住院精神病人诊断分布的30年变化

从入院登记簿上整群抽取1971年、1975年、1980年、1985年、1990年、1995年及2000年各年度3-4月份的入院病人，作为调查对象，然后统计其出院诊断等情况。

基于改进CNN的化工设备故障分布式诊断技术研究

针对当前化工设备故障智能诊断方法准确率偏低和实时性较差等问题,提出一种基于神经网络故障诊断分类模型。首先引入分布式思想对1D-ResCNN进行改进,构建分布式特征提取卷积神经网络(DFECNN);然后引入了模型压缩技术对DFECNN模型进行轻量化处理,构建轻量型DFECNN模型。最后,基于上述内容,构建化工设备状态分布式诊断模型。结果显示,在研究构建的模型中,ReLU模块中的计算方式更具有细粒度,更适合整体标注模型,检测性能更好;DFECNN模型提升了全部评价指标的标注性能,保证了研究方法在设备故障检测中的有效性。轻量型DFECNN模型在经过训练后,在进行化工设备故障识别的实际效果上,对应的整体识别灵敏度、特异性、准确率依次为75.0%、83.3%、85.0%,优于其他模型。研究构建的轻量型DFECNN化工设备状态分布式诊断模型具有较高的精度和灵敏度,能够实现化工设备故障的智能诊断和检测,从而保障化工设备的正常运行,对化工产业发展有一定的促进作用。

组合机床电液控制系统分布式故障诊断策略研究

针对组合机床电液控制系统故障诊断复杂、故障诊断精度下降的问题,提出一种分布式故障诊断策略;在组合机床电液控制系统故障分析的基础上,对电液系统关键组件进行故障诊断单元分类,构建了分布式故障诊断架构;通过智能传感器采集的相关信号,进行故障确认滤波后获取故障信息;在建立的组合机床电液控制系统试验环境中验证故障诊断策略的可靠性。实验结果表明,采用的分布式故障诊断策略能够快速地诊断故障,提高故障诊断精度。

雷暴天气过程中地闪分布的诊断分析

尝试将地闪的具体位置与一些气象参数的分布结合起来,分析了地闪位置与200 hPa高空急流、850 hPa水汽通量散度和总温度、通气管指数、K指数、风暴相对螺旋度分布的关系。发现除风暴相对螺旋度外,其它参数与地闪分布关系密切。进一步分析了一次雷暴个例,讨论了系统发展不同时期,地闪与各参数的分布特点。发现地闪集中区域向东南方向的迁移与一些参数大值中心的东南进或东移有很好的对应关系。这些结论对地闪闪区的预报和监测有非常好的指导意义。

基于贝叶斯网络和D-S证据理论的分布式电网故障诊断

提出了基于贝叶斯网络和D-S证据理论的分布式电网故障诊断模型。首先采取实时接线分析方法确定故障区域以缩小诊断范围,然后分别运用蝶形和叶形分割法分割电网,再引入重合度概念,采用重合度、重合度与子网故障系数的几何平均值进行D-S证据融合。将2种电网分割法、2种D-S证据融合法组合成4种分布式诊断模式,再与集中式一起对多个算例进行对比仿真实验。仿真实验结果表明采用蝶形分割法和几何平均值法的分布式诊断模型较为准确和合理。

多域服务环境下的分布式故障诊断算法

多域服务环境下,域间故障传播导致的跨域症状会对故障诊断算法性能造成影响。该文提出了多域服务环境下的分布式依赖模型,在该模型基础上提出分布式故障诊断算法,并从减小通信开销、更准确的症状引发评估函数和虚假症状概率3个方面对算法进行了改进。仿真结果显示,该文算法可以有效诊断多域环境下的服务故障。

基于贝叶斯网的分布式电网故障诊断方法

基于Leaky Noisy-Or贝叶斯网进行动态建模,提出了一种分布式电网故障诊断方法。该方法采用电网保护测量元件动作信号作为诊断证据。针对诊断模型中的概率参数计算问题,提出了一种事件采样的先验概率计算方法。针对利用局部信息实现分布式电网故障诊断的问题,对Leaky Noisy-Or节点模型进行推导,给出了2个推理,证明了该分布式方法的可行性。采用逐步排除的方式,动态建立了元件诊断模型和联合诊断模型,通过推理计算实现了电网故障诊断。算例证明了该方法的正确性和有效性。

