基于DTW时序距离的故障可诊断性评估方法

对装备中具体故障进行可诊断性评估,可以量化地表明故障被诊断的难易程度。针对故障可诊断性评价方法中存在的不客观及度量方法选择不恰当的问题,提出一种基于动态时间规整(Dynamic Time Warping,DTW)的时序距离度量方法。定义可诊断性评估模型,从实际系统中抽取系统的结构、信号、测试、故障模式4种要素,为故障可诊断性评估工作的开展打下基础。摒弃传统的从信号中提取特征进行相似性度量的做法,将信号看做时序序列,基于DTW方法衡量不同状态下各信号之间的相似程度,作为故障可诊断性的评估依据。使用动量轮系统对新方法进行仿真实验,仿真结果表明新方法在进行可诊断性评估方面具有客观性和有效性。

基于故障敏感度学习和集成学习的可诊断性设计方法

对系统进行可诊断性设计,能优化诊断方案、提升诊断方案与系统的契合程度,对于准确检测或隔离系统故障具有重大意义。为此提出一种基于故障敏感度学习和集成学习的可诊断性设计方法。对于采集到的不同状态下的系统测试点信号进行特征提取,结合系统的可诊断性评价结果,提出特征贡献度量化算法,对信号中不同特征对故障诊断的贡献度进行评估,使用改进的D-S证据理论算法对不同信号的特征进行融合,确定适用于故障检测与隔离的故障敏感特征集合;采用集成学习方法对基分类器的诊断效果进行加强,最终获得对当前系统的诊断方案。仿真实验结果表明,采用新的可诊断性设计方法设计出来的针对系统的诊断方案,可以对系统故障进行良好的诊断,其中与未进行故障敏感度学习环节相比,故障诊断的错误率由5.33%下降到2.66%,与未进行集成学习环节相比,故障诊断的错误率由16.22%(基诊断器的平均值)下降到2.66%。在与其他诊断方案的对比实验中,新方法的故障诊断错误率相较于对比方法的平均值下降了3.34%。

考虑噪声影响的基于Wasserstein测度的可诊断性评价方法

针对可诊断性评价中区分度不足以及评价结果难以解释等问题,提出了一种基于Wasserstein测度的可诊断性定量评价方法。该方法以系统在不同状态下测点的量测信号为基础,将信号视作随机变量,使用2-Wasserstein测度作为衡量变量之间相似程度的手段,来实现对系统的可诊断性评价,同时分析了量测信号对于可诊断性评价结果的影响。使用双带通滤波电路对所提方法进行验证,结果表明,相较于基于K-L散度和D矩阵的可诊断性评价方法,所提方法在进行评价故障可诊断性方面更具客观性和科学性。

可诊断性3维评价模型构建与综合评价方法

针对目前缺乏科学有效可诊断性评价指标体系的问题,从故障诊断性能、响应时间、测试资源3个角度构建3维可诊断性评价模型。选择10个代表性指标作为评价模型的组成元素,保证可诊断性评价模型的完备性;提出基于组合权重和灰色关联分析(grey relation analysis,GRA)的可诊断性综合评价方法,利用层次分析法(analytic hierarchy process,AHP)和熵值法计算评价指标的主观权重和客观权重,利用数学规划方法将主观权重和客观权重进行融合并利用GRA对系统的可诊断性水平进行评价。结果表明,该方法能保证可诊断性评价结果的合理性和科学性。

基于不确定观测下离散事件系统可诊断性的研究

在实际应用系统中,由于传感器故障、传感器限制和网络中的数据包丢失等原因,事件的可观测值变得不确定,使得观测系统行为变得尤为复杂。针对离散事件系统中,同个事件串可能有多个观测值以及不同状态下同个事件观测值也可能不同的问题,提出一种不确定观测下故障诊断验证的方法。首先对不确定观测的离散事件系统的可诊断性进行形式化,然后构建出用于上述故障诊断验证的验证器;基于验证器提出了系统基于不确定观测下可诊断的充要条件及验证算法;最后,实例说明不确定观测下故障诊断验证算法的应用。与现有研究相比,提出的方法对故障事件的观测值没有约束,可以为0个或多个观测值,使此方法应用的场景更为广泛。

