免疫系统的反面选择算法在故障诊断中的应用

生物免疫系统的主要功能就是检测和杀伤来自生物体内和体外称为抗原的非己物质 ,受免疫系统自己—非己识别机理的启发提出的反面选择算法能检测任何异常变化。文章结合航天器故障诊断的特点对反面选择算法进行了改进 ,提出了对卫星电源分系统实时故障诊断的新方法。通过诊断实例表明该方法是有效可行的 ,能对卫星电源系统的故障准确、快速的实时诊断。

基于反面选择算法的气阀故障诊断

研究了一种结合克隆和变异原理的反面选择算法,利用傅立叶变换把时域振动信号转换为频域信号,提取出某一故障的特征频段,基于生物免疫系统的反面选择机理,并利用反面选择算法训练和产生适合于这一故障的检测器集。通过对三种气阀故障的检测,实验结果很好地说明了本算法的有效性,为研究新的故障诊断方法提供了可能。

基于反面选择原理的智能融合故障检测模型及其应用

针对反面选择算法用于故障检测所存在的局限性,提出了一种基于反面选择原理的智能融合故障检测模型。该模型利用人工免疫系统的反面选择原理来构建神经网络检测器,通过训练将系统的异常模式信息存储在分布的检测器中,根据检测器的激活来发现系统的故障。通过混沌时间序列的异常检测仿真实验,研究了模型参数对故障检测性能的影响。最后以发动机压气机失速检测实验为例,证实该方法对失速信号的模式特征具有较强的分辨能力,同时表明神经网络检测器比常规的二进制编码检测器具有更好的故障识别能力。

反面选择算法在铁磁谐振过电压信号分析中应用的研究

生物免疫系统的主要功能是检测和杀伤来自生物体内外称为抗原的非己物质,受免疫系统自己——非己识别过程的启发提出的反面选择算法能检测出任何异常变化。结合中性点直接接地系统中时有发生的铁磁谐振过电压类型识别对反面选择算法展开研究,通过诊断实例表明,该算法可以有效进行铁磁谐振过电压故障类型的分离,并能够反应出该类型过电压故障的严重程度。

压气机失速检测的神经网络反面选择模型

提出了一种航空发动机压气机失速故障检测的神经网络反面选择模型。该模型利用人工免疫系统的反面选择原理来构建神经网络检测器,通过训练将压气机的异常模式信息存储在分布的检测器中,根据检测器的激活来发现故障。通过混沌时间序列的异常检测仿真实验,研究了模型参数对故障检测性能的影响。某型涡喷发动机失速检测实验表明,该方法对压气机失速信号的模式特征具有较强的分辨能力,同时证实神经网络检测器比常规的二进制编码检测器具有更好的故障识别能力。

反面选择算法与神经网络相结合的故障诊断方法

传统的神经网络故障诊断方法对于新发生故障的误诊率较高,提出了将反面选择算法与神经网络相结合的故障诊断方法.该故障诊断方法对已知故障类型和未知故障类型都具有较准确的诊断能力.往复压缩机气阀的故障诊断实例表明该方法的有效性.

基于反面选择算法的压缩机振动在线监测方法研究

基于人工免疫系统反面选择算法的思想 ,提出了对振动时域信号进行各种处理的方法 ,进而研究了基于反面选择算法的离心压缩机在线监测的方法。通过对离心压缩机的诊断实例表明 ,该方法是可行的 。

反面选择算法在转动设备故障预测中的应用

反面选择算法是行之有效的用于检测各种变化的方法。改进的这种算法成功用到了故障的精确诊断之中。在此基础上 ,引入经验值 ,对算法做进一步改进 ,使之既能对已经或正在发生的设备故障进行精确诊断 ,又能预测未来可能发生的故障。试验台以及现场机组测试表明 ,只要参数选择合理 ,该套算法能够对设备中诸如转子弯曲、转子不对中、转子不平衡、油膜振荡、旋转失效、转子碰摩、转子支撑系统联结松动等故障进行高准确率的诊断和预测 ,尤其适用于传统诊断和预测方法所无法提取故障特征的复杂系统。同时 ,该方法操作简单且无变换误差 ,无人为干预因素 。

基于AIS反面选择算法的炮射导弹故障诊断方法

提出将人工免疫系统（Artificial Immunity System,AIS）中的反面选择原理应用到炮射导弹故障诊断中,依据免疫算法实现故障诊断的基本原理,构建了基于反面选择算法的故障诊断数学模型,解决了在故障先验知识和故障特征信息缺乏等情况下的故障诊断问题,并通过对炮射导弹制导仪系统中的故障进行实例分析,验证了该方法的有效性和优越性。

基于免疫系统的往复泵在线故障诊断方法

生物免疫系统的主要功能是检测和杀伤来自生物体内外称为抗原的非己物质 ,受免疫系统自己—非己识别过程的启发提出的反面选择算法能检测任何异常变化。结合故障诊断应用领域对反面选择算法进行了改进 ,提出了对往复泵泵阀进行在线故障诊断的新方法。通过诊断实例表明 ,该方法是可行的 ,能对往复泵泵阀故障进行准确的在线诊断 ,对其它设备的在线故障诊断也同样适用。

