基于粗糙集理论与模糊Petri网络的油浸电力变压器综合故障诊断

电力变压器故障诊断因果关系的复杂性与模糊性,采用单一智能方法难以准确描述。文中基于智能互补融合的思想,将粗糙集理论与模糊Petri网络有机结合在一起进行油浸电力变压器故障诊断。利用粗糙集信息表简化技术来实现对专家知识的简化与故障特征的压缩,获得最小诊断规则,基于最小诊断规则的Petri网络模型可以有效降低网络结构的复杂性与故障特征获取的难度。同时利用模糊Petri网络实现并行模糊推理,便于描述故障特征的变化及对变压器运行特性的快速分析。故障实例分析表明,文中所提出的智能方法可以有效地进行模糊推理,减小诊断信息的冗余性,诊断效率高,计算快速、准确,结果易于被人理解。

基于决策表约简的变压器故障诊断Petri网络模型及其应用研究

通过对变压器故障诊断知识中大量的冗余特征进行压缩或约简 ,将粗糙集理论(RST)引入到变压器故障诊断中 ,以提高以往依赖先验知识进行诊断智能方法的效率。根据决策表约简实现故障特征的压缩与规则的简化 ,并利用该结果建立Petri网络模型 ,可获得最优的网络模型以充分发挥其快速的并行推理能力 ,实现高效的变压器故障诊断。对比分析结果表明 :约简后的特征具有与原来相同的分类能力 ,得出的主导特征也与实际相符 ;基于最小诊断规则所建立的故障诊断Petri网络模型 ,结构得到有效地优化 ,分类结果与原有的网络一致。

粗糙集结合Petri网进行分区域并行推理的配电网故障诊断方法研究

针对配电网规模庞大且发生故障后警报信息存在不确定性和不完整性的问题,提出了一种粗糙集结合Petri网进行分区域并行推理的配电网故障诊断方法。该方法先将配电网划分为多个独立的区域,对于各个区域分别建立故障决策表,再利用粗糙集对决策表进行属性优选和诊断规则提取,最后构建Petri网模型,通过Petri网的并行推理实现故障诊断。诊断实例证明了该方法不仅诊断快速准确,而且容错能力强、适应性好、灵活性高。

基于BP网络算法优化粗糙-Petri网的电网故障诊断

为了使电网故障诊断的过程更简洁、快速和直观,提出了一种基于BP网络算法优化粗糙-Petri网的电网故障诊断方法。首先用粗糙集理论对电网的故障征兆数据进行处理,从冗余的故障信息中约简出最小决策表;然后基于得到的最小决策表提取诊断规则并建立最优的Petri网模型,利用Petri网处理并行推理的能力来实现高效的电网故障诊断。其中引入神经网络中的BP算法对电网故障诊断Petri网模型的权值参数进行网络优化训练。电网实例分析结果表明该模型能准确找到故障区域,具有较好的快速性、自适应性和一定的容错性。

粗糙Petri网及其在多状态系统可靠性估计中的应用

结合粗糙集理论和Petri网理论各自的特点提出了一种基于知识库系统的粗糙Petri网,并将其应用于多状态系统的可靠性估计中。首先用粗糙集理论从知识库中获得系统状态对各部件状态的依赖度和各部件状态对系统状态的重要度并提取出决策规则。在此基础上定义了带有权重的状态向量范数,系统状态是此范数的粗糙单调增函数,以此来确定Petri网的弧权值和变迁阈值函数,然后采用蒙特卡罗方法进行系统可靠性的估计。降低了多状态系统可靠性分析中的状态维数。

粗糙集结合Petri网的3/2接线变电站故障诊断研究

500kV及以上的变电站多采用3/2接线方式,其主接线结构和保护配置具有自身的特点。本文在分析了3/2接线系统保护动作策略的基础上,建立了故障诊断的初始决策表,并利用粗糙集的属性优选对该表进行最小约简,构建最优的Petri网模型,从而实现故障诊断。变电站故障诊断实例证明了该方法不仅能够准确诊断出3/2接线系统的故障元件,而且诊断速度快,容错性好。

