诊断模糊推理图,通过对模糊推理图进行化简及模糊运算实现对系统的故障诊断。以观测点作为属性准则形成诊断矩阵,在推理图中按照原因-结果对进行连续推理,获得一个模糊诊断的优先级别排列,以减少故障的排查时间。     

以因果网为理论核心的网络故障诊断方法

网络故障诊断是网络管理的重要技术工作,网络本身复杂程度的提高对相应的故障诊断基础提出了更高的要求,尤其是在及时性和智能性方面的发展要求。文章结合课题所研究问题的具体特点,在对现有网络诊断技术综合分析研究的基础上,以动态因果网理论为基础,提出了针对性的解决方法,其特点在于诊断模型既能方便地引入领域专家的先验知识,又能在实际运行中对各项参数的动态修改,从而使该模型对所诊断网络的认知能力不断提升,为定位和排除故障提供强有力的支持。     

GIBBS仿真方法运用在大型因果图的推理过程

在信度网基础上发展起来的因果图模型,克服了信度网的一些不足,目前已发展成一个能够处理离散变量和连续变量的混合模型,特别适于运用在大型的工业故障诊断领域。但因果图在推理计算中,面临着与信度网的推理算法复杂度过高的同样问题。通过比较几种MarkovChainMonteCarlo(MCMC)方法,论文基于Gibbs仿真算法的思想,并对进入稳态条件、采样顺序判定准则、采样结束判据等进行深入分析,进而提出了一种改进的仿真推理新方法。利用该采样仿真算法能极大地提高故障诊断的速度和准确度,这对因果图模型在工业在线故障诊断领域中的应用具有重要意义。     

基于模糊推理的SDG故障诊断新方法

针对纯定性的SDG推理方法忽略了SDG图中节点之间的影响程度不同导致诊断分辨率不高这一问题,提出了在纯定性SDG推理的基础上用模糊矩阵的形式加入节点间相互影响关系的定量信息的推理新方法,可对多潜在故障源划分优先级,从而提高SDG故障诊断的分辨率。相对于其他模糊SDG故障诊断方法,本方法勿需使用隶属函数,取而代之的是模糊矩阵,后者的获取易于前者,且采用矩阵的表示方法方便了计算机编程的实现。     

基于模糊推理的WIA-PA节点故障诊断

WIA-PA是由中国工业无线联盟推出的具有自主知识产权的面向过程自动化应用的工业无线网络协议,为了提高WIA-PA网络的可靠性和稳定性,提出了一种工业无线网络节点故障诊断方法;在设计WIA-PA节点诊断架构的基础上,针对节点硬故障和软故障分别设计了备份路由询问和基于模糊推理的时间序列分析两种方法分别进行相应故障检测I通过在实验室构建的WIA-PA网络以及Malab仿真平台的实验证明,所设计备份路由询问能够及时地发现节点的通信故障,而模糊推理时间序列分析方法较传统的IF-THEN方法具有更低的误检率.     

基于因果图的软件测试方法

因果图方法是一种有效的软件测试方法,适合于描述对于多种条件的组合、相应产生多个动作形式的测试用例设计。因果图最终被转换为判定表,但是由因果图到判定表的转换是很困难的。描述了因果图方法的原理并详细说明了因果图到判定表的转换算法,介绍了因果图方法测试用例的生成。     

基于模糊推理的网络故障诊断研究

设计了一个可用于网络故障诊断的基于模糊推理的专家系统模型。为了验证此模型的有效性,设计和实现了一个原型系统。该系统的测试结果显示,故障诊断和定位的准确性较高,可以满足校园网的故障诊断和维护的需要。     

一种新颖的深度因果图建模及其故障诊断方法

为了实现复杂工业过程故障检测和诊断一体化建模, 提出了一种新颖的深度因果图建模方法. 首先, 利用循环神经网络建立深度因果图模型, 将Group Lasso稀疏惩罚项引入到模型训练中, 自动地检测过程变量间的因果关系. 其次, 利用模型学习到的条件概率预测模型对每个变量建立监测指标, 并融合得到综合指标进行整体工业过程故障检测. 一旦检测到故障, 对故障样本构建变量贡献度指标, 隔离故障相关变量, 并通过深度因果图模型的局部因果有向图诊断故障根源, 辨识故障传播路径. 最后, 通过田纳西−伊斯曼过程进行仿真验证, 实验结果验证了所提方法的有效性.     

