A Novel Outage Capacity Objective Function for Optimal Performance Monitoring and Predictive Fault Detection in Hybrid Free-Space Optical and RF Wireless Networks

This study develops an optimal performance monitoring metric for a hybrid free space optical and radio wireless network, the Outage Capacity Objective Function. The objective function—the dependence of hybrid channel outage capacity upon the error rate, jointly quantifies the effects of atmospheric optical impairments on the performance of the free space optical segment as well as the effect of RF channel impairments on the radio frequency segment. The objective function is developed from the basic information-theoretic capacity of the optical and radio channels using the gamma-gamma model for optical fading and Ricean statistics for the radio channel fading. A simulation is performed by using the hybrid network. The objective function is shown to provide significantly improved sensitivity to degrading performance trends and supports of proactive link failure prediction and mitigation when compared to current thresholding techniques for signal quality metrics.

基于STFF-ShuffleNet的掘进机截割头故障诊断

目的为了解决掘进机截割头故障振动信号信息量大且难以充分提取和现有的掘进机截割头故障诊断模型参数量多且计算量大,训练需要耗费大量时间,部署和使用对硬件设备的性能要求严苛的问题。方法提出一种小体积和运行速度快的轻量化网络模型时空特征融合(STFF)-ShuffleNet用于掘进机截割头故障诊断研究。ShuffleNet在模型进行时空特征提取时引入深度可分离卷积提高模型的运算效率,再对融合后的时空特征做通道混洗和分组卷积,既解决了通道分组的问题又提高了诊断精度。通过悬臂式掘进机截割头实验台模拟不同故障条件,将采集到的振动信号输入模型中进行测试。结果实验表明,STFF-ShuffleNet模型对掘进机截割头的诊断与其他传统模型相比参数量少,收敛速度快,运行效率更高,更容易满足掘进机截割头故障诊断高实时性要求,准确率达到99.3%。结论STFF-ShuffleNet模型对提高掘进机截割头故障诊断效率和降低硬件要求提供了一种新的解决思路。

基于混合强化学习的主动配电网故障恢复方法

针对高比例新能源接入的配电网故障恢复问题,提出一种基于混合强化学习的主动配电网故障恢复方法。首先,以故障损失最小为恢复目标、配电网安全运行要求为约束条件,构造主动配电网的故障恢复模型;其次,建立用于故障恢复的强化学习环境,根据状态空间和动作空间特点,提出一种混合强化学习方法,该方法使用竞争架构双深度Q网络算法处理离散动作空间,进行开关动作;然后,使用深度确定性策略梯度算法处理连续动作空间,调节电源出力;最后,通过IEEE33节点系统仿真实验验证所提方法的可行性和优越性。

基于通道信息不平衡度的多元经验模态分解方法

在轴承多通道振动信号中,由于多通道故障信息不平衡会导致轴承故障诊断精度降低。针对这一问题,提出了一种考虑多通道故障信息不平衡的,基于多元经验模态分解(MEMD)的轴承故障特征提取与诊断方法。首先,分析了传统MEMD随机选择映射方向的缺陷,设计了依据通道间故障信息不平衡度自适应调整映射方向的策略,使分量信号中包含更多故障信息,并基于多元模态分解结果构造了特征空间;然后,基于冗余属性投影法对多通道提取的故障特征进行了融合,得到了多通道融合的本质故障特征;最后,采用反向传播(BP)神经网络进行了故障模式识别,设计了三层神经网络结构,且使用误差反向传播法进行了参数训练,并制定了基于BP神经网络的轴承故障诊断流程。研究结果表明:改进MEMD提取特征的类边界比传统方法更加明确,说明改进方法能够提取更具代表性的故障特征;从诊断精度看,与传统多元模态分解方法、完备集成辛几何分解方法相比,改进MEMD方法的诊断准确率最高,达到了99.5%。实验结果验证了改进方法在多通道故障诊断中是可行的,且从诊断精度上看,其具有一定的先进性。

