模糊综合决策模型在FMS加工单元状态监测与故障诊断中的应用

由于对柔性加工单元建立状态监测与故障诊断模型时存在设备与过程复杂多变，联动等特点，独模糊综合决策模型不能有效地利用，本文以铣削加工单元为对象，基于多传感器状态监测信息，提出模糊关联矩阵权值总和不变且流动分配的方案与原则来建立加工设备故障诊断的模糊多级综合决策模型，从而较有效地实现了诊断决策功能。     

一种用于诊断电子设备故障的专家系统

本文着重从分析电子设备故障诊断的人类专家的实际工作特点入手,指出单纯采用产生式规则的专家系统的不足之处,进而提出一个同时使用框架及产生式规则的专家系统—电子设备故障诊断专家系统;同时描述了该系统的部分算法及实现原理.通过分析该系统的建立过程,本文旨在强调这样一个观点:选择适合于领域特点的知识表示方法及适当的推理算法对于建立一个实用的专家系统是很重要的.     

专家系统在故障诊断中的应用

专家系统、故障诊断的基本概念，专家系统的构成原理，优越性及脆弱性，举例说明专家系统在故障诊断中的应用。     

基于C-SVM的组合导航系统故障诊断算法

为了提高捷联惯性组合导航系统的可靠性,将聚类支持向量机(C-SVM)应用于故障诊断技术,基于SINS/DVL/MCP/TAN组合导航系统建立了C-SVM故障诊断模型,将SINS/MCP、SINS/TAN和SINS/DVL三个子滤波器的相关特征量(残差值和状态检测函数)作为样本对C-SVM进行训练,并应用交叉验证法选择参数组.根据训练好的C-SVM模型分别对三个传感器进行故障诊断,若发生故障则屏蔽相应传感器的输出信息,利用其余的传感器进行重构.仿真结果表明,C-SVM的故障诊断正确率较高,特别是当训练样本数有限的情况下也能够达到较好的性能,克服了传统的神经网络在训练样本数较少时推广性能不足的问题,因此是一种理想的故障诊断技术.     

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.     

设备故障诊断中免疫算法的应用研究

本文提出了一种基于人工免疫的故障诊断进化学习模型及其相应的算法。介绍了这种诊断模型的理论基础,描述了这种诊断模型的步骤方法,并应用于机床齿轮箱故障检测和诊断问题,实验结果表明了所提出方法的有效性。     

基于碰撞能量模型的非线性碰摩评估研究

提出了一种用于评估非线性碰摩的碰撞能量模型(IEM),根据模型特性可得出IEM指标η用于评估碰摩故障的严重程度或发生概率. 通过对在不同阻尼比ζ状态下IEM指标η随转速比Ω的响应变化趋势研究,给出了η随ζ和Ω的响应联合分布. 结合IEM模型特性提出了"敏感区域"的概念. 此区域概念的提出,不仅对于转子设备的操作运行具有较大的参考价值,对于转子系统的设计更有重要的指导意义. 关键词： 碰撞能量模型 碰摩 转子系统 故障诊断     

基于TEAMS和IETM的武器控制系统故障诊断与维修设备的设计[BT)]

针对当前武器控制系统在舰员级和中继级故障诊断与维修时依据经验和依赖研制厂家的问题,在对武控系统测试性分析的基础上,利用TEAMS软件,构建了多信号模型并进行了修正;通过对现场级维修保障的需求分析,利用Raytheon公司的AIMSS开发平台,设计了故障诊断与维修设备的IETM主题框架,实现了TEAMS的故障诊断策略的嵌入和解析,最后根据使用需求,开发了故障诊断与维修设备的硬件集成;应用表明,该设备能定位武控系统故障和提供维修策略,大幅提高基层装备自主保障能力。     

云计算环境下大规模Web服务故障诊断技术研究

随着Web服务规模的不断增大,系统中往往会伴随着大量的噪音数据;为了提高Web服务诊断在噪音影响下的健壮性,文章研究了大规模Web服务下的故障诊断;首先,提出了一种Web服务自动诊断框架;其次,分别定义了转移矩阵和发射矩阵,并通过这两种矩阵来表达Web服务的状态转换过程;最后,提出了一种基于Viterbi方法的故障诊断算法;实验表明,文章提出的算法与其它相关的Web服务故障诊断算法相比准确性高,并且对噪音数据有着良好的健壮性。