改进广义灰色关联故障树的矿车坠落故障模式分析

为了了解煤矿生产过程中,导致矿车坠落的故障模式,并分析这些故障模式导致矿车坠落的可能性,提出了一种改进广义灰色关联故障树来分析该问题.首先建立矿车坠落事故的故障树,并得到最小割集.用最小割集代表故障模式构建典型故障的特征矩阵.用各底事件的重要度确定待检模式向量.使用改进广义灰色关联法计算关联度,改进包括通过分配系数将绝对灰色关联度和相对灰色关联度结合,及求初值像时首项为0时的处理方法.对矿车坠落的分析表明:故障模式一共18种,得到了故障模式与事故的相关性数值及排序.关联值在[0.7618,0.5968]之间,最大的C_(14)比最小的C_1大0.17,C_7~C18均超过0.730应特别注意.     

含分数逆幂的矩阵方程对称自反解的双迭代算法

<正>1引言含分数逆幂的矩阵方程在控制理论、梯形网络和动态规划等领域中有重要的应用~([1-3]).考虑有代表性的一类含分数逆幂的双变量矩阵方程A_1X_1B_1+A_2X_2B_2+E_1X_1~(-1/2)F_1+E_2X_2~(-2/3)F_2=G,(1)其中A_i,B_i,E_i,F_i,X_i,G∈R~(n×n)(i=1,2).替换方程(1)中的X_1~(1/2)为X_1,X_2~(1/3)为X_2可得A_1X_1~2B_1+A_2X_2~3B_2+E_1X_1~(-1)F_1+E_2X_2~(-2)F_2=G.(2)近年来,人们对这种类型的非线性矩阵方程进行了许多研究,并建立了一些有效的算法.例如,Li J等~([1])研究了方程X-A~HX~(-p)A=Q唯一正定解的存在性问题,并给出了方     

不同元件构成系统中元件维修率分布确定

将Markov链引入SFT理论中,计算可表示环境因素影响的元件维修率分布.研究针对不同元件构成的串联、并联和混联系统中元件的维修率分布计算方法.给出了串联和并联系统中元件维修率推导过程.对状态转移概率的计算不使用Markov状态转移矩阵求解,而是根据Markov状态转移图中的状态关系求解.使用SFT中的元件故障概率分布代替Markov链中的失效率,可得到元件维修率分布.以混联系统作为实例进行分析,使用状态关系求解各状态转移概率关系,得到了3个元件在使用时间t和使用温度c影响下的维修率分布,及正常状态转移概率范围.     

一个最小可行图的判定条件

设有n个集合X_1,…,X_n,一个以X=U_(i=1)~nX_i为顶点集的图G称为是一个关于(X_1,…,X_n)的可行图,如果对每一个X_i(i=1,…,n),导出子图G_i=G[Xi]是连通的。关于集合序列(X_1,…,X_n),含最少边数的可行图称为是最小可行图。本文证明,关于(X_1,X_2,X_3)的可行图G=G_1∪G_2∪G_3是最小可行图的充分必要条件是:当X_i∩X_j∩X_k≠φ(i,j,k)=1,2,3)时,G_i∩G_j∩G_k是树。它发展了由D.-Z.Du(堵丁柱)在1986年得到的一个结果。     

状态迁移下系统适应性改造成本研究

为了解系统为适应在不同环境中安全运行采取改造措施的成本,借鉴王培庄先生的因素空间理论与笔者提出的空间事故树理论,构造了一套确定系统适应工作环境迁移所需措施成本的方法.首先按照元件或子系统X_i的划分将系统T使用事故树结构化,确定由状态c_(j1)迁移到c_(j2),使X_i适应该迁移所采取的措施f_(ni),得到适应状态迁移的措施表Γ(X_i),从而得到系统T的由状态c_(j1)迁移到c_(j2)的适应措施集合δ(T,c_1→c_2),化简得γ(T,c_(j1)→c_(j2)).根据不同X_i与措施f_n组成成本对应表,最终得到了X_i的迁移改造措施成本Ψ(X_i,c_(j1)→c_(j2))和系统措施成本Ψ(T,c_(j1)→c_(j2)).研究可为系统在不同的环境下的安全运行改造措施的成本提供事先确定方法.     

