基于模型诊断

摘要： 基于模型的诊断推理是人工智能领域的一个重要分支.其中由冲突部件集产生所有极小碰集是基于模型诊断推理的重要一步.根据布尔算法的特征,所有的冲突集可以划分为左右两个子集合簇,且左分支集合簇恰好为右分支集合簇的子集,这为由左分支增量产生右分支极小碰集提供了理论基础;另外,在自底向上增量归并元素的过程中,结合局部独立覆盖策略可以直接增量产生所有的极小碰集,从而避免非极小碰集和相同极小碰集的冗余产生.理论上,右分支解集可由左分支解集增量方法产生,避免了碰集中大量元素的重复计算.大量实验结果表明:本文提出的算法比之前的布尔算法及相关改进算法都具有显著的效率提升,最高可达约5倍.

摘要： 现有配电网故障诊断的最小碰集算法由于没有考虑配电网的拓扑结构特点,导致其求解速度和准确率不高,对此,提出了一种仅适用于配电网故障的改进最小碰集算法.该算法首先分析了现有各适应度函数的特点,通过加权融合的方式构建出一种新适应度函数.其次,通过分析配电网的拓扑结构,得出配电网故障的最小冲突集之间没有交集的特点,并利用该特点,提出了最小碰集判据.最后,算例分析结果表明,所提最小碰集算法在求解速度上都有较大提高,在求解准确率上略微上升,且更加适合配电网故障的基于模型诊断.

摘要： 提出一种基于动态路标的启发式方法,改进因候选诊断存在而导致的诊断回溯问题.通过离线标记和在线的动态路标,在候选诊断路径集合中选择当前最优诊断结果,推理增量诊断的可扩展状态;在线过程中,根据在线诊断结果和回溯节点调整路标,提高整体增量诊断结果效率,从而快速得到在线的诊断结果.该启发式方法减少了增量诊断中的回溯次数,在提高诊断效率的同时,也提高了局部诊断的精确度.

摘要： 最小碰集计算基于模型诊断,可应用在配电网的故障诊断中.基于智能优化算法的最小碰集计算方法,在定位效率上存在一定的提升空间.将细菌觅食算法引入最小碰集计算,针对觅食效率低下的问题,提出了一种改进趋向环节.通过测试最小冲突集和分析17节点算例的配电网得知,改进的细菌觅食算法可以更好地定位.

摘要： 基于模型诊断是人工智能研究与发展中的重要方向之一,而求解极小冲突集(minimal conflict set,MCS)是模型诊断的关键步骤.MCS-SFFO(minimal conflict set-structural feature of fault output)方法以反向深度的方式遍历集合枚举树(set enumeration tree,SE-Tree),然后针对故障输出无关元件的组合进行剪枝.在MCS SFFO方法的基础上,结合电路的故障逻辑关系提出求解极小冲突集的进一步剪枝方法MCS-FLR(minimal conflict set-fault logic relationship):首先提出单元件非冲突集定理,对单元件集合进行剪枝,避免了对无解空间中单元件节点的访问;其次,提出非极小冲突集定理,推证得出故障输出相关元件集的超集都是冲突集,故对有解空间中的非极小解进行剪枝.MCS FLR方法在MCS-SFFO方法基础上减少了大量有解空间和部分无解空间调用SAT求解器的次数,节省了求解时间.实验结果表明:相比于MCS SFFO方法,MCS FLR方法求解效率有显著提高.

摘要： Online model generation method was used to solve the problem of the un‐diagnosable system caused by incomplete modeling .T he method determined w hether there was the incomplete behavior online by establishing the ex tensible model offline and determining the maximum leng th of observations w hen diagnosablity w as available .T he incomplete behavior w as determined and classified according to the historical data and observation time of online operation ,and the diagnostic model w as redefined and the diagnoses w as generated .T he co mpleteness hypothesis w as cancelled , w hen undefined behavior existed in the system ,the diagnosis results could be obtained instead of blindly ex tending .T herefore ,the device dependence w as further reduced in the modeling process .%利用在线生成模型方法解决因建模不完备而产生的系统不可诊断问题 .该方法通过离线建立的可扩展模型和确定可诊断性时得到的最大观测长度,在线判定是否存在不完备行为;根据在线运行的历史数据和观测时间确定不完备行为并进行分类,重新定义诊断模型并生成诊断;取消了完备性假设,当系统中存在未定义行为时,可得到诊断结果而非盲目扩展,因此建模过程中进一步减少了设备依赖性 .