基于规则获取的Petri网故障诊断模型研究

针对构建合理的Petri网故障诊断模型,研究了以矩阵运算方式描述及处理故障发生过程中的逻辑关系的问题。以旋转机械故障诊断为例,用粗糙集理论对其样本条件属性进行约简,利用Skowron缺省规则获取方法得到故障诊断规则;并对传统Petri网进行改进并构造诊断模型,利用Petri网的动态描述与矩阵运算能力进行故障诊断,从而在一定程度上解决了样本集中存在不一致信息的问题,避免了Petri网对于复杂系统建模时出现的组合爆炸,具有一定的创新性和较大的使用价值。应用实例验证了该方法的可行性与有效性。

基于粗糙集理论和Petri Nets的变压器故障诊断

介绍了一种基于粗糙集理论和Petri Nets相结合的变压器故障诊断方法,并通过故障实例证实了该方法的准确性和高效性。

基于粗糙集的适应型Petri网故障诊断模型研究

针对Petri网应用存在模型状态空间复杂度问题,提出粗糙集与Petri网相结合的诊断算法,利用粗糙集的关联规则挖掘算法将包含繁冗信息的复杂系统简化,从而解决了Petri网的状态空间随着实际系统的规模增大而呈指数性增长的"知识爆炸"问题。在Petri网的数学理论基础上,提出了改进的关联矩阵和状态方程计算方法,提高了推理搜索速度,同时将诊断问题转化为矩阵运算,使复杂的推理转变为简单的数学计算。最后将该算法应用于直线感应电机参数优化诊断实例,证明了该算法的有效性和快速性。

基于规则获取的Petri网诊断模型设计

通过旋转机械故障诊断规则的获取分析,讨论了利用诊断规则设计Petri网诊断模型的方法。该模型的设计建立在简化的样本集基础上,可有效降低Petri网的复杂程度,避免Petri网在复杂系统建模时出现的组合爆炸问题;针对诊断规则的形式,定义并提出将诊断规则转换为标准基本规则序列,便于模型的程序化设计;同时诊断规则的获取可以有效推广故障诊断范围,使其不仅仅局限于样本集,并能消除样本集中存在的不一致问题带来的影响。通过示例证明了这种方法的可行性与有效性,并给出了相关算法。

基于粗糙集的Petri网故障诊断模型研究

本文以旋转机械故障诊断为例,通过粗糙集理论对其样本条件属性进行约简,得到简化的样本集,然后在此基础上对传统Petri网进行改进并构造诊断模型,以利用Petri网的矩阵运算能力进行故障诊断,避免了Petri网对于复杂系统建模容易出现组合爆炸的问题。文章通过示例证明了这种方法的可行性与有效性。

基于适应型Petri网的民航飞机故障诊断研究

针对民航飞机系统故障诊断的复杂性,提出了一种粗糙集与Petri网相结合的诊断方法;利用粗糙集理论不需要提供待求解问题所需处理的数据集合之外的任何先验信息的特点,得到一种诊断规则的自动获取方法,可有效解决飞机系统故障诊断专家系统在知识获取方面的"瓶颈";在获取规则的基础上建立Petri网模型,运用改进的关联矩阵和状态方程计算方法,将诊断问题转化为矩阵运算,使复杂的推理转变为简单的数学运算,提高了推理搜索速度;最后通过实例分析验证了该算法的可行性与有效性。

基于粗糙集和Petri网的油层含油识别研究

油藏受天然气的侵入,就会产生油气分异的现象:天然气会萃取出油藏中的轻组分,造成凝析油藏或轻质油藏;此外,油藏中的重组分脱出,形成沉淀,直接导致储层的渗透率降低,从而影响油气的分布规律。针对油藏中油气分布规律复杂的问题,在传统油层含油判别分析的基础上,提出了一种基于粗糙集和Petri网的油藏建模方法。应用粗糙集的知识约简对油层含油识别相关的岩层厚度、泥质含量等6个指标进行属性选择,提取最简规则,建立Petri网模型,根据Petri网的并行推理达到简洁高效的含油识别。仿真实验结果表明,采用粗糙集与Petri网判断的油气分布规律与现场数据高度接近,精度高,识别速度快,正确率高。可见将粗糙集与Petri网组合用于油层油气识别是有效的。