航天器流体回路泵智能故障诊断方法

开展了航天器流体回路泵智能故障诊断方法研究,将BP神经网络、粒子群优化(PSO)-BP神经网络、遗传算法(GA)-BP神经网络和模糊神经网络4种模型应用于故障诊断,以温度、流量、出口压力、转速4类状态参数作为神经网络输入,状态标志作为输出进行训练,通过均方误差、相关系数、模型训练评分对模型训练效果评价,从而实现模型优选,完成故障诊断。利用在轨遥测数据进行应用验证,结果表明可以准确识别流体回路泵的正常和叶轮卡死泵功能丧失两种在轨实际状态类型,且模糊神经网络相对其他3种神经网络具有更好的诊断效果。

基于数学形态学和沃尔什变换的配电网高阻接地故障检测

配电网中高阻接地故障(high impedance grounding fault,HIGF)时常发生,故障一维零序电流信号特征模糊、微弱,极易与励磁涌流、电容器投切信号混淆。为此,提出一种基于相空间重构、数学形态学(mathematical morphology,MM)-沃尔什变换(Walsh transform,WT)的HIGF识别方法。首先,使用联合参数选取算法确定延迟时间和嵌入维数,利用坐标重构法对仿真零序电流信号进行相空间重构,获得重构轨迹图,以发掘在一维空间无法观测到的特征;然后,使用MM对重构图像进行去噪以及边缘特征提取;接着,采用MM-WT算法提取重构图像特征;最后,计算提取的图像特征的脉冲因子和对称因子,实现对HIGF和其他扰动事件的识别。在PSCAD/EMTDC和RSCAD/RTDS上进行仿真实验,结果验证了所提算法的可靠性和可行性。

基于SFN-SD的北极冰区船舶航行风险传递路径研究

为明晰北极冰区船舶航行风险传递路径,从人员、船舶、环境、管理4方面识别北极冰区航行风险因素,并应用空间故障网络(SFN)理论和决策试验与评估实验室(DEMATEL)方法,分析船舶北极航行风险事件;采用主观数据获得风险传递概率和传递路径,构建北极冰区船舶航行风险传递网络模型;基于永盛轮北极航行记录数据,运用系统动力学(SD)方法,仿真并验证北极冰区船舶航行风险传递网络模型。结果表明:船舶北极航行风险事件中,8种为边缘事件,14种为过程事件,8种为最终事件;从边缘事件到最终事件有15条网络传递路径;经实例验证,所构建的风险传递网络模型可靠;通过该模型能够描述风险事件的传递效应和传递路径,获得最终风险事件的动态概率曲线,揭示北极冰区船舶航行风险传递的规律,为风险防范措施的制定提供技术支持。

基于FTA-BN模型的有限空间作业事故案例分析

为了减小有限空间的作业风险,降低事故发生率,本研究构建了有限空间作业的事故树—贝叶斯网络事故致因模型(FTA-BN模型),用事故树分析法全面梳理出“人—机—环—管”4个维度的风险因素,结合作业事故数据采用专家打分和模糊数处理定量得出基本事件的发生概率,再通过贝叶斯网络计算出所有事件的后验概率。结果表明:盲目施救、中毒窒息、燃烧爆炸等是有限空间作业事故发生的主要风险因素,针对分析结果提出了更有针对性的对策措施,验证了该模型的可行性和适用性。

基于相空间张量分解的有载分接开关故障诊断

有载分接开关一次档位切换过程中伴生的振动信号与其机械状态密切相关。文中基于有载分接开关档位切换过程中振动信号的高维相点空间分布,对有载分接开关多个位置处的振动信号进行张量化表示,用以捕捉尽可能丰富的有载分接开关机械状态信息。然后对所构建的相空间三阶张量进行Tucker张量分解以获取核心张量,据此建立基于卷积神经网络的有载分接开关机械故障判别模型。以某CM型有载分接开关动作时的振动信号为例进行分析,结果表明,有载分接开关动作时的振动信号的相空间核心张量信息全面且冗余少,所构建的基于卷积神经网络的有载分接开关机械故障诊断模型性能良好,准确率超过95%,可为有载分接开关的故障识别及状态维修提供参考依据。