摘要： 基于模型诊断作为克服第1代诊断系统的缺陷而出现的智能诊断推理技术,现已成为十分活跃的人工智能研究分支,随着相关技术的不断发展,应用愈加广泛.其中,大多数研究集中于诊断求解过程,而诊断解的极小性检测方法保证了最终求得诊断解的极小性,也是问题求解过程中至关重要的一步.传统诊断解的极小性判定过程是将新求得的诊断解与已有诊断集合中的诊断解依次比较,检查是否有新得诊断解的超集或子集来判定极小性,这种方法随着求解过程中得到的诊断解数量增多,检测难度逐渐提高,耗时也随之增大.为解决此问题,提出了一种基于子集一致性检测的诊断解极小性判定的新方法:子集一致性(subset consistency detection,SCD)方法.通过对诊断解少数几个子集的一致性检测来给出该诊断解的极小性判定,避免了求解过程中诊断解集合增大对效率的影响.SCD方法可应用于许多高效的诊断方法,如GD(grouped diagnosis)和ACDIAG (abstract circuit diagnosis)方法,算法效率均有所提高.

摘要： 基于模型诊断的溯因性推理不但要求诊断的故障假说与观测量匹配,而且还要求根据观测信息推断出故障假说状态,因此存在着建模复杂、效率低的问题.而基于Petri网的诊断方法具有严格的数学逻辑,能够实现快速的矩阵运算,建模简单、效率高.将Petri网应用到配电网的故障模式辨识中,并且与基于模型诊断的一致性推理结合,形成一种快速高效的配电网故障定位方法.该方法不仅能够快速、准确地诊断出故障元件,而且能够诊断出故障模式.

摘要： 基于模型诊断是为了克服传统故障诊断方法的缺点而兴起的一项新型的智能推理技术,其应用也越来越广泛.介绍了动态系统基于模型诊断的诊断过程,综述了建模诊断方法、时序基于模型诊断方法.通过与静态诊断的比较,指出动态系统基于模型诊断的各种定义及其研究意义,并指出有待解决的问题.

摘要： 本文对基于模型诊断的一般过程进行了形式化,论证了它与本原蕴涵/蕴涵式的直接关系,从而将该理论结果与实现联系起来,进一步指出该结果具有一般性,不仅能够计算只已知部件的部分故障行为方式时的基于模型的诊断,还能够计算已知每个部件的各种故障行为方式这种情形下的基于模型的诊断,以往对基于一致性的中心诊断过程,中心溯因诊断过程以及对基于模型的中心诊断过程的形式化仅仅是文中所给出的形式化的特殊情形.

摘要： 在车辆控制模块上执行的牵引应用接收用于控制车辆的牵引轮的牵引速度控制输入。基于牵引速度控制输入，牵引应用确定与牵引轮有关的控制属性的第一设置点值。第一诊断监督程序接收与牵引轮有关的控制属性的测量值和来自牵引应用的第一设置点值。第一诊断监督程序包括车辆的牵引系统的第一模型。基于第一设置点值和第一模型，第一诊断监督程序计算与牵引轮有关的控制属性的第一虚拟值。基于控制属性的第一虚拟值和测量值，第一诊断监督程序确定车辆的牵引系统的第一操作状况。

摘要： 在车辆控制模块上执行的转向应用接收用于控制车辆的转向轮的转向控制输入，并且基于转向控制输入确定转向轮的设置点值。诊断监督程序接收控制属性的测量值和设置点值；其中第一诊断监督程序包括车辆的转向系统的第一模型。基于设置点值和第一模型，诊断监督程序计算控制属性的虚拟值，并且基于控制属性的虚拟值和测量值，第一诊断监督程序确定车辆的转向系统的操作状况。

摘要： 本发明提供了一种基于模糊故障诊断和相关性模型诊断的DR合成诊断方法，用于电子设备故障诊断。该方法首先确定各测试点监测的状态参量类型，为连续量或逻辑量；然后对连续量的测试，将测试作为故障征兆，建立模糊关系矩阵R，而对逻辑量的测试，建立相关性矩阵D，将建立的模糊关系矩阵R转置后与相关性矩阵组合为DR合成矩阵；最后针对实时测试故障状态向量，利用DR合成矩阵和DR合成诊断方程定位故障源。本发明充分考虑了系统状态参量中的连续量和逻辑量，弥补了模糊故障诊断的粗糙性，又改善了相关性模型诊断的局限性，适用于具有连续量和逻辑量的系统的故障诊断，可实现故障源的准确定位。