粗糙集在Petri网中的应用

利用粗糙集理论中属性核与不可分辨关系给出了属性约简算法,对专家知识系统进行化简,获得最小有效规则,建立了一种Petri网模型。该模型可以有效降低网络结构的复杂性。本文的算法利用模糊Petri网络实现模糊推理,并用实例验证了这种智能结合的有效性。

基于扩展时间对象Petri网的粗糙网络攻击模型

为了解决复杂网络中相似攻击手段和相似节点对象在攻击模型中造成冗余的问题,提出一种基于脆弱关联模型的粗糙网络攻击建模方法。在攻击变迁域和节点对象域上定义属性集,将相似的攻击方式和网络节点分类,形成论域Petri网上的类空间。通过定义路径相似度,利用蚁群算法找出所有可达攻击目标的特征路径,并在这些特征路径中找出给目标节点带来最大威胁的攻击路径。实验证明,该方法能够快速地定位实时监控信息中涉及的节点对象和攻击方式,在各种特征攻击路径中准确找到其所在位置。

基于数据挖掘的柴油机磨损故障诊断Petri网络模型

首先利用数据挖掘中的粗糙集理论对铁谱磨损模式进行了简化,再建立发动机磨损故障诊断的模糊Petri网模型,该模型将模糊启发式规则的表示和诊断能力融为一体,完成不确定性知识和过程性的模糊诊断推理,并通过简单的矩阵运算快速获得了诊断结果。Matlab的仿真结果证明,该方法在信息不完善或不准确的情况下,对柴油机磨损故障诊断是有效的。

基于模糊Petri网的战术决策与规则精炼方法

针对空战环境的复杂多变和不确定性,首先研究了基于模糊Petri网的推理算法,建立了基于模糊推理Petri网的智能战术决策方法,将定性的决策推理过程变成了定量的矩阵运算;然后针对规则的冗余性和可能的冲突性,利用粗糙集理论对战术决策规则库进行了精炼,简化了模糊推理Petri网结构,提高了战术决策推理的效率,实现了无人机攻击和防御的智能决策。仿真结果表明该方法具有可行性和有效性。

基于粗糙集理论和Petri网的断路器故障诊断

将粗糙集理论和Petri网相结合,一同用于断路器故障诊断。为了简化断路器故障诊断决策表,采用粗糙集理论中区分矩阵算法和规则提取的矩阵算法对决策表实现条件属性约简与规则简化,找到决策表中隐藏的潜在规则,减少工作量,降低不确定信息的影响,提高故障诊断准确率。用粗糙集理论得到的规则建立Petri网络模型,Petri网可以将知识表示和诊断能力融为一体,利用Petri网实现并行推理,通过简单的矩阵运算对断路器故障诊断进行快速计算。实例分析表明所提出方法准确有效。

基于量子遗传算法优化粗糙-Petri网的电网故障诊断

当前电网故障诊断主要依靠单一的人工智能算法,对于复杂故障问题常出现误诊、漏诊情况.为解决这一问题,给出一种基于量子遗传算法优化粗糙-Petri网的电网故障诊断方法.采用量子遗传算法来进行粗糙集的属性约简,量子旋转门实现染色体的演化来达到较高的收敛速度和全局最优搜索,约简出最小决策表,结合提取的诊断规则并建立Petri网模型,利用Petri网进行高效的电网故障诊断.通过实例分析表明该模型能准确诊断出故障区域,具有较好的快速性和准确性.

基于粗糙集和Petri网理论的矿井电网故障诊断

结合真实井下变电站的情况,将粗糙集和Petri网理论结合提出了一种故障诊断的方法,即利用粗糙集知识约简和处理不确定信息的能力,对变电站的故障诊断知识实现属性优选,获得最小诊断规则,用来建立最优的Petri网模型,并利用Petri网并行推理的能力实现简洁高效的故障诊断。测试表明该方法能有效地缩减求解规模,诊断速度快,正确率高。