基于模拟退火算法的船用核动力装置故障诊断研究

针对核动力装置故障诊断存在的诊断精度低等问题,提出了一种基于模拟退火算法和概率因果模型相结合的故障诊断方法.首先根据故障样本集和概率因果理论建立动态多故障诊断模型,将复杂系统的多故障诊断转换成非线性规划问题.利用模拟退火算法对该问题进行求解,并建立了诊断测试系统.测试结果表明,方法能有效避免误诊、漏诊现象,可用于复杂核动力装置的动态多故障诊断.     

基于模拟退火算法的船用核动力装置故障诊断研究北大核心

针对核动力装置故障诊断存在的诊断精度低等问题,提出了一种基于模拟退火算法和概率因果模型相结合的故障诊断方法.首先根据故障样本集和概率因果理论建立动态多故障诊断模型,将复杂系统的多故障诊断转换成非线性规划问题.利用模拟退火算法对该问题进行求解,并建立了诊断测试系统.测试结果表明,方法能有效避免误诊、漏诊现象,可用于复杂核动力装置的动态多故障诊断.     

蒙特卡罗仿真在船用核动力装置可靠性分析中的应用

如何推断系统的故障概率,是目前可靠性工程领域的一个重要问题.而对具有动态随机性故障的可修系统采用静态近似处理,经常导致计算的可靠性指标与实际情况相差甚远,采用蒙特卡罗方法产生等价于船用核动力系统基本部件故障率的随机数,代入到仿真模型中,经过逻辑运算得到等价于系统故障概率的随机数,对多次仿真得到的数据进行统计推断,便得到系统故障的概率分布及相应的置信区间.此方法计算结果精度高,对船用核动力装置的可靠性分析有重要意义.     

动态数据库在船用核动力装置DPSA中的应用探讨

DPSA(dynamic PSA)与传统的PSA相比,能够很好的解决包含时间、过程变量以及人员操作行为等动态因素方面的问题,而可靠性数据是DPSA的基础,DPSA的质量很大程度上取决于输入数据的质量.介绍了DPSA的系统组成、工作流程和分析计算模型,首次探讨了动态数据库与DPSA交互技术在船用核动力装置中的应用,根据DPSA的数学模型提出了基于"指令—答复"的DPSA方案,并利用C++Builder 6和SQL2005等工具开发了船用核动力装置DPSA系统的动态数据库,从而推动了船用核动力装置DPSA技术的应用和发展.     

油田注水系统拓扑布局优化的混合遗传算法

以投资最小为目标函数,建立了注水系统拓扑布局优化数学模型.根据模型特点,将优化问题分为两层,分别采用遗传算法和非线性优化方法进行求解.并对遗传算法的操作过程进行了改进,调整了适应函数,改进了交叉和变异操作,结合了模拟退火算法,在操作过程中使约束条件得到满足,减少了不可行解的产生,使遗传算法的优化性能得到了提高.优化算例说明了该方法的有效性.     

基于改进遗传算法的多机调度问题

遗传算法是解决多机调度组合优化问题最有效的方法之一,但由于其自身存在着一定的缺陷应用受到一定的限制.针对遗传算法的“早熟”和非均匀地在优化空间中搜索等缺陷,提出了一种自适应选择交叉概率、变异概率以及交叉位置非等概率选取的改进的遗传算法,并将其用于某钢管钢绳企业的多机调度问题,进行了仿真分析.     

基于扩展事件图的因果分析方法及在仿真中的应用

通过因果分析对仿真结果作出因果解释是仿真非常重要的一个环节.为了能够支持因果分析,首先提出扩展事件图,以重构仿真中发生的事件以及事件之间的因果关系;然后根据扩展事件图提出若干分析算法,通过对图模型的概率参数的可能性和主要性分析,获取因果知识;最后以一个攻防对抗仿真为例,对以上方法进行了必要的验证.     

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.     

基于状态空间模型与改进HSMM相结合的装备故障诊断方法研究

提出了一种将状态空间模型与隐半马尔科夫模型(HSMM)相结合的装备故障诊断方法,将能有效利用直至前一时刻状态监测数据的HSMM预测概率模型与能有效利用直至当前状态监测数据的状态空间模型进行了有机结合.针对已有的HSMM研究中状态持续时间均服从指数分布,小样本下求解状态持续时间分布难的缺陷,以及将每一监测时刻的状态剩余持续时间与状态的持续时间完全等同起来造成诊断误差的不足,对HSMM进行了两点改进:一是将状态持续时间的概率分布连续化、参数化,并将其先验分布设定为威布尔分布;二是基于状态开始时间识别提出了状态剩余持续时间的概念.对基于改进HSMM的预测概率进行了推导,给出了基于直至当前状态监测数据下故障诊断判据的计算公式和应用这一新方法进行故障诊断的步骤.案例研究表明方法是合理有效的.     

基于多项式混沌拓展模型和bootstrap的结构可靠性分析方法

多项式混沌拓展(polynomial chaos expansion,PCE)模型现已发展为全局灵敏度分析的强大工具,却很少作为替代模型用于可靠性分析。针对该模型缺乏误差项从而很难构造主动学习函数来逐步更新的事实,在结构可靠性分析的框架下提出了基于PCE模型和bootstrap重抽样的仿真方法来计算失效概率。首先,对试验设计(experimental design)使用bootstrap重抽样步骤以刻画PCE模型的预测误差;其次,基于这个局部误差构造主动学习函数,通过不断填充试验设计以自适应地更新模型,直到能够精确地逼近真实的功能函数;最后,当PCE模型具有足够精确的拟合、预测能力,再使用蒙特卡洛仿真方法来计算失效概率。提出的平行加点策略既能在模型更新过程中找到改进模型拟合能力的"最好"的点,又考虑了模型拟合的计算量;而且,当失效概率的数量级较低时,PCE-bootstrap步骤与子集仿真(subset simulation)的结合能进一步加速失效概率估计量的收敛。本文方法将PCE模型在概率可靠性领域的应用从灵敏度分析延伸到了可靠性分析,同时,算例分析结果显示了该方法的精确性和高效性。     

