模糊Petri网在车电系统总线故障诊断中的应用

针对车电系统总线故障现象和故障原因之间存在复杂模糊关系而无法实现快速故障诊断这一难题,提出采用模糊Petri网(fuzzy petri net,FPN)建立车电系统总线的故障诊断分析模型,并给出了相应的形式化推理算法;以某型车电系统总线为例,分析比较了各种故障原因的可信度;分析表明:所建模型有效地描述了车电系统总线故障现象和故障原因之间的模糊关系,能够实现故障的快速诊断,该模型可以作为车电系统总线快速故障诊断的理论支持工具。     

基于故障树的地铁屏蔽门故障诊断专家系统的设计

在地铁屏蔽门系统的故障诊断中,传统方法存在效率低、人工负担重等缺陷。为此,设计了基于故障树的故障诊断专家系统。先用屏蔽门的资料构建出扩展故障树,然后使用早期不交化和模块化等方法将其简化成基本故障树,求出最小割集。在故障树的基础上,设计了专家系统的知识获取和表示机制,建立了知识库。在构建推理机时,采用了双向推理、全自动推理、半自动推理、人工回溯等策略,提高了诊断效率和可信度。该系统可与综合监控系统进行接口,能对相关信息进行推理分析,对潜在故障进行预警,对已发生故障进行快速定位和诊断,出具故障报告和处理建议书,并提供故障模拟及培训功能。试用者的反馈意见表明该系统具有较好的实用价值。     

模糊故障树分析法在航空发动机滑油渗漏分析中的应用

目的：为准确查找航空发动机滑油渗漏原因,研究模糊故障树理论在飞机故障诊断方面的应用。方法：以CFM56-7B发动机滑油系统为研究对象,将故障树理论应用于滑油系统渗漏故障诊断中,采用下行法求解最小割集得到故障诱因最小事件。根据滑油故障发生概率具有模糊和不确定性特点,结合Delphi专家调查采用模糊数学理论进行定量分析,确定故障诱因事件风险重要度排序。结果：从CFM56-7B滑油渗漏故障原因重要度排序可知,故障诱因依次为后收油池供油口盖封严损坏（x1）、后收油池滑油回油管接头处裂纹(x2)、发动机使用MJO291滑油后导致密封材料损坏（x8)等,维修时应注意。结论：维修单位故障记录验证了方法的有效性,可为准确和快速诊断和排除滑油渗漏故障提供参考。     

故障树模块化在装甲车辆灭火系统故障诊断中的应用

为了实现装甲装备灭火系统故障的快速诊断,提出了一种故障树模块化分析方法;对灭火系统故障树进行深度优先最左遍历,并记录遍历过程,按照遍历顺序对故障树中的每个事件进行标定,并将灭火系统故障树划分为相互独立的模块,依据划分的模块可以通过故障现象对模块内的故障进行排查及修复;实验结果分析表明,该方法可以快速修复模块故障,恢复系统功能,简化了以往对灭火系统所有子事件遍历查错的繁琐过程。该方法同样可以计算故障模块的失效概率,并可以实现故障模块的整体更换,恢复系统性能;证明了故障树模块化方法在灭火系统故障诊断中具有较高的效率,简化了灭火系统诊断流程,在装甲车辆其他系统故障诊断中具有借鉴作用,符合现代作战对于装备保障的需求。     

故障树分析法在装甲车辆电源系统故障诊断中的应用

为了能够准确地进行装甲车辆电源系统的故障诊断,深入地研究了故障树分析法在其中的应用;首先,以某型装甲车辆电源系统为研究对象,根据系统失效模型和故障机理,将故障树分析法运用于装甲车辆电源系统故障诊断中,建立电源系统故障树模型,进行故障分析与诊断;其次利用电源系统故障诊断平台对电源系统4个模块进行故障模拟仿真研究,可看出故障树分析法能够准确地诊断出电源系统各个模块的故障,检测精度可达94%,取得了预期效果。     

基于IEEE1232的故障树诊断模型研究

IEEE1232对广义测试环境下的诊断知识进行了标准化描述,从而保证了诊断知识和数据的可移植和互操作;故障树分析作为被广泛应用的故障诊断方法,却很少有标准像IEEE1232一样对其具体应用进行详细规范,因此分析建立基于该标准的故障树诊断模型,是将其运用到实际故障树分析中的重中之重;首先介绍了IEEE1232标准及其模型构成,然后分析了其中一些公用模型元素的具体含义和用法;对于标准中关于故障树的描述,深入研究了其构成要素及有效的使用方法,并建立了基于这些要素的故障树诊断模型;最后给出了由EXPRESS语言描述的可交换故障树模型文件例子。     

