基于统一理论框架的故障诊断模型及学习进化方法

本文以概率图理论为基础,系统研究了基于这一理论框架的故障诊断模型,对模型的构建方法以及在不同场景下的模型演化方案进行了探讨,使得在统一理论框架下可实现多模式系统故障诊断、耦合故障诊断、动态故障诊断、故障预测等复杂情形的诊断。为了弥补单独利用基于模型的方法和基于数据的方法的缺陷,研究了诊断模型的学习进化策略,实现了诊断效果的改进和优化。另外,对模型后续的能力扩展和可能的研究方向进行了展望,为后续理论研究提供了参考。     

脉冲功率电源故障诊断方法研究

脉冲功率电源是电磁发射系统中最容易发生故障的薄弱环节,脉冲功率电源故障会使整个系统性能下降。针对脉冲功率电源故障,提出基于多层小波分析提取故障信息的模式搜索支持向量机故障诊断方法。通过建立脉冲功率电源的软故障模型,进行仿真分析获得电流故障数据样本,对故障样本进行离散小波分解,获得指定层细节信息的小波系数作为故障特征量;对故障特征量进行主成分分析,将小波系数进行降维,以便有效地进行故障诊断。通过实验,将所提方法故障诊断结果与其他三种故障诊断结果进行比较,验证了所提方法的有效性。     

超算环境科学工作流应用的容错

超算环境中科学工作流技术广泛应用于科学研究和工程仿真领域。复杂多物理过程数值模拟、多阶段数据处理等应用往往需要使用多种应用软件相互协作,构建业务流程自动执行来提升工作效率。然而在超算环境中执行科学工作流应用面临着资源失效、任务配置错误等异常情况,造成工作流执行中断,严重影响完成效率,故容错功能对超算工作流应用的稳定持续运行有重要意义。介绍了科学工作流的容错设计分类,并对典型工作流系统的容错设计进行分析评述;提出了基于决策树的事件-条件-动作容错模型,设计了非侵入式可扩展的容错架构,并针对自主研发的部署在超算环境下的科学工作流应用平台HSWAP,实现了运行时可配置的容错策略。在实际的工程仿真任务中,基于所提出模型和架构实现的容错机制为提高工作流执行效率发挥了重要作用。     

一种嵌入式系统中软硬件故障的划分方法

软硬件故障是嵌入式系统可靠性的关键问题之一,如何划分软硬件故障对于整个系统的可靠性研究来说是至关重要的,也是最基本的一步.给出了软硬件故障的基本定义,并与单纯的软件故障和单纯的硬件故障进行了对比,总结了软硬件故障的基本特点.在此基础上,归纳了几条软硬件故障的划分原则,提出了一种软硬件故障的划分流程,并通过形式化方法对某装备的具体软硬件故障进行了划分,为进一步的研究提供了有力的依据.     

基于最大后验概率候选集更换法的多故障诊断策略研究

给出了一种基于最大后验概率候选集更换法的多故障诊断策略,并深入阐述了基于最大后验概率候选集更换法的形式化描述,分析了对单故障诊断和多故障诊断的计算模型,提出了基本的故障诊断算法——改进二进制粒子群算法,并对抽象实例进行验证,结果表明,采用改进BPSO算法能有效地求解基于最大后验概率候选集更换法的多故障诊断问题。     

线性系统的鲁棒容错控制设计方法

考虑了线性故障系统的鲁棒容错控制问题。利用状态反馈特征结构配置参数化结果,提出了一种鲁棒容错控制设计方法。该方法将故障系统的鲁棒容错控制问题转化为含有约束的最小化问题。数值算例及其仿真结果验证了所设计方法的简单性和有效性。     

故障预测与健康管理技术的应用与发展

基于故障预测与健康管理（Prognostics and Health Management,PHM）系统框架,分析了PHM技术在装备维修保障中的重要意义,概述了PHM技术的发展过程及应用现状,重点讨论了当前故障预测与健康管理所采用的关键技术,包括先进传感器技术、数据传输技术、数据挖掘与信息融合技术、健康评估与故障预测技术、智能推理与决策支持技术等,最后展望了PHM技术的发展趋势。     

基于层间嵌入式多级支持向量机的特征选择

针对多故障样本一次性映射之后分类不理想,研究了多级层次式支持向量机,应用UCI数据仿真,结果表明该方法缩短了训练时间、提升了测试准确率、改善了样本的可分类性。由于误差积累,在此基础上,提出了层间嵌入式多级支持向量机,采用Abalone数据仿真,结果表明分类精度有所提高并减少了分类步骤。结合ReliefF算法,对制导设备的故障特征参数进行了选择。     

一种新的CLEFIA多字节差分故障分析方法

阐述了CLEFIA分组密码算法及故障分析原理,根据在CLEFIA密码第r轮与第（r-2）轮注入多字节故障,提出了一种新改进的针对CLEFIA的多字节故障模型及分析方法,并通过软件仿真实验进行了验证。结果表明,CLEFIA算法的Feistel结构和差分S盒特性使其易遭受多字节故障攻击,而改进算法使得密钥的恢复效率大大提高。     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。