考虑广域行波信号强噪声干扰的输电线路故障定位

为解决噪声数据影响故障定位精度及现有定位模型对相邻测点信息利用不足的问题,提出了时-空多级去噪与时-空图卷积网络相结合的输电网故障定位方法。首先,利用时-空多级去噪方法实现各测点行波信号的噪声抑制;其次,将行波测点及测点间的架空线作为节点和边构建广域行波图数据;然后,时-空图卷网络根据各测点的拓扑关联挖掘广域行波特征,选定故障线路并利用自适应权重融合多源测距结果;最后进行算例分析。结果表明,所提方法在强噪声干扰环境下故障选线精度高且故障测距误差小,可有效提高输电网运行的经济性。

基于改进神经网络的电压监测仪故障自动诊断方法

为使电压监测仪母线端的纯电感负载保持较低数值水平,从而实现对电网故障行为的准确诊断与控制,提出基于改进神经网络的电压监测仪故障自动诊断方法。通过集成与优化处理神经网络的方式,判定故障样本空间的构成有效性,再联合自适应阈值结果,实现基于改进神经网络的电压故障类型定义。在此基础上,设置故障定位规则,根据已知的故障特征分析原理,实现对诊断参数的按需选取,完成基于改进神经网络电压监测仪故障自动诊断方法的设计与应用。对比实验结果表明,与改进堆叠型诊断手段相比,在改进神经网络作用下,电压监测仪母线端的纯电感负载作用得到有效控制,可满足准确诊断并控制电网故障行为的实际应用需求。

含有单向环的多向环网络结构及其故障概率计算

树形拓扑结构是网状拓扑结构的特例,即空间故障树（SFT）是空间故障网络（SFN）的特殊形式。研究更广泛的系统的可靠性与影响因素的关系,将SFT理论中系统结构的树形表示改为网状表示,形成SFN。给出SFN的性质、基本结构及其与SFT转化方法。SFN的结构包括一般网络结构、多向环网络结构及含有单向环的多向环网络结构。由于单向环的特殊性,具有循环连锁发生故障的特征,无法单独构成SFN,因此将其加入多向环网络结构形成含有单向环的多向环网络结构。重点论述含有单向环的多向环网络结构的表示方法和故障概率计算方法。研究结果表明：构建的SFN可处理具有网络结构的故障发生过程,同时SFN可转化为SFT,进而可利用SFT现有理论方法分析故障过程。

空间故障网络及其与空间故障树的转换

空间故障树是一种研究系统可靠性与影响因素关系的理论体系,用树型结构描述元件与系统之间的可靠性关系,但实际故障发生过程是复杂的,难以表示成树型结构,而更为广泛的是网状结构。因此,尝试将空间故障树中的树型结构转换为网络结构,进而形成空间故障网络。给出空间故障网络的定义、性质及其与空间故障树的转换方法。目的是将空间故障网络转换为空间故障树,以利用空间故障树已有研究结果。给出一般结构和多向环结构的空间故障网络及其转换为空间故障树的方法,为使用空间故障树理论研究一般网络结构故障发生过程提供方法。

空间故障树与空间故障网络理论综述

为了研究多因素变化对系统可靠性的影响,在2012年提出空间故障树理论。随着研究的深入,在2015年逐渐将智能科学和大数据技术引入空间故障树,作为分析故障大数据和因素间因果逻辑关系的处理方法。进一步地,由于实际故障发生过程中事件和影响因素多是相互联系的网状结构,在空间故障树基础上提出空间故障网络理论。其主要用于描述自然灾害和人工系统故障发生过程,是研究系统故障演化过程的理论。上述理论发展可归纳为3个阶段:空间故障树基础、空间故障树改进、空间故障网络基础。通过综述形式总结并论述了以往空间故障树及空间故障网络的提出、发展过程和作用,以使读者对空间故障树和空间故障网络有一个较为全面的认识,并以此为基础在安全科学,特别是系统可靠性领域做出更大贡献。

系统故障演化过程描述方法研究

为了解系统故障演化过程,提供可行的描述方法,进一步对空间故障网络理论进行研究。将原有空间故障网络结构W=(V,L,R,H,B)改为W=(O,S,L,X),即用四要素对象、状态、连接和因素描述故障演化过程构建空间故障网络。提出枚举法和实例法具体进行故障演化过程描述。研究三级往复式压缩机的第一级故障过程,并辨识了事件的对象、对象的状态及事件的逻辑关系,绘制了空间故障网络。以V 10和V 2为例得到了转换的空间故障树,并以V 2为例研究了故障演化过程。得到了127种故障模式,其中64种有利于V 2发生,剩余63种不利于发生。根据演化过程描述需要将故障演化过程进一步分类,论述了故障演化机理。