基于Petri网和故障树的电力系统故障诊断模型

电力系统元件发生故障后,继电保护动作发出信号使相连的断路器断开,有效地保护了元件,但是也为故障的诊断增添了困难。本文针对带有主保护和后备保护的电力系统故障诊断建模困难复杂等问题,提出用故障树分析法对核心故障建模,并将故障树模型转换为对应的Petri网模型,运用Petri网的状态转移方程进行矩阵运算,不仅清晰的表示了故障的发生和形成,也能快速准确的诊断出故障发生元件,降低诊断的复杂性。实例分析说明了该方法准确性和有效性。     

基于案例推理和故障树诊断的专家系统设计

以A320自动飞行控制系统的故障为例,在故障诊断方案设计中将案例推理和故障树分析法两种常见的故障诊断方法进行融合,通过对两种诊断方法优缺点的相互弥补而得到一个较为完善的故障诊断方案,所设计出的故障诊断方案可为航空公司构建更完善的专家系统提供参考。     

故障树知识在空分系统故障诊断推理中的应用

从某大型空分系统的故障诊断专家系统实例出发,提出了二叉故障树的概念,并结合膨胀机模块的某一故障现象,建立了二叉故障树的原型。以此为基础,着重研究了二叉故障树在专家系统中的计算机表示和基于故障树知识的诊断推理机制。     

基于模糊推理的纹理图像融合方法研究

研究了模糊逻辑方法在图像特征层融合中的应用,介绍了两种模糊推理方法—Mamdani型和Sugeno型模糊逻辑推理系统,以及基于Sugeno型模糊推理的自适应模糊神经网络系统;在红外-可见光双通道图像融合实验中,采用Gabor滤波提取两幅图像的纹理特征,并分别采用两种模糊推理方法进行特征层融合。对融合效果进行了分析,结果表明两种模糊逻辑方法在不同应用环境下都可以取得了较好的融合效果。     

一种复杂系统的快速故障诊断方法

为提高复杂系统的故障诊断效率,基于故障诊断树原理,提出并实现了一种快速故障方法。实现该方法主要包括六个关键步骤,分别是故障诊断树的梳理、诊断节点代码的编写录入、Labwindows CVI软件与数据库的通信连接、故障诊断树显示及故障诊断推理、故障诊断节点的编辑、故障结论的存储与显示。在此基础上,设计开发了相应的故障诊断软件,并利用该软件对某型装甲车辆炮控系统进行故障诊断。结果表明,该型软件人机交互性好、操作便捷,基于故障诊断树原理的故障诊断方法可较大的提高故障诊断效率,工程应用前景广阔。     

一种模拟滤波器电路的故障诊断方法

针对模拟滤波器电路,提出了一种基于测前仿真和测后仿真相结合的故障诊断方法。在测前仿真环节,通过仿真获取电路正常状态及故障状态的幅频响应曲线,引入“区别度”计算电路故障状态和正常状态的区分程度,从而确定电路的可测故障集,并通过频率选择建立可测故障集的故障字典。在测后仿真环节,通过不同频率的激励获得电路故障状态的测试数据,再利用“区别度”计算测试数据与故障字典中各故障特征的区分程度,通过最小“区别度”实现故障检测及故障元件的定位。最后通过一个滤波器电路仿真实例,基于PSpice仿真和Matlab程序计算实现了基于测前仿真的可测故障集确定和故障字典建立,以及基于测后仿真的故障检测和故障元件定位,验证了本文提出方法的实用性。     

A Fault Diagnosis Method Considering Meteorological Factors for Transmission Networks Based on P Systems

Bad meteorological conditions may reduce the reliability of power communication equipment, which can increase the distortion possibility of fault information in the communication process, hence raising its uncertainty and incompleteness. To address the issue, this paper proposes a fault diagnosis method for transmission networks considering meteorological factors. Firstly, a spiking neural P system considering a meteorological living environment and its matrix reasoning algorithm are designed. Secondly, based on the topology structure of the target power transmission network and the action logic of its protection devices, a diagnosis model based on the spiking neural P system considering the meteorological living environment is built for each suspicious fault transmission line. Following this, the action messages of protection devices and corresponding temporal order information are used to obtain initial pulse values of input neurons of the diagnosis model, which are then modified with the gray fuzzy theory. Finally, the matrix reasoning algorithm of each model is executed in a parallel manner to obtain diagnosis results. Experiment results achieved out on IEEE 39-bus system show the feasibility and effectiveness of the proposed method.     