摘要： 本发明涉及心力衰竭识别预测领域，特别是基于CNN模型与LSTM模型的预测诊断心衰方法、系统及诊断设备、存储介质。所述方法包括采集12导联的心电信号，按预设采样率数字化所述心电信号生成ECG心电数据集；预处理所述ECG心电数据集，检测QRS波确定R‑峰；并学习训练组合CNN模型与LSTM模型，利用训练好的组合CNN模型与LSTM模型进行心力衰竭的诊断，输出结果为正常或心衰。本发明结合使用深度学习的心电图特征提取和传统人工神经网络的心电图信号分类，提取特征并对其进行排序，实现自动特征提取和选择，从而达到预测诊断心衰，实现心衰预警的效果；预测诊断的准确度高，不涉及个人判断因素，且速度快，能够有效节约医疗资源，提供诊断率。

摘要： 在车辆控制模块上执行的牵引应用接收用于控制车辆的牵引轮的牵引速度控制输入。基于牵引速度控制输入，牵引应用确定与牵引轮有关的控制属性的第一设置点值。第一诊断监督程序接收与牵引轮有关的控制属性的测量值和来自牵引应用的第一设置点值。第一诊断监督程序包括车辆的牵引系统的第一模型。基于第一设置点值和第一模型，第一诊断监督程序计算与牵引轮有关的控制属性的第一虚拟值。基于控制属性的第一虚拟值和测量值，第一诊断监督程序确定车辆的牵引系统的第一操作状况。

摘要： 在车辆控制模块上执行的转向应用接收用于控制车辆的转向轮的转向控制输入，并且基于转向控制输入确定转向轮的设置点值。诊断监督程序接收控制属性的测量值和设置点值；其中第一诊断监督程序包括车辆的转向系统的第一模型。基于设置点值和第一模型，诊断监督程序计算控制属性的虚拟值，并且基于控制属性的虚拟值和测量值，第一诊断监督程序确定车辆的转向系统的操作状况。

摘要： 本发明提供了一种基于模糊故障诊断和相关性模型诊断的DR合成诊断方法，用于电子设备故障诊断。该方法首先确定各测试点监测的状态参量类型，为连续量或逻辑量；然后对连续量的测试，将测试作为故障征兆，建立模糊关系矩阵R，而对逻辑量的测试，建立相关性矩阵D，将建立的模糊关系矩阵R转置后与相关性矩阵组合为DR合成矩阵；最后针对实时测试故障状态向量，利用DR合成矩阵和DR合成诊断方程定位故障源。本发明充分考虑了系统状态参量中的连续量和逻辑量，弥补了模糊故障诊断的粗糙性，又改善了相关性模型诊断的局限性，适用于具有连续量和逻辑量的系统的故障诊断，可实现故障源的准确定位。

摘要： 本文公开了用于基于患者的基础肤色来确定诊断的系统和方法。在实施例中，系统接收患者的基础肤色图像，通过使用参考校准简档校准基础肤色图像来生成校准的基础肤色图像，并基于校准的基础肤色图像确定患者的基础肤色。该系统接收患者部分皮肤的关注图像，并基于患者的基础肤色从多组候选机器学习诊断模型中选择一组机器学习诊断模型，多组候选机器学习诊断模型中的每组候选机器学习诊断模型被训练以接收关注图像并输出对患者病症的诊断。

摘要： 本发明公开了一种基于视觉图像的永磁驱动电机退磁故障诊断模型构建方法及故障诊断方法和系统，其中，本发明所述方法将电机表面漏磁信号作为故障诊断的原始信号，并将其转换为二维傅里叶频谱图，进而提取全局特征和局部特征并进行融合。最后利用融合后的特征构建分类器，尤其是优选softmax分类器进行故障诊断。本发明采用二维傅里叶变换将一维时域信号转换为频谱图，展现了时域信号中隐藏的有效故障特征；并通自编码器方法提取图像的视觉特征提升了特征的有效性，采用结构简单计算量少的softmax分类器进行故障诊断，有效地解决了电动汽车用永磁驱动电机退磁故障诊断难题。

摘要： 本发明公开了一种基于声谱图的CNN故障诊断模型的发动机故障诊断方法,涉及发动机故障检测的技术领域，将发动机声信号转变为声谱图；首先将声谱图的非特征部分删除；再将图片压缩成合适大小的正方形；构建合适深度的CNN模型；确定网络参数；通过前向传播求得网络输出与预期目标的误差；判断网络是否收敛到最优：若是，则执行第七步；若不是，则执行第六步；将第四步求得的误差反向逐层传播到每个节点，并更新权值；重复执行第四步～第六步，直至网络收敛；根据验证集的精确度判断网络是否满足实际要求：如满足执行第八步；如不满足，跳转到第三步，修改网络参数；输出网络用于发动机故障诊断；本发明具有使用方便、对发动机检测精度高等优点。