系统故障演化过程最终事件状态及发生概率研究

为探究系统故障演化过程(SFEP)中系统故障的发生特征,基于空间故障网络(SFN)和量子博弈理论提出最终事件状态及发生概率确定方法,以管理者和操作者的安全和不安全行为制定博弈假设,通过量子力学方法表示混合策略概率;研究单一事件混合策略的概率、事件逻辑关系的量子博弈表示、最终事件状态形式及发生概率。结果表明:利用管理者和操作者的静态博弈确定预期收益,求导得到各方安全和不安全行为概率,即可得到最终事件全部状态的发生概率;但由于安全和不安全行为概率是由管理者和操作者收益确定的,因此最终事件全部状态的发生概率是不精确的。

少故障数据条件下SFEP最终事件发生概率分布确定方法

为了在获得少故障数据条件下得到适合的系统故障演化过程(system fault evolution process,SFEP)中最终事件发生概率分布,提出一种考虑信息扩散且数据较少情况下的最终事件发生概率分布计算方法。该方法利用信息扩散原理以事件发生时因素为中心在研究区域内形成正态分布。同一事件的多次发生在研究区域中取最大值形成该事件发生概率分布,从而得到SFEP中边缘事件发生概率分布。将SFN中事件关系表示为关系组从而叠加关系,得到最终事件发生概率分布解析式计算分布。研究表明,所得结果与原有精确结果具有较高的符合性,但所需故障数据则少得多。可借助该方法在少故障数据条件下研究SFEP最终事件发生特征。

空间故障网络中边缘事件结构重要度研究

为研究系统故障演化过程中各事件的结构重要度,在空间故障网络框架内提出了边缘事件结构重要度的概念。利用经典故障树基本事件结构重要度思想,考虑边缘事件状态转化,提出了二元结构重要度和概率结构重要度;考虑研究对象网络系统和最终事件的不同,进一步划分为边缘事件网络结构重要度和边缘事件最终事件结构重要度。给出了这些定义的含义及计算过程。最终通过实例故障演化过程计算了上述4种边缘事件结构重要度。研究进一步完善了空间故障网络理论体系。

空间故障网络的柔性逻辑描述

为使空间故障网络(space fault network,SFN)描述系统故障演化过程(system fault evolution process,SFEP)时能蕴含信息的不确定性和演化特征,克服因素、数据和演化本身的不确定性,提出使用柔性逻辑对SFN进行描述和改造。首先论述了SFN存在的问题和使用柔性逻辑解决这些问题的可能性。使用柔性逻辑描述SFN,应从SFN的最基本单元、事件发生关系、SFN结构方面进行。给出了SFN中与、或和传递关系的柔性逻辑表示。在柔性逻辑条件下给出了SFN的关系组,进而得到SFN最终事件状态的柔性逻辑表示。实例结果蕴含了SFEP中各事件、因素和演化过程之间的柔性逻辑关系及其不确定性,为SFEP的智能化研究提供了新方法论和理论基础。

耦合体系拓扑空间的局部损坏与子空间的重构

本文设想由蚁穴和食物源之间多条可能路径形成一个网络结构空间,考察该空间的拓扑结构发生局部改变或出现缺损时,对蚁群寻找最佳路径的影响。采用蚁群优化算法进行模拟计算,构建出让耦合体系重新达到最优状态时所对应的拓扑结构,计算出相应的连接通道。研究发现,利用蚂蚁可搜索出新的路径通道,一方面,蚁群可以搜索出替代的路径通道,构建出子空间来弥补局部缺损带来的影响,恢复体系的相应功能;另一方面,蚂蚁搜寻的最佳路径与出现局部毁损的时间长短有关,分别对应于局部最优解和组合式最优解。研究表明,利用蚁群优化算法,不仅可以构建新的子空间修复信息通路,而且可以通过对信息过载现象来预测和排查神经网络或信息网络中的局部病变或故障所在。