基于人工免疫的故障诊断模型及其应用

提出了一种基于免疫原理的故障检测及诊断系统模型.通过对检测对象正常工作状态下获得的自己模式串的阴性选择,随机产生初始检测器;利用基于人工免疫的进化学习机制,实现对检测对象异常工作状态下获得的非己模式串进行学习和记忆;利用进化学习结果和系统故障信息库知识,区分和标记不同故障在状态空间上对应的区域.将抗原学习过程中抗体集合变异所产生的各代抗体集合看作随机序列,给出了序列的收敛条件及证明,证明了所提出的动态免疫进化学习算法是概率弱收敛.应用于机床齿轮箱故障检测和诊断问题的实验结果表明了所提出方法的有效性.

一种基于人工免疫的数据模式进化学习模型及其应用研究

提出了一种基于人工免疫的数据模式进化学习模型及其相应的算法,给出了抗体(检测器)群体合理数量的确定方法。将其应用于机床齿轮箱运行状态检测及故障诊断,实验结果表明,所提出的模型和动态克隆进化算法能对检测器群体的分布和总数量实现动态优化,对数据模式进行聚类,获得了较高的异常检测准确率和较强的故障诊断能力。

基于多信息的变压器故障免疫诊断方法

根据免疫系统中抗体对抗原的识别机制提出一种基于免疫方法的变压器故障诊断模型。给出了功能模型结构,详细分析了模型的识别及学习方法。该方法可以快速准确地多分辨识别变压器故障,对新故障具有较强的学习能力,有效提高了诊断效率,解决了诊断中学习能力不足的问题。实验证明该模型诊断性能良好,在变压器在线监测中有良好的应用前景。

基于人工免疫系统的单类分类算法研究

为了增加检测器的覆盖率,提高算法性能,对V-detector检测器生成算法进行改进,提出了一种不限定检测器中心点位置的检测器生成算法。在检测器生成时,使大部分检测器中心点仍然在问题域内,覆盖问题域内的非我区域,少量检测器中心点位于问题域之外,覆盖问题域边缘。改进后的检测器生成算法中,检测器中心点分量服从正态分布,检测器覆盖问题域边缘的能力增强,检测器覆盖率更高。在基准数据集上的实验结果表明,改进后算法的性能有显著提高。

一种实数编码的免疫学习算法

针对异常检测问题,提出了一种基于实数编码的免疫学习算法,就算法收敛的条件、是否收敛等重要问题进行了研究;给出了算法中重要参数的取值范围。实验结果表明,提出的算法能实现对抗体分布状况的动态优化和对数据模式进行聚类,获得了较高的异常检测准确率。

基于人工免疫的故障检测及诊断模型

提出了一种基于人工免疫的故障诊断进化学习模型及其相应的算法.通过对检测对象正常工作状态下获得的自己模式串的阴性选择,随机产生初始检测器;用基于人工免疫的进化学习机制实现对检测对象异常工作状态下获得的非己模式串的学习和记忆;利用进化学习结果和系统故障信息库知识区分和标记不同故障在状态空间上对应的区域.应用于机床齿轮箱故障检测和诊断问题,实验结果表明了所提出方法的有效性.