下标降序法最近邻判别分析

§1 引言设(X_1,θ_1),…,(X_n,θ_n),(X,θ)为在R~d×{1,…,M}上取值的i.i.d.随机向量。问题是要利用X的观察值及历史样本(X_i,θ_i),i=1,…,n对类别变量θ进行判别。假定在R~d上给定了某一距离函数p(·,·)(比如欧氏距离等),那么可按照诸X_i与X的距离由小到大把诸X_i重新排列为X_(R1),X_(R2),…,X_(R_n,相应的θ_i也被排列为θ_(R1),θ_(R2),…,θ_(Rn)。若采用θ_(R1)来判别θ,这就是所谓的最近邻判别法。Derroye,Wagner,Fritz,陈希孺及白志     

关于构造泛相容近邻概率权函数使用的随机距离的一个注记

C.J.Stone曾在其Consistent Non-Parametric Regression一文中提出了构造泛相容的近邻概率权函数系列{W_(Ni):i=1,…,N;N=1,2,…}的一般方法。其中W_(Ni)=W_(Ni)(X;X_1,…,X_N)代表在子样X_1,…,X_N的布局下计算在X点的条件概率经验分布时在X_i点的资料Y_i,所占的权;而(X,Y),(X_1,Y_1),…,(X_N,Y_N)则是i.i.d的d+d′维随机矢量。其步骤是先构造在布局x;x_1,…,x_N之下的距离PN:X;X_1,…,X_N(简记为PN)。然后用PN衡量各X_i(i=1,…,N)到X的远近。由近及远赋予X_i从大到小     

一类二分图的k-匹配数

设G是一个具有二分类(X_1,X_2)的简单偶图,|X_1|=|X_2|=n,如果对于给定的c>0,|M(S)|≥(1+c)|S|对任意满足|S|≤n/2的S(?)X_i(i=1,2)都成立,其中N(S)是S的邻集,则称G是(n,c)-扩张图.给出了(n,c)-扩张图的k-匹配数与完美匹配数之比的顺从界.     

U-统计量的分布的非一致性收敛速度

设{X_n}为一串iid.随机变量,h(x,y)为两个变元x,y的对称函数,则称 U_n=(?)~(-1) sum from (i≤i相似文献   

关于U—统计量的条件Berry—Esseen不等式

一、引言 设(Ω,?,P)为一概率空间,{X_i}为iid的随机变量序列,其共同的分布为F(x).设h(x,y)为二元对称函数,满足条件:Eh(X_1,X_2)=0,定义U-统计量如下:     

Fault diagnosis system based on fuzzy-inference

Aimed at deficiencies of the traditional fault diagnosis method for pneumatic press, an automatic fault diagnosis system is established and its purpose including improvement of preferment and precision was experimented. First, the fuzzy inference algorithm is analyzed. Then the fuzzy relationship between the fault symptom and the fault cause is compared. Finally, the paper takes the pneumatic press as an example, and established a fast and efficient fault diagnosis system based on fuzzy inference. The practical test results show that the accuracy of fault diagnosis and forecast is improved, and the fuzzy reference algorithm can satisfy the system requirements of security and stabilization as well as higher precision and rapid speed.     

基于故障树和混沌粒子群算法的锻压机床故障诊断方法

锻压机床由于生产效率高和材料利用率高的特点,被广泛应用于各领域.然而,锻压机床发生故障时,其故障种类繁多、故障数据量大,所以对锻压机床故障源的快速、准确诊断较困难.针对该问题,文章提出一种将故障树分析法和混沌粒子群算法相融合的方法,对锻压机床的故障源进行故障诊断.该方法是先通过故障树分析法对锻压机床的故障进行分析从而得到故障模式及其故障概率,然后由得到的故障模式和已知的故障维修经验分析归纳出故障模式的学习样本,再根据得到的故障概率运用混沌粒子群算法的遍历性快速、准确地诊断出锻压机床发生故障的精确位置.文章提出的方法以锻压机床的伺服系统为例进行了故障诊断实验,将该实验结果与遗传算法、粒子群算法进行对比.实验结果表明,文章的算法在锻压机床伺服系统的故障诊断中准确度更高、速度更快.     

