Kalman filter based fault diagnosis of networked control system with white noise

The networked control system NCS is regarded as a sampled control system withoutput time-variant delay. White noise is considered in the model construction of NCS. By using theKalman filter theory to compute the filter parameters, a Kalman filter is constructed for this NCS.By comparing the output of the filter and the practical system, a residual is generated to diagnoseme sensor faults and the actuator faults. Finally, an example is given to show the feasibility ofthe approach.

Design and implementation of an expert system for remote fault diagnosis in ship lift

In this paper an expert system for remote fault diagnosis in the ship lift was developed by analysis of the fault tree and combination with VPN. The fault tree was constructed based on the operation condition of the ship lift. The diagnosis model was constructed by hierarchical classification of the fault tree structure, and the inference mechanism was given. Logical structure of the fault diagnosis in the ship lift was proposed. The implementation of the expert system for remote fault diagnosis in the ship lift was discussed, and the expert system developed was realized on the VPN virtual network. The system was applied to the Gaobaozhou ship lift project, and it ran successfully.

基于深度置信网络的电网安全稳定控制系统故障诊断方法

安全稳定控制系统(安控系统)控制节点多、控制链条长,若因故障导致拒动或者误动,将给电网的运行造成严重危害。安控系统的故障诊断是电力系统安全稳定运行的基础。现有安控系统的故障诊断主要依赖于技术人员依据通信报文辅助判别异常原因,难以对安控系统各个环节故障进行实时诊断。为此,分析了安控系统故障的存在环节和产生原因,提取了安控系统故障特征量;建立了基于深度置信网络的安控系统故障诊断模型,提出了安控系统故障诊断方法;最后选取安控系统运行故障样本,验证了故障诊断方法的正确性。

一种贝叶斯网络的卫星姿态系统故障诊断方法

姿态控制系统是卫星系统中重要的组成部分,由于其高昂的造价,发生故障会引发恶劣的影响。随着航天科技的发展,卫星姿态控制系统也逐渐复杂,其可能发生故障的概率也随之增大。针对传统神经网络故障诊断结果缺少置信度、鲁棒性较差以及易发生过拟合的缺点,在对贝叶斯统计和深度学习理论研究的基础上,提出了一种基于贝叶斯线性层与贝叶斯卷积层的Bayesian Le Net结合的网络模型。通过对卫星姿态控制系统飞轮部件的故障数据分析和处理,进而采用该模型对故障仿真,并与贝叶斯全连接神经网络与传统Le Net进行对比,实验结果表明:在飞轮可能发生的三种故障前提下,上述网络模型准确率较高,过拟合现象较轻。验证了上述网络模型的有效性。

基于GA改进ANN算法的车载网控系统故障诊断

车载网控系统是保证运行安全的一类重要控制设备,也是确保系统稳定运行的核心部件。为了提高车载网控系统故障诊断效率,通过遗传算法(GA)具有的全局寻优功能来实现对神经网络初始阈值与权值的优化,把寻优结果代到神经网络内完成训练过程;使ANN泛化方法具有的映射性能获得充分利用可以防止产生局部极小值情况,获得更高的分类精度;利用实例分析方式测试车载故障诊断过程的有效性。研究结果表明:采用GA改进ANN算法可以有效优化平均误差及数据正确率,有效降低迭代次数,表明可以通过GA改进ANN方法来提升神经网络运算性能。经过遗传算法优化处理的ANN在训练过程中可以获得比初始ANN更快时收敛速率。