用于分布式故障诊断系统的新型网络分割法

大规模电力网络的故障诊断问题可由分布式人工智能技术有效地解决。文中提出了一种用于分布式故障诊断系统的有效的网络分割方法 ,能够将大规模电力网络分割为给定数目的连通子网络 ,各子网络的故障诊断负担基本相等 ,同时每个子网络边界元件的数目最小。该网络分割法主要由 3部分组成 :形成给定电力网络的深度优先搜索树 ;将网络分割为连通的且计算负担基本平衡的子网络 ;最小化子网络的边界元件数目以尽可能减小相邻子网络故障诊断的相互重叠 ,从而节省诊断时间。提出的网络分割法已使用稀疏存储技术编程实现 ,并在 IEEE 1 4母线、30母线和 1 1 8母线系统中进行了仿真研究。结果表明该网络分割法可以十分有效地分割大规模电力网络 。

基于径向基函数神经网络的在线分布式故障诊断系统

作者建议使用分布式智能系统解决大规模电力网络的实时故障诊断问题 ,并为此提出了一种新的基于最小度排序的图形分割方法 ,它能够将大规模电力网络有效地分割为给定数目的连通子网络 ,并且各子网络的故障诊断负担近似相等 ,同时每个子网络边界元件的数目最小。然后用径向基函数神经网络完成各子网络的故障诊断。所提出的分布式智能故障诊断系统已使用稀疏存储技术编程实现 ,并在 IEEE14母线、30母线和 118母线系统中进行了仿真研究。

分布式故障诊断智能代理体系的研究

基于ＣＯＲＢＡ规范的请求代理软件技术，分析已有的状态监测与故障诊断系统，将封闭的诊断系统分解并对象化，实现网络环境中的服务对象之间的互操作和重用；在以诊断服务对象为基本元素的诊断问题求解空间中重组服务对象，按不同的应用目标，建构面向领域的故障诊断智能代理体系和面向设备的故障诊断智能代理体系，完成网络环境下的复杂机械设备多专家协同故障诊断。

混成系统的分布式诊断方法

提出了一种基于分布式自动机模型的混成系统故障诊断方法。在分布式自动机模拟的混合键合图方法下,设计并实现了系统诊断。能够在系统模式动态改变时根据相应的时间因果图模型自动生成分布式时间因果图和分布式自动机。故障发生时,根据生成的时间因果图在分布自动机内进行诊断。分布式自动机将诊断空间分解成较小规模,从而提高了诊断效率。最后,在三容水箱模型标准测试样例上进行了系统测试,结果验证了本文方法具有较高的正确性及处理效率。

基于贝叶斯网络的分布式输电网故障诊断

针对输电网拓扑结构日渐复杂且发生故障后报警信息存在不确定性的情况,提出了一种基于贝叶斯网络的分布式输电网故障诊断方法。分别建立了线路、变压器、母线的分布式元件诊断模型和联合诊断模型,并对其进行了分层。结合SCADA/RMS系统信息,对元件诊断模型采用后向推理,确定可疑故障元件;再由联合诊断模型推理,得到具有最大后验概率的故障元件组合。经过算例仿真,验证了该方法的正确性和有效性。

分布式故障诊断专家系统在运载火箭发射决策中的应用研究

根据新一代运载火箭地面测发控系统的一体化设计要求,将分布式故障诊断专家系统应用到运载火箭发射决策中,建立了运载火箭分布式故障诊断专家系统的总体结构。根据故障信息的流动方向将诊断过程分为征兆获取级、分系统诊断级以及全局诊断和决策级3级。征兆获取级通过特征提取和神经网络模块实现复杂测试数据的征兆自动获取。分系统诊断级和全局系统诊断级的诊断推理均建立在"三表制"知识表达方法上,但根据各自任务的不同,分系统诊断级采用征兆驱动的正向推理,并结合深度推理算法实现规则的遍历问题;全局系统诊断和决策级采用面向故障的反向分级推理,并提出了故障的分级策略。