基于中间观测器的非线性系统的故障估计

针对带有时滞和多故障的非线性系统,研究了基于中间观测器的故障估计问题.设计了中间变量和中间估计器,实现了多故障的故障估计,同时避免了观测器匹配条件的限制.根据Lyapunov稳定理论和线性矩阵不等式（LMI）方法,误差系统是渐近稳定的.最后,通过MATLAB仿真,验证了所提出方法的有效性.     

基于奇偶校验的Petri网控制器的故障检测

提出基于奇偶校验的方法对Petri网控制器进行故障检测.设计出满足包含标识向量和Parikh向量的线性约束的Petri网控制器;建立一个包含一定数量库所的附加Petri网控制器以满足奇偶校验的编码要求;分别针对库所故障和变迁故障,选用不同的奇偶校验参数进行故障检测,并通过实例详细阐明了故障检测的过程.     

基于贝叶斯网络的多态故障树分析方法

针对多态系统故障树分析的难点,通过一个多态雷达系统的实例给出了一种基于贝叶斯网络的多态故障树分析方法.首先根据多态故障树的结构建立贝叶斯网络的拓扑结构,然后根据多态逻辑算子对其进行定量化,进而利用贝叶斯网络分析多态故障树顶事件概率、部件重要度及其它结果.最后通过对实例的分析说明了基于贝叶斯网络的多态故障树分析方法有更强的建模分析能力.     

基于最小二乘支持向量机的电力电子电路故障诊断应用研究

采用最小二乘支持向量机预测算法对电力电子电路进行故障预测.以基本降压斩波电路为例,选择电路输出电压作为监测信号,提取输出电压平均值及纹波值作为电路特征性能参数,并利用LS-SVM回归预测算法实现故障预测.仿真结果表明,利用LS-SVM对基本降压斩波电路输出平均电压与输出纹波电压的预测相对误差均低于2%,能够跟踪故障特征性能参数的变化趋势,有效实现电力电子电路故障预测.     

Fault analysis of Trivium

As a hardware-oriented stream cipher, Trivium is on the edge of low cost and compactness. In this paper we discuss how brittle Trivium is under fault attack. Our fault model is based on the following two assumptions: (1) We can make fault injection on the state at a random time and (2) after each fault injection, the fault positions are from random one of three registers, and from a random area within eight neighboring bits. Our fault model has extremely weak assumptions for effective attack , and much weaker than that of Hojsík and Rudolf, in their fault attack on Trivium. We present a checking method such that, by observing original key-stream segment and fault injected key-stream segment, the injecting time and fault positions can be determined. Then, for several distributions of the injecting time, our random simulations always show that the attacker can break Trivium by a small number of repeated fault injections. For example, suppose that the injecting time has an uniform distribution over {0, 1, . . . , 32}, then averagely no more than 16 repeated fault injection procedures will break Trivium, by averagely observing no more than 195 × 17 key-stream bits.     

旋转机械故障诊断中的哈尔谱研究

本文将哈尔变换应用于旋转机械故障诊断之中,并提出了用于诊断的“脉冲锐度”指标.基于付立叶分析的频谱分析是目前广泛采用的方法,与快速付立叶变换相比,哈尔变换具有实时性,逼近效果好,适用于对脉冲的提取等优点.而不足之处是受样本始点选取及样本长的影响大.对此,本文提出了控制各次样本的等效性的方法,改善了哈尔谱的稳定性与比较性.最后,通过对滚珠轴承故障模拟试验台进行试验得到的结果证实了哈尔谱及脉冲锐度指标对故障的敏感性.     

基于GA-PLS和AdaBoost的故障诊断方法

提出一种基于GA-PLS和AdaBoost的液压系统故障诊断方法。该方法用遗传算法与偏最小二乘法相结合(Genetic algorithm-partial least squares,GA-PLS)的算法对初始特征向量进行筛选,提取出与故障信息相关程度高的特征向量,把该特征向量作为输入,运用AdaBoost(Adaptive Boost)方法建立分类器,以识别液压系统的工作状态和故障类型。对实验数据分析的结果说明,该方法能准确地选择出特征向量,并有效地应用于液压系统的故障诊断。