基于传染病和网络流模型分析APT攻击对列车控制系统的影响

高级可持续威胁(APT)是目前工业控制系统面临的主要威胁之一。APT攻击利用计算机设备漏洞入侵列车控制网络,感染并且扩散到网络中的其他设备,影响系统正常运行,因此评价APT攻击对列车控制系统的影响非常必要。提出一种基于传染病模型和网络流理论结合的APT攻击影响分析方法。首先,分析在APT攻击的不同阶段设备节点状态之间的转化规则,结合传染病理论建立APT攻击传播模型,研究攻击过程中的节点状态变化趋势;其次,把设备节点的状态变化融入网络流模型中,研究APT攻击过程中设备节点状态变化对列车控制网络中列车移动授权信息流的影响;最后,结合列车控制系统的信息物理耦合关系,分析APT攻击对列控系统整体性能的影响。仿真实验展现了APT攻击过程中节点状态变化的趋势,验证该方法在分析APT病毒软件在列车控制网络中的传播过程对列车控制系统整体性能影响的有效性,为管理者制定防御方案提供依据,提升列车控制系统信息安全水平。

基于ChatGLM的水生动物疾病诊断智能对话系统的优化研究

水产品作为重要的食物来源之一,在养殖过程中出现的疾病问题严重影响着养殖业的可持续发展。针对水生动物疾病诊断智能对话系统存在复杂的专业性知识和准确性低的问题,提出一种基于ChatGLM模型的改进水生动物疾病诊断相关问题的优化方法。该方法通过在ChatGLM模型的中间层插入Adapter模块,针对相关的专业问题进行微调,提高了模型的专业性和准确性。同时采用P-tuning方法对输入部分进行高效的参数微调,使得对特定任务的调整更加精确。通过在水生动物疾病诊断对话数据集上的验证得出,该方法的双语评估替补(BLEU)指标从65.3%提升至75.1%,有效地解决了水生动物疾病诊断智能对话系统存在的准确性和专业性问题,为水生动物疾病诊断提供了有价值的辅助决策。

面向实际化工过程故障诊断的强化深度卷积神经网络模型构建与应用

基于数据驱动的故障诊断技术可以帮助操作人员及时有效发现和检测异常情况,是当前工业与大数据融合的热点领域之一。深度卷积神经网络(deep convolutional neural networks,DCNN)是最常用的基于数据驱动的故障诊断模型,但其激活过程存在正负值计算不匹配以及信息流通效率低导致的参数冗余问题。本文提出一种基于最大平滑单元(maximum smoothing unit,MSF)函数的新激活机制克服传统激活函数的缺点,并且引入注意力机制(attention mechanism)结合门控循环单元(gated recurrent unit,GRU)提升DCNN的信息流通效率克服参数冗余问题,以综合提升传统DCNN模型的故障诊断性能。强化深度卷积神经网络(enhanced deep convolutional neural networks,EDCNN)的现有模型表现出显著提高的故障诊断性能,这在工业致动器控制系统和工业酸性气体吸收过程中的应用得到了验证。两个过程的平均故障诊断率均超过99.0%。

基于CNN算法的巡飞弹控制器故障诊断

巡飞弹所处应用环境复杂,并且其对安全性、可靠性有较高的要求,控制器是保障其安全可靠飞行的核心部件,对控制器进行高效准确的故障诊断具有重要意义。首先,对巡飞弹控制器传感器和执行结构的故障进行分析,并对每种故障进行数学建模,提出控制器的故障模型。采用深度学习对故障进行诊断,先设计了基于CNN算法的诊断模型网络结构,并设置了不同的学习率和步数进行实验,对CNN算法进行改进,以此提高模型的识别精度和稳定性。最后优化了深度学习的网络结构,设置了不同的优化器、学习率、激活函数作为对比实验,得到最合适的模型参数。通过实验验证,改进后的CNN算法可有效提升实验精度提升,以实现高精度故障诊断。

基于序列-图像映射的航天器智能故障诊断方法

卫星组网是未来航天的发展大趋势,要保证众星在轨安全可靠稳定运行,要求单星具备高精度的在轨自主故障诊断能力。针对航天器控制系统故障闭环传播和数据维数高的特点,结合某航天器的地面测试数据,首先对高维耦合序列数据进行处理,实现序列到灰度图像的映射,然后采用卷积神经网络完成高精度同一故障部件的故障诊断。通过将所提方法与K邻近算法、基于主成分分析的K邻近算法等非图像化机器学习算法进行对比验证,说明了所提方法的有效性。