基于SDG模型和模糊融合的故障诊断方法

将符号定向图SDG（Signed Directed Graph）节点偏差模糊化为定性模糊偏差,并从子节点向父节点对其进行数据融合,得到父节点故障源可能性,分析了该模糊融合传递信息的特性和处理各种发生故障的情形的优点。建立了基于SDG模型和模糊融合的故障诊断方法,包括SDG建模、故障源数检验和故障诊断等步骤,并以铝电解槽故障诊断为实例,说明了这种方法的有效性。     

故障智能诊断系统在通信设备检修中的应用

首先介绍了用于通信设备故障诊断系统的总体框架，说明了各模块的功能及开发策略，然后介绍了该专家系统中知识的获取和表示方法，阐述了模糊推理与规则推理相结合的混合诊断推理方法。     

机电设备故障诊断专家系统中模糊推理机的设计

运用模糊理论和模糊推理方法 ,阐述了机电设备故障诊断专家系统中模糊推理机的设计原理及其推理控制机制 ,有效地解决了由于设备系统知识的模糊性所引起的不确定性问题 ,实现了设备的状态监测和故障诊断     

基于模糊推理的摊铺机故障诊断专家系统

路面摊铺机的结构复杂,具有其自身的特点。因此在摊铺机的故障诊断中,将模糊数学理论与专家系统诊断方法相结合,引入了模糊隶属函数的概念,提出了基于模糊推理的故障诊断专家系统。在此基础上设计并实现了模糊专家系统的各个功能模块,较大提高了故障诊断的效率,并提高了故障诊断的精度。     

故障诊断专家系统综合智能推理技术研究

推理机在故障诊断专家系统中起着非常重要的作用。提出普通规则、模糊逻辑和模糊神经网络推理相结合的综合智能推理机应用于故障诊断专家系统。综合智能推理机既能提高诊断推理的速度,又可以提高诊断推理的准确程度。通过对某型号导弹故障诊断验证,采用综合智能推理机诊断快速、准确率高,取得了较好的诊断效果。     

连续变量/离散变量混合因果图推理模型研究

针对因果图理论[1]没有对于连续性问题进行理论上的研究的情况，根据因果图知识表达的特点，本文立足于模糊逻辑的方法，对变量的连续性问题、因果关系的连续性问题进行研究，通过理论分析提出了完整的解决方法，实现了同时兼容连续、离散问题的混合推理因果图模型，并完整地建立了清华大学北京核电模拟机的故障诊断连续/离散混合模型，将其二回路的15种故障全部正确定位，体现了因果图理论以及本文提出的连续/离散混合处理方式的有效性．     

基于多标准判决的学生诊断模糊推理方法

如何实现学生诊断是基于Web学习的关键技术,利用现代教育理论,提出了基于多标准判决模糊推理方法,这种方法通过定义不同标准的权数,使得判决算法变成一个矢量与一个矩阵相乘,给出了多标准判决的权数计算公式。与基于if-then规则模糊推理相比,这种方法十分简便、灵活。实验结果表明,其诊断结果十分接近专家的诊断结果。     

模糊元图:一种构造模糊知识库的新方法

在分析了现有模糊图论结构的基础上,对模糊超图和模糊有向图进行扩充,提出一种新的图论结构－模糊元图,并将其应用于飞行器邦联诊断中的模糊知识库构造,实际应用表明,基于模糊元图的知识库具有很高的推理效率,并且便于规则的添加和删除。