一种基于随机森林的备件预测模型研究

对舰船零部件发生故障问题进行故障诊断,并对故障诊断结果进行分析,建立舰船零部件备件需求模型,给出零部件之间的发生故障概率的关系与备件需求特征;将随机森林回归原理应用到了舰船零部件的备件需求预测领域,构建了基于随机森林的预测模型,以及预测结果准确率的评价。用诊断结果数据对算法进行验证,结果表明,将随机森林算法运用到舰船的备件预测领域可以为舰船装备在一次海上任务期内备件配置问题提供参考价值。     

配电设备实时故障风险评估方法

现有配电设备故障风险评估方法在因素分析方面不够全面,未能综合考虑天气等环境因素与设备健康状态因素对设备故障风险的影响,且数据来源主要为长期历史数据,缺乏时效性。为解决此问题,本文提出了一种配电设备实时故障风险评估方法,结合天气状况、设备状态两大因素计算配电设备实时故障概率,通过负荷损失量、停电用户数量、负荷重要等级三个因素评估配电设备故障影响程度,并以设备故障概率和故障影响程度为准则建立风险评估模型。通过IEEE-RBTS BUS2算例分析,证明该模型能够有效评估配电设备实时故障风险,对于电力企业优化设备检修工作,提升应急管理水平具有重要的指导意义。     

输电系统的部分可观Petri网故障诊断器设计

采用部分可观Petri网的故障诊断方法来解决变电站输电系统中不可观事件和不可观运行状态的故障诊断问题.首先,将系统可观测序列分解为长度为1的基础观测序列,应用线性不等式矩阵计算与基础观测序列相符的点火序列集;然后,基于整数线性规划问题,利用向前向后函数拓宽诊断区间,同时应用参数K限定故障诊断序列长度,通过分析系统可观事件和系统部分可观状态,给出故障诊断结果.最后,构造变电站输电系统的部分可观Petri网模型,应用提出的故障诊断算法对输电系统进行诊断,诊断结果准确给出了故障发生与否及故障发生位置.算法适用于在线故障诊断,计算复杂性线性相关于观序列长度.     

基于Matlab灰色神经网络的电力变压器故障诊断研究

针对电力变压器故障的特点及传统诊断方法在变压器故障诊断中的局限性,提出了基于灰色神经网络的变压器故障诊断方法.首先将典型油中气体浓度样本集作为参考序列,挖掘出样本集中的故障信息,然后利用灰色神经网络进行变压器的故障诊断.通过大量的实例,并将诊断结果与IEC三比值法和改良三比值法的诊断结果相比较,表明基于matlab灰色神经网络的诊断方法具有更高的精确度.     

基于KKT和量子遗传算法的风火电联合上网最优决策

研究了同时考虑节能减排效益和经济效益时,风火电联合上网的决策模型,并采用提出的KKT框架下的量子遗传算法进行模型的求解。综合考虑风电和火电的特点,建立经济效益函数和节能减排效益函数以及相关的约束条件,最终确立多目标决策模型。在KKT框架下将多目标函数转化为单目标,并利用量子遗传算法进行模型的求解。算例分析显示本文提出的KKT框架下的量子遗传算法在决策模型的求解时能够利用更少的CPU运行时间获得更优的决策结果,与其他常用的优化模型相比具有较高的优越性。     

小卫星在轨故障诊断的模糊神经网络模型

小卫星高性能，高自主的发展趋势对于在轨故障诊断技术的实现要求日益迫切，而受小卫星体积小，重量轻，能源少的限制，当前常用的建立在高性能计算机硬件基础上的各种诊断方法不再适用于强调实时性，准确性的在轨运行监测，诊断与恢复和重构重处理。本文小卫星一体化系统总体设计技术研究与集成化设计系统为基础，采用一种神经网络与模糊系统相结合的模糊神经网络（ＦＮＮ）模型来分区域表示诊断系统并基于该ＦＮＮ模型进行诊断推量     

常态及故障条件下的多传感器任务管控调度研究

针对多传感器控制中的常态和故障情况问题,建立了描述常态和故障条件下的多传感器控制的多目标规划模型,通过偏离度指数,应用遗传算法求得常态控制问题最优解.其次将传感器故障转化成伪执行器故障运用改进的遗传算法,实现了多传感器故障情形下最优控制求解.仿真结果表明了最优控制方案的有效性.     

Importance measures in reliability and mathematical programming

The importance measures have been a sensitivity analysis for a probabilistic system and are applied in diverse fields along with other design tools. This paper provides a comprehensive view on modeling the importance measures to solve the reliability problems such as component assignment problems, redundancy allocation, system upgrading, and fault diagnosis and maintenance. It also investigates importance measures in broad applications such as networks, mathematical programming, sensitivity and uncertainty analysis, and probabilistic risk analysis and probabilistic safety assessment. The importance-measure based methods are among the most practical decision tools.     

风电功率波动特性的概率分布模型研究

为保证电网安全稳定运行,在大规模风电并网运行控制过程中,准确构建风电出力波动特性的概率分布模型具有重要意义.基于数据驱动的方法,采用加权高斯混合概率分布模型来拟合大规模风电基地的波动特性,模型拟合参数可采用基于期望最大化(Expectation Maximization,EM)的极大似然估计算法来获得,并提出了拟合评价指标来与其它多种概率分布模型进行对比,结果验证了加权高斯混合概率模型的有效性和适用性.