基于PNN神经网络的凿岩台车电液控制系统故障诊断研究

针对凿岩台车电液控制系统故障诊断效率低的问题,该文提出一种结合故障树分析法和概率神经网络(probabilistic neural network,PNN)的故障诊断方法。首先,基于电液控制系统的结构和工作原理构建其故障树模型;然后通过对故障树模型进行定性分析,确定其最小割集和典型故障种类,以选取的典型故障种类的关键参数构建故障征兆矩阵,通过PNN神经网络对该矩阵进行训练和计算,实现对系统典型故障状态的自动识别。实验结果表明,该文方法的平均诊断时间为1.2 s,平均诊断准确率为80%,能够快速准确地定位系统故障,可满足凿岩台车电液控制系统故障诊断的工程实际需求。

基于改进蚁群算法的电力集控系统故障诊断方法

针对提高供电连续性和可靠性,保证电能质量的目的,采用基于改进蚁群算法,提出了电力集控系统故障诊断方法。通过传感器和数据传输接口形式获取电力集控系统实时运行信息,将其作为输入,建立电力集控系统故障诊断模型。运用改进蚁群算法对电力集控系统故障诊断模型进行求解,通过蚂蚁迭代方式得到电力集控系统故障诊断模型的最优解,实现电力集控系统故障诊断模型求解。实验表明,该方法具备较好的电力集控系统故障特征提取能力和故障诊断能力,同时其故障诊断时的容错率数值较低,数值在0.2%上下波动,求解电力集控系统故障诊断模型的迭代能力较强。

基于IDBO-RBF的自适应巡航系统轮速传感器故障诊断

汽车自适应巡航系统发生故障,将会造成巨大的生产经济损失,甚至直接危害人身安全。该文提出一种基于改进蜣螂算法(improved dung beetle optimizer,IDBO)优化RBF神经网络的自适应巡航系统轮速传感器故障诊断方法。首先,利用Matlab建立自适应巡航系统轮速传感器故障仿真模型,提取出故障诊断模型的特征参数;其次,用融合了Levy飞行和自适应权重对蜣螂算法进行优化,用优化后的算法建立IDBO-RBF故障诊断模型;最后,与传统BP和DBO-RBF模型进行对比验证,实验结果表明,IDBO-RBF模型在故障诊断精度上达到96.8%,可以有效诊断自适应巡航系统轮速传感器的故障类型。

配电网电源系统中的故障诊断与智能恢复策略研究

随着电力系统的不断发展,配电网电源系统作为电力供应链的重要组成部分,其稳定运行对于保障电力系统的可靠性具有重要意义。文章旨在研究配电网电源系统中的故障诊断与智能恢复策略,为配电网电源系统的安全、高效运行提供坚实的技术支撑。通过系统剖析配电网电源系统的组成结构、常见故障类型及其原因、先进的故障诊断技术等内容,为提高系统运行的稳健性和智能化水平提供技术支持。同时,重点关注智能恢复策略的协调控制、故障隔离和系统重构等核心内容,并通过案例分析评估了这些策略在实际应用中的效果。

基于模糊神经网络的火电厂热控系统故障诊断方法

火电厂热控系统运行是由众多组件配合实现的,故障诊断难度较大,为此提出基于模糊神经网络的火电厂热控系统故障诊断方法。从火电厂热控系统自身构成和运行属性的角度出发,结合模糊控制与5层等价型BP神经网,构建了火电厂热控系统模糊神经网络模型。在模型内进行火电厂热控系统运行状态变量的前向传播和误差的反向传播,实现对火电厂热控系统的故障诊断。测试结果表明,该设计方法对设置的7种不同类型火电厂热控系统故障状态均实现了准确诊断。

