基于Petri网故障诊断及在工程机械中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (31): 238-241.

基于Petri网故障诊断及在工程机械中的应用

邢军伟，刘剑

郑州新大方重工科技有限公司，郑州 450064

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-01 发布日期:2011-11-01

Petri net based fault diagnosis method and its application in engineering machinery

XING Junwei，LIU Jian

Zhengzhou New Dafang Heavy Industry Science & Technology Co. Ltd.，Zhengzhou 450064，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-01 Published:2011-11-01

摘要/Abstract

摘要： 针对传统模糊Petri网在故障诊断应用中的不足之处，提出了一种新的故障诊断模糊Petri网模型（FD-FPN），变迁激活概率元素的引入，使反向推理中冲突消解问题的解决更加合理。在此基础上，提出了基于变迁激活概率矩阵的反向推理算法，正向与反向推理方法的结合可以实现故障因果的相互验证，使故障诊断过程更加科学，结论更符合事实。最后，结合故障诊断实例的应用，证明了文中提出方法的合理性和有效性，且运算简单，便于计算机实现。

关键词: 模糊Petri网, 故障诊断, 变迁激活概率矩阵, 推理算法

Abstract: Based on the deficiencies of the traditional fuzzy Petri net applications to fault diagnosis，this paper puts forward a new Fuzzy Petri Net model of Fault Diagnosis（FD-FPN）.Because of change activation probability elements introduced，it is more reasonable that making reverse reasoning to solve the problem of conflict resolution.On that basis，the backward reasoning algorithm based on the change of activation probability matrix is proposed.The mutual validation causal fault is realized by combing with positive and reverse reasoning methods，making fault diagnosis process is more scientific and the conclusion is truer.Finally，combined with the application of fault diagnosis example，the proposed method is proved reasonable and effective in this paper，and it is convenient not only simple operation but also for realization by a computer.

Key words: fuzzy Petri net, fault diagnosis, change of activation probability matrix, reasoning algorithm

邢军伟，刘剑. 基于Petri网故障诊断及在工程机械中的应用[J]. 计算机工程与应用, 2011, 47(31): 238-241.

XING Junwei，LIU Jian. Petri net based fault diagnosis method and its application in engineering machinery[J]. Computer Engineering and Applications, 2011, 47(31): 238-241.

[1]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[2]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[3]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[4]	钱文博，熊建斌，岑健，王颀，余得正，吴润杰. 建筑电气系统故障诊断综述[J]. 计算机工程与应用, 2021, 57(16): 27-39.
[5]	唐登平，蔡文嘉，邹立，胡翔，丁黎，王雪. 改进卷积神经网络在互感器故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(11): 239-247.
[6]	衷路生，刘东东. 多级神经网络的轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(7): 193-199.
[7]	杜雨菲，吴保国，陈栋. 基于产生式规则的乔灌木识别推理算法研究[J]. 计算机工程与应用, 2020, 56(5): 242-250.
[8]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[9]	余萍，曹洁. 深度学习在故障诊断与预测中的应用[J]. 计算机工程与应用, 2020, 56(3): 1-18.
[10]	毛彪，杨松，李英顺. 改进动态因果图与模糊推理融合故障诊断方法[J]. 计算机工程与应用, 2020, 56(3): 259-265.
[11]	唐魏，郑源，潘虹，徐晶珺. 引入动态调节学习率的SAE轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(20): 264-269.
[12]	王卉，李英顺. 改进型证据更新规则的动态故障诊断算法[J]. 计算机工程与应用, 2020, 56(2): 261-265.
[13]	曹洁，赵伟吉，余萍，王进花. 改进鸟群算法优化PF的双馈发电机故障诊断[J]. 计算机工程与应用, 2020, 56(18): 229-237.
[14]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[15]	王得雪，林意，陈俊杰. 协同训练算法在滚动轴承故障诊断中的应用[J]. 计算机工程与应用, 2020, 56(12): 273-278.