模糊SDG故障诊断方法及其应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (9): 221-224.

模糊SDG故障诊断方法及其应用

马昕，张贝克

北京化工大学信息科学与技术学院，北京 100029

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-21 发布日期:2011-03-21

Fault diagnosis method and application based on fuzzy signed directed graph

MA Xin，ZHANG Beike

College of Information Science and Technology，Beijing University of Chemical Technology，Beijing 100029，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-21 Published:2011-03-21

摘要/Abstract

摘要： 基于SDG的故障诊断方法在使用过程中，由于阈值设定不合理会导致故障的误报或漏报。针对该问题展开研究，提出模糊SDG模型，建立五级SDG模型并引入参数模糊隶属度，提出相应的模糊推理算法。通过将模糊SDG模型及其推理方法应用于某常减压蒸馏装置进行故障诊断实例分析，验证了方法的有效性和可行性。

关键词: 符号有向图（SDG）, 模糊符号有向图（SDG）, 模糊阈值, 模糊推理

Abstract: If the thresholds are set unreasonably，the fault diagnosis method based on signed directed graph may cause the fault is predicted incorrectly or ignored.In this paper，the model of fuzzy signed directed graph is presented，in which the three-stage SDG model is substituted by the five-stage SDG model，the parameter node is given the fuzzy membership，and the corresponding fuzzy reasoning algorithm is presented.Fuzzy SDG model and fuzzy SDG reasoning are introduced into a fault diagnosis example of atmospheric and vacuum distillation unit，which verifies the method is effective and feasible.

Key words: Signed Directed Graph, fuzzy Signed Directed Graph（SDG）, fuzzy threshold, fuzzy reasoning

马昕，张贝克. 模糊SDG故障诊断方法及其应用[J]. 计算机工程与应用, 2011, 47(9): 221-224.

MA Xin，ZHANG Beike. Fault diagnosis method and application based on fuzzy signed directed graph[J]. Computer Engineering and Applications, 2011, 47(9): 221-224.

[1]	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.
[2]	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.
[3]	陈芳1，2，赵树宇1，杨素娣1，高秀梅1. Lipschitz聚合算子的模糊推理鲁棒性研究[J]. 计算机工程与应用, 2019, 55(6): 42-49.
[4]	李骏，刘岩. Lukasiewicz型直觉模糊推理三I方法的性质分析[J]. 计算机工程与应用, 2018, 54(8): 44-47.
[5]	井美，惠小静，王蓉. 直觉模糊推理的三I约束算法[J]. 计算机工程与应用, 2018, 54(15): 53-56.
[6]	杨乐1，周平2. 基于激光传感数据的拥堵路口交通信号灯控制[J]. 计算机工程与应用, 2018, 54(11): 225-229.
[7]	李骏，付超. 基于强正则蕴涵算子的加权模糊度量空间[J]. 计算机工程与应用, 2017, 53(5): 31-35.
[8]	南敬昌，田娜. 基于改进粒子群算法的模糊小波神经网络建模[J]. 计算机工程与应用, 2017, 53(3): 120-123.
[9]	文童，华继学，王毅，梅海涛，贾琪，杨进帅. 基于Baldwin效应的直觉模糊自适应差分进化算法[J]. 计算机工程与应用, 2017, 53(19): 55-60.
[10]	易三莉1，2，郭贝贝2，马磊2，钱洁2. 改进的模糊推理规则图像边缘检测算法[J]. 计算机工程与应用, 2016, 52(12): 180-183.
[11]	陶筱娇，王晅. 基于SURF特征与模糊推理的掌纹识别[J]. 计算机工程与应用, 2016, 52(1): 185-189.
[12]	谢振平1，王涛2，刘渊1. 一种集成贝叶斯决策的视频烟雾检测新方法[J]. 计算机工程与应用, 2014, 50(3): 173-176.
[13]	李战明1，张永江1，2. 基于计算型模糊推理算法的模糊控制器设计[J]. 计算机工程与应用, 2014, 50(14): 259-264.
[14]	史东辉. 改进的ANFIS在房产评估中的应用[J]. 计算机工程与应用, 2014, 50(12): 247-251.
[15]	周頔1，孙俊2，盛歆漪1. 使用新混合模糊聚类算法的模糊系统建模方法[J]. 计算机工程与应用, 2014, 50(12): 16-20.