基于多Agent的分布式故障智能诊断原型系统研究

近年来 ,基于多Agent的分布式智能系统已成功地应用于众多领域。本文将多Agent技术应用于故障诊断领域研究 ,以开发故障智能诊断的多Agent系统 ,提出了其原型系统的基本框架和系统实现途径及方法 ,其中着重研究了基于多Agent理论的诊断问题分布式任务分解与控制问题 ,以及诊断Agent之间的协调合作问题。原型系统的研究 。

分布式协同诊断系统DCDS

分布式协同诊断系统,由诊断管理中心、便携式维修终端及诊断中心组成。采用C/C++设计各功能模块,并利用MySQL–API实现在Linux下应用模块与数据库服务器的连接。运行时,PMA先与诊断管理中心互验身份,然后与其建立IPSec连接并发出诊断请求。诊断代理服务器为PMA提供诊断服务,并将相应的诊断中心地址信息及证书返回给PMA。PMA收到信息后与指定诊断中心认证身份并建立IPSec连接,随后发送故障诊断数据,最后由诊断中心将诊断结果直接返回给PMA。

网络管理系统分布式诊断方法研究

文中提出了一种网络管理系统的分布式诊断算法．该算法是一个基于概率模型的比较诊断算法．文中对算法的准确度和参数对准确度的影响进行了分析，并给出了准确度的上（下）界．

基于因果图的分布式诊断模型研究及应用

为了降低系统多故障诊断的计算复杂性,研究了一种基于因果图的分布式诊断模型.首先用因果网络图建立集中式模型,然后通过有向树分解技术把集中式模型转化为分布式模型,并离线计算集群表,得到局部诊断解后再采用诊断融合算法实现全局诊断.对电源系统的应用结果表明,分布式模型简化了集中式模型的计算复杂性,提高了效率,并且通过计算后的集群表及融合算法可以实现耦合故障的诊断.此种方法适用于卫星这类复杂系统的故障诊断.

分布式远程故障诊断系统的研究与实现

提出了一种新的采用三层浏览器 /服务器计算模式 ,基于 Web Service的分布式远程故障诊断系统的体系结构。这种结构使系统可以克服由于语言、平台、协议、数据结构等的差异 ,实现跨平台互操作和资源的共享 ,并给出了具体的实现方法。所设计的诊断原型系统具有良好的开放性 ,系统的诊断分析能力得到了提高。

基于CBR和MAS的分布式故障诊断系统模型研究

近年来 ,基于多Agent的分布式智能系统已成功地应用于众多领域 .将CBR技术和MAS技术应用于分布式故障诊断系统 ,提出了一种基于CBR和MAS的分布式故障诊断系统模型 ,并着重研究了模型中各Agent及组成部分的功能和它们之间的协调合作问题 .

基于Multi-Agents分布式医学诊断系统研究

医学诊断系统是一个新兴的复杂的应用系统,人工智能技术,计算机协作支持技术及高速通信网络体系结构的发展促进了计算机支持的诊断系统的发展.当前医学诊断系统的难点在于如何利用网络这个资源分布平台来获取所需要的数据及在数据不完整状态进行推理求解,而这些问题的解决在于能够有一种机制使得能在一个标准的应用系统结构中准确的表示并获取信息及集成各种医学资源使之相互协作.本文描述了一种利用多智能体(Multi-agents system,MAS)体系结构和中间件(middleware)技术如公共请求代理结构(Common Object Request Broker Architecture,CORBA)进行设计的分布式医学诊断系统.该系统能集成多种医学资源和医学应用实体并且能实现参与诊断的医学实体之间的协作,以减少由于信息缺乏而带来的诊断偏差.另外本文还将一种实验室开发的模糊最小最大神经网络(Fuzzy Min—Max Neural Network,FMMNN)的模糊规则提取方法应用于该系统以证实该分布式诊断系统的优越性.