基于多信号流图和相似性度量的故障可诊断性评价方法

针对目前基于定性模型无法对电子系统故障可诊断性进行定量评价的问题,将定性模型与数据驱动方法相结合,提出一种基于多信号流图和相似性度量的故障可诊断性评价方法。首先,根据系统的组成结构建立多信号流图模型并得到故障-测试相关性矩阵,基于故障-测试相关性矩阵提出了故障可诊断性评价准则。其次,提取测试信号的小波包Shannon熵作为特征向量,以欧式距离作为相似性度量指标,将故障可诊断性定量评价问题转换为不同故障模式下测试信号特征向量的相似性度量问题。然后,构建故障可诊断性评价矩阵,依据故障可诊断性评价矩阵提出了系统可诊断性指标。最后,通过仿真分析验证了所提方法的有效性。结果表明,所提方法在不构建数学模型的前提下,能够实现电子系统的故障可诊断性的定量评价。

基于EMD的故障可诊断性评价模型设计

构建可诊断性模型是进行可诊断性设计的前提,通过可诊断性模型能够分析系统内故障的可诊断性。目前的研究成果中大都集中于定性研究,即对故障可诊断性的评价集中于“故障是否能够被诊断”的定性评价,而没有进一步考虑量化故障被检测或被隔离的难易程度。针对以上问题,本文提出了一种基于推土机距离(EMD)的可诊断性定量评价模型,将故障诊断难度定量评价问题转化为测试数据多元分布之间的距离度量问题。首先建立了适用于可诊断性分析的多信号流图定性模型,用来描述系统的功能组成结构、故障-测试-信号的相关性关系;然后在定性模型的基础上,结合数据驱动框架,建立了基于EMD的可诊断性定量评价模型,除了能够定性地描述故障与测试之间相关性关系之外,还能够定量地衡量诊断故障的难易程度。最后以某型装备的开关电源为实验案例,验证了本文方法的有效性,为可诊断性建模提供了一条可行的思路。

控制系统可诊断性的内涵与研究综述

作为表征控制系统故障诊断能力的属性,故障可诊断性揭示了故障诊断深层次的内涵.将可诊断性分析纳入控制系统与诊断方案的设计环节,可以从根本上提高系统对故障的诊断能力,为研究故障诊断提供新的思路.本文分别从可诊断性的内涵、研究现状以及潜在发展趋势三个角度系统地对可诊断性进行分析.首先,从定义、影响因素、与已有概念的关系以及应用四个方面剖析了控制系统可诊断性的内涵和研究意义.其次,分别从可诊断性评价与设计两个方面对可诊断性的研究现状进行分析.最后,通过对可诊断性已有成果进行总结归纳,探讨了可诊断性研究存在的不足以及未来发展的趋势.

基于递归图和张量分解的故障可诊断性评价方法

可诊断性反映了系统故障诊断的难易程度,对系统进行可诊断性评价是开展故障诊断工作的前提条件。针对可诊断性评价问题,将测点信号考虑在内,提出了一种基于递归图和张量分解的故障可诊断性评价方法。利用相空间重构技术对装备在不同状态下的测点信号进行图形化表示,形成递归图;对递归图进行分析以提取其中的特征,并将该特征视为原信号特征;通过张量分解的方法,计算不同状态下信号特征之间的相似程度,作为故障诊断难易程度的基本度量。通过仿真实验对所提出的方法与仅考虑系统模型的D矩阵的可诊断性评价方法进行对比,结果表明该方法在评价可诊断性方面具有准确性和客观性。

基于故障可诊断性定量评价的测试优化选择

目前,对于测试优化选择问题的研究大多局限于故障是否可以被诊断的定性研究,没有进一步考虑故障诊断的难度。针对以上问题,提出了一种基于故障可诊断性定量评价的测试优化选择方法。首先,基于推土机距离(EMD)对故障可诊断性进行定量评价;然后,以评价结果为依据,综合考虑测试的数量、可靠性和成本等因素,构建多目标测试优化选择问题,并提出了二进制金枪鱼群优化算法来求解满足测试性指标和故障可诊断性水平的最优测试集合;最后,以某装备的开关电源为实验案例,验证了所提方法的有效性。仿真结果表明:所提方法能够实现以提高系统故障可诊断性为目标的测试优化选择,从根本上提高系统的故障诊断能力。