基于人工免疫的直升机传动系统在线异常监测方法

针对直升机在线监测时难以提取状态特征的问题,提出一种适用于直升机传动系统在线状态监测方法。该方法基于生物免疫系统反面选择机理,利用改进型反面选择算法并结合人工神经网络进行监测。该方法能有效地提取直升机传动系统的状态特征,并结合直升机传动系统的实际情况准确得出状态异常度。在线监测实例结果表明,该方法能较准确监测出直升机传动系统的异常状态,验证了该方法具有较好的在线性、准确性及鲁棒性。

人工免疫机理在故障诊断中的应用

将人工免疫系统的反面选择算法作了改进,在产生检测器时,利用了遗传算法,并将欧几里德距离作为遗传算法中的适应函数。最后通过模拟实验表明,该算法能对旋转机械故障进行诊断,平均准确率可达95％以上。该算法也可以用于其他系统的在线故障诊断。

人工免疫系统及其在故障诊断领域中的应用

首先介绍了生物免疫系统的机理和特点,并给出了基于生物免疫机理开发的,在故障诊断领域中涉及较多的人工免疫网络模型、反面选择算法及其应用改进,然后给出了国内外人工免疫系统在故障诊断领域中的一些应用成果,最后对人工免疫系统在故障诊断领域中的应用前景和进一步的研究工作进行了展望。

活塞压缩机气阀故障检测的免疫神经网络方法研究

气阀故障是活塞压缩机最常见的故障类型之一。为了能够准确地检测出气阀的主要故障,从免疫系统反面选择机理出发,结合神经网络,提出了基于免疫神经网络的活塞压缩机气阀故障检测的方法。通过对2D12活塞压缩机气阀故障状态的检测,获得了较高的检测准确率,证明了所提方法的有效性。所提出的故障检测方法具有普遍的适用性,特别适合于故障样本缺乏或无故障样本设备的故障检测。

基于免疫系统的旋转机械在线故障诊断

受生物免疫系统自己—非己识别过程的启发提出了反面选择算法 ,在故障诊断应用领域中改进了反面选择算法 ,提出了对旋转机械在线故障诊断的新方法 .通过诊断实例表明 ,能对旋转机械故障准确地在线诊断 ,诊断平均准确率达 90 %以上 .

生物免疫机理在往复压缩机在线状态监测中的应用

针对往复压缩机在线监测时难以提取异常特征的实际情况 ,提出了一种适于往复压缩机的在线状态监测方法。该方法是基于生物免疫系统反面选择机理 ,并结合人工神经网络进行监测的一种方法。该方法能有效地提取压缩机的异常特征 ,提高压缩机的在线状态监测的准确率。在线监测往复压缩机示功图的实例结果表明 ,该方法能准确监测出往复压缩机主要故障所引起的异常 ,并具有较好的在线性、准确性。

基于自我-非我识别机理的状态监测与故障诊断

基于人工免疫自己非己识别机理(Self nonselfDiscrimination-SND)的反面选择算法(Neg ative selectionAlgorithm NSA),为复杂机电系统的故障监测和诊断提供了新的思路。针对现有故障监测中,反面选择算法存在的不足,文章提出采用距离匹配的反面选择算法(Negative selec tionAlgorithmusingdistancematching-NSAD),采用遗传算法,生成适合故障样本的故障种群,并采用欧几里德距离为适应函数,以产生与故障模式匹配的监测器,使监测器对特定故障模式具有更好的敏感性。文章以旋转机械为对象,进行验证,结果表明NSAD较NSA监测准确率高,误诊率低。

小波包特征免疫检测器在设备异常状态检测中的应用

旋转机械设备工作机理复杂,故障样本缺乏,难以应用传统的方法对其进行有效的异常状态检测.结合小波包分析技术及人工免疫系统理论,构造了小波包特征免疫检测器,给出了小波包特征免疫检测器的产生算法、异常状态检测方法.小波包特征免疫检测器是在对正常样本学习的基础上产生的,不需要设备运行的故障数据,适合对故障数据缺乏的设备进行有效的异常状态检测.活塞压缩机气阀的异常状态检测结果表明,小波包特征免疫检测器检测效果良好、准确率高.

基于人工免疫系统的核动力设备故障诊断

针对核动力设备的复杂性和特殊性,提出了基于人工免疫系统的核动力设备故障诊断方法,给出了运用反面选择算法进行建模和克隆变异进化算法进行进一步故障识别的原则。将在旋转机械上采集到的某种信号进行特征提取,并将其作为信号的特征向量输入到建立好的AIS模型。仿真结果表明,此模型能较好地对各种故障类型进行识别。

基于生物免疫原理的抽油机井故障诊断研究

基于生物免疫原理提出了一种故障诊断方法,将故障作为抗原,首先应用反面选择算法产生初始抗体,然后基于生物免疫系统的克隆、变异、克隆选择、自我调节和免疫记忆等机理对初始抗体进行进化,产生能够表示和识别抗原即故障的记忆抗体,并以抽油机井为对象进行了仿真研究,结果表明,该方法能够取得很好的诊断效果。