基于XML的故障诊断虚拟训练描述模型研究

随着科学技术的迅猛发展,传统故障诊断训练存在的问题日益突出,越来越难以满足维修人员的故障诊断训练需求。提出了通过虚拟方式进行辅助训练,来提高维修人员的故障诊断能力和掌握故障诊断相关知识,满足故障诊断训练需求。为实现故障诊断虚拟训练,分析了故障诊断虚拟训练模型的描述要素和描述语言。运用诊断树分析方法,基于XML建立了故障诊断虚拟训练描述模型,为实现故障诊断虚拟训练提供模型支撑。最后,基于此模型对液压千斤顶回收不到位的故障进行了描述,验证了描述模型的正确性与实用性。     

一种适用于飞行器航电综合的故障检测和重构方法

鉴于特殊的飞行任务需求,某型号航电综合单一的故障逻辑难以满足多元故障状态下自主重构需求,降低了系统容错性。为解决航电综合多元故障模式难以量化表征影响故障重构的工程难题,创新的提出了一种适用于航电综合的故障检测和重构方法,基于决策表数据挖掘技术的航电综合故障预测流程和多源信息故障检测技术确保常规故障检测率大于98%,航电系统重构状态的量化表征分类方式确保了系统快速重构设计,本文提出的故障检测和重构方法极大地提高航电综合系统的故障检测率与容错能力。     

A Novel Method for Fault Diagnosis of Rotating Machinery

When rotating machinery fails, the consequent vibration signal contains rich fault feature information. However, the vibration signal bears the characteristics of nonlinearity and nonstationarity, and is easily disturbed by noise, thus it may be difficult to accurately extract hidden fault features. To extract effective fault features from the collected vibration signals and improve the diagnostic accuracy of weak faults, a novel method for fault diagnosis of rotating machinery is proposed. The new method is based on Fast Iterative Filtering (FIF) and Parameter Adaptive Refined Composite Multiscale Fluctuation-based Dispersion Entropy (PARCMFDE). Firstly, the collected original vibration signal is decomposed by FIF to obtain a series of intrinsic mode functions (IMFs), and the IMFs with a large correlation coefficient are selected for reconstruction. Then, a PARCMFDE is proposed for fault feature extraction, where its embedding dimension and class number are determined by Genetic Algorithm (GA). Finally, the extracted fault features are input into Fuzzy C-Means (FCM) to classify different states of rotating machinery. The experimental results show that the proposed method can accurately extract weak fault features and realize reliable fault diagnosis of rotating machinery.     

A Bearing Fault Diagnosis Method Based on PAVME and MEDE

When rolling bearings have a local fault, the real bearing vibration signal related to the local fault is characterized by the properties of nonlinear and nonstationary. To extract the useful fault features from the collected nonlinear and nonstationary bearing vibration signals and improve diagnostic accuracy, this paper proposes a new bearing fault diagnosis method based on parameter adaptive variational mode extraction (PAVME) and multiscale envelope dispersion entropy (MEDE). Firstly, a new method hailed as parameter adaptive variational mode extraction (PAVME) is presented to process the collected original bearing vibration signal and obtain the frequency components related to bearing faults, where its two important parameters (i.e., the penalty factor and mode center-frequency) are automatically determined by whale optimization algorithm. Subsequently, based on the processed bearing vibration signal, an effective complexity evaluation approach named multiscale envelope dispersion entropy (MEDE) is calculated for conducting bearing fault feature extraction. Finally, the extracted fault features are fed into the k-nearest neighbor (KNN) to automatically identify different health conditions of rolling bearing. Case studies and contrastive analysis are performed to validate the effectiveness and superiority of the proposed method. Experimental results show that the proposed method can not only effectively extract bearing fault features, but also obtain a high identification accuracy for bearing fault patterns under single or variable speed.