模糊离散事件系统的弱可诊断性

针对故障诊断方法对系统要求过高的问题,研究模糊离散事件系统(Fuzzy Discrete Event Systems, FDES)的弱故障诊断,提出一种弱模糊诊断方法,将经典离散事件系统(Discrete Event Systems, DES)的弱故障诊断方法拓广至模糊系统。先对模糊离散事件系统的弱模糊故障可诊断性进行形式化;为验证模糊系统的弱模糊故障可诊断性,构造了一个验证器自动机,得到模糊离散事件系统弱模糊故障可诊断性的充分必要条件,实现了对模糊离散事件系统的弱模糊故障诊断。该方法既适用于模糊离散事件系统的弱模糊故障诊断,又适用于经典离散事件系统的弱故障诊断。

对称PMC(SPMC)模型下节点可诊断性研究

在图论和网络科学上,网络故障诊断是目前非常受欢迎的课题之一,影响着多处理器系统的可靠性与安全性。随着多处理器系统规模的急速增长,系统的全局故障诊断模式适用性降低,相应地,局部故障诊断得益于对网络拓扑结构的要求较低,可对网络分块处理,大幅提高了诊断效率,具有更强的适用性,成为了新的研究方向。针对最新的对称PMC(SPMC)模型,研究了网络节点可诊断(局部诊断)的相关性质,提出了新的拓扑结构(拓展树结构),得到了在SPMC模型下网络节点可诊断的条件以及节点可诊断与系统可诊断的关系,并给出了扩展树结构上各节点是否故障的判定定理及详细证明。根据该定理,提出了扩展树结构网络的悲观故障诊断算法ST 2_B-FDA,并应用到超立方体网络中进行仿真实验,验证算法的有效性。该算法时间复杂度仅O(NlogN),远低于一些传统故障诊断算法的时间复杂度,可有效降低诊断成本,大幅度提升诊断效率。此外,所提出算法原理简单,便于实现及应用,也可作为大规模规则网络系统的诊断方法之一。

故障可诊断性评价与设计研究进展

阐述故障可诊断性评价与设计研究的必要性并给出相关定义。从基于定量模型和定性模型两个方面对故障可诊断性评价研究现状进行介绍,包括梳理各种方法的基本思路,给出各方法的优缺点与适用范围,总结与故障可诊断性相关的定量指标等;从基于优化问题、故障传播关系、变量约束关系以及故障影响变量等方面对测点优化配置方法进行介绍,并给出各种方法的优缺点;最后展望故障可诊断性未来的发展方向。

PMC模型下网络故障的节点可诊断研究

传统故障诊断研究大多忽略了系统局部特征。PMC模型下,针对于这一问题,引入了节点可诊断的概念,并通过节点可诊断方法的研究得到了节点可诊断度的充分条件和t-可诊断新算法STFDA。最后,对n维超立方网络和n维星状网络从节点可诊断的角度进行了分析,验证了所得充分条件的正确性,并将算法应用到这两种网络中进行故障诊断。其中,充分条件和STFDA算法的实现借助了新的结构ST。STFDA算法的时间复杂度为O(Nδ),δ为网络中节点的最大度。相比于其他算法,算法的时间复杂度得到显著降低。

对离散事件系统的共可诊断性验证

提出了一种验证离散事件系统共可诊断性的多项式算法,算法通过构建一个检验自动机来实现,将故障路径和正常路径提取出来进行对比。另外将传统的共可诊断性划分为两种情况分别处理可以提高算法效率。可分别用于验证系统的F-共可诊断性和NF-共可诊断性。复杂性分析和案例分析表明本文算法的计算复杂度更低。实验验证了本文方法的高效性和有效性。