基于彩虹模型的医疗机构罕见病诊疗协作评价指标体系构建研究

目的 建立罕见病诊疗协作网内医疗机构视角下的罕见病诊疗协作评价指标体系,为促进罕见病诊疗协作工作的发展提供指导依据。方法 通过文献研究法选取初始评价指标,然后开展专家咨询完善评价指标,进而采用层次分析法计算各级指标的权重。结果 创建了涵盖制度协作、组织协作、专业协作、服务协作、功能协作和价值规范协作6个维度下的18个二级指标和61个三级指标的评价体系。专家权威系数为0.75。所有指标重要性和可操作性的综合评分均大于3.5分,变异系数均小于0.25。权重最高的一级指标是制度协作(0.242),最低的是价值规范协作(0.063)。结论罕见病诊疗协作指标评价体系具有科学性和可靠性,可为协作网内罕见病诊疗协作机制的完善提供指引。

液压支架电液控制系统总线通信故障检测与诊断方法

通信系统是综采工作面液压支架电液控制系统信息传递的通道与桥梁,目前多采用CAN总线作为通信总线,易受井下复杂电磁环境的干扰,导致支架控制器内部通信硬件出现故障,造成控制器“失联”现象,且CAN总线通信系统采用多主通信模式,单台控制器“失联”将导致整个电液控制系统无法正常工作,造成安全隐患。设计了CAN通信保护电路,可使通信系统在较大负载情况下稳定运行,在复杂环境中具有较强的抗干扰性。基于CAN总线通信协议,结合令牌环网思想,提出了CAN总线通信故障检测与诊断方法,通过合理设计数据的帧结构与故障检测方式,弥补了CAN总线通信模式下节点丢失时难以定位的缺陷,并将增加数据长度对传输负载的影响降到最低,确保良好的通信性能。以2台端头控制器配合6台液压支架控制器组成环网,通过上位机不定时下发命令模拟井下实际操作时总线真实的负载情况,对液压支架电液控制系统总线通信故障检测与诊断方法进行实验验证,结果表明:该方法对系统负载率的影响较低,不会影响系统的正常运行;当出现故障节点时,可在300 ms内检测出故障控制器并向全工作面报警,故障排除率达100%。

基于IndRNN-1DLCNN的负载口独立控制阀控缸系统故障诊断

为了解决负载口独立控制阀控液压缸系统故障信息相似表征下的故障元件识别难题,提出基于独立循环神经网络(IndRNN)和一维大核卷积神经网络(1DLCNN)结合的故障诊断方法.构建负载口独立控制阀控液压缸系统,针对系统提出压力与位移信号的状态感知方案,分析了系统故障的信号特征.设计一种基于IndRNN-1DLCNN的深度神经网络模型,模型引入残差结构进行多层IndRNN设计并引入1DLCNN增强全局信息捕捉能力,实现多源信号的融合,识别发生故障的具体元件.结果表明在不同的负载工况下,利用提出的方法均能够准确地将系统故障定位至4个先导阀、2个主阀、1组位移传感器以及1个液压缸共8类具体元件,系统的整体诊断准确率最高达到96%,单一元件的故障识别准确率均大于93%.

基于深度神经网络的特高压变压器滤油注油过程故障诊断技术研究

针对特高压油浸主设备安装智能化、自动化程度较低的问题,提出了特高压油浸主设备安装智慧管控系统实现方案。在此基础上,针对特高压变压器安装过程中的滤油注油工艺,提出了一个基于深度神经网络的多分支多尺度智能故障诊断方法。该方法由多分支变换、多尺度特征提取、多分支特征融合和分类4个主要部分组成,基于过滤数据、浮球数据、管道数据、绝缘油数据、球阀数据以及液位状态数据进行故障诊断。仿真实验验证了所提出的方法的有效性与鲁棒性,比传统神经网络分析方法精度提升14.35%以上。

制浆造纸生产过程中DCS控制系统应用

制浆造纸行业作为基础工业领域,也在不断探索创新的路径,以提高生产效率、产品质量和资源利用效率。传统的制浆造纸生产过程充满了各种复杂性和不确定性,极具挑战性。综合介绍了制浆造纸生产流程以及控制需求,探讨了DCS系统在制浆造纸行业应用优势分析以及其在浓度控制、纸病诊断以及纸机传动中的应用,希望能够为制浆造纸企业的发展提供更有力的支持和指导。