定量与定性相结合的动量轮故障可诊断性评价

为了提高动量轮的故障诊断性能,采用定量与定性相结合的方法对故障可诊断性评价方法开展研究。在分析动量轮和控制器模型的基础上,建立定量的动量轮闭环系统模型;分析动量轮的各种故障模式,将其分为测量类、驱动类和控制器类故障,并在动量轮系统模型中进行表示;依据故障到输出的传递函数是否等于0以及不同故障到输出的传递函数是否相同的思路,研究各类故障的可检测性和可分离性判断条件,对动量轮的各故障模式进行评价,给出相应的评价结果对于不可分离的故障集合,研究基于定性模型的故障可诊断性评价方法,即根据动量轮各功能模块之间的关系,结合动量轮的故障模式影响分析结果,建立故障与征兆之间的关联矩阵,通过分析各故障对应的数据,进一步给出动量轮故障可诊断性的评价结果。最后,提出故障可诊断性相关的定量指标,根据动量轮故障可诊断性评价结果,给出各故障以及动量轮的可检测度和可分离度等,为后续故障可诊断性设计提供依据。

动态系统实际故障可诊断性的量化评价研究

提出了一种新颖的动态系统实际故障可诊断性量化评价方法.该方法无需设计任何诊断算法,仅通过解析模型即可给出动态系统故障检测和隔离的难易程度,从而为实现在系统设计阶段提高故障诊断能力的工程目标提供理论指导和参考依据.首先,通过标准化模型和等价空间变换,将状态空间描述的随机动态系统实际故障可诊断性评价问题转化为概率统计中多元分布相似度判别的数学问题;然后,根据严格的数学证明,指出距离相似度判别准则在进行可诊断性量化评价中存在的不足.进而,为弥补该不足,利用故障矢量的分布概率以及不同故障矢量之间的余弦相似度,设计基于方向相似度的可诊断性量化评价新方法;最后,通过数学仿真验证该方法的有效性和优越性.

一类非线性系统的故障可诊断性量化评价方法

为将提高卫星控制系统故障诊断能力的工作重点前移到地面设计阶段,针对其中的关键问题——可诊断性评价,提出一种适用于非线性模型的可诊断性量化评价方法,对传统定性评价研究进行了有效的扩展和延伸。鉴于线性化处理导致非线性因素引起的故障被忽略,将卫星控制系统描述成一类仿射非线性模型;并基于微分几何理论,给出可诊断性(包括可检测性和可隔离性)的定义和定性评价指标——不变最小对偶分布。通过子空间相似度判别准则,根据故障方向矢量和所得不变分布以及不同故障方向矢量之间的夹角关系,分别设计可检测性和可隔离性的量化指标,并给出具体评价流程;该指标能够明确故障被检测和隔离的难易程度,并可用于指导诊断算法的设计和传感器的优化配置。最后,以动量轮为仿真实例校验本文所提方法的正确性;仿真结果表明:该方法在不依赖任何诊断算法和具体故障模式的前提下,可以实现可检测性和可隔离性的准确量化评价。

有干扰的控制系统故障可诊断性量化评估

故障可诊断性的量化指标在控制系统设计过程中极为重要.为此,我们提出了一种适用于线性动态系统的故障可诊断性量化评估方法.考虑到过程和观测噪声等干扰因素对评估结果正确性的影响,我们采用等价空间方法获取系统输入/输出与故障之间的解析冗余关系,将故障可诊断性评估问题转化为概率统计中多元分布的差异度判别问题.引入巴氏系数(Bhattacharyya coefficient,BC)对多元分布之间的差异度进行量化,通过严格的数学证明得到可诊断性量化指标,并给出具体评估流程.以卫星姿态控制系统为仿真算例,将本文所提评估方法应用于该系统;仿真结果表明:该方法能够在不依赖于任何诊断算法的前提下,定量分析故障诊断的难易程度.

基于故障可诊断性量化评价的传感器优化配置方法研究

提出了一种基于故障可诊断性量化评价的传感器优化配置方法.针对可能发生故障的非线性系统,首先,基于K-L散度思想,通过计算故障情形下残差概率密度函数的差异度,得到了系统不同故障下故障可检测性和可分离性的量化指标,由于稀疏内核密度估计和蒙特卡洛算法的引入,克服了K-L散度计算中残差概率密度函数难以估计和非线性结构的K-L散度计算复杂度高的困难;其次,以故障可诊断性的定量评价为基础,借助于动态规划方法给出了系统满足期望故障可诊断性的传感器最优集合;最后,通过数值仿真和实体实验仿真验证了文中方法在故障诊断系统传感器优化配置中的有效性.