基于模型的执行器故障诊断

第41卷第10期2007年10月

浙 江 大 学 学 报(工学版)

Journal o f Zhejiang U niv ersity (Engineer ing Science)

Vol.41No.10Oct.2007

收稿日期:2007-07-30.

浙江大学学报(工学版)网址:w w w.journals.z https://www.wendangku.net/doc/4e16238671.html,/eng

基金项目:国家自然科学基金资助项目(60774031).

作者简介:尚群立(1964-),男,陕西武功人,教授,从事智能仪表,鲁棒控制理论及应用等工作.E mail:qlshang@sin https://www.wendangku.net/doc/4e16238671.html,

基于模型的执行器故障诊断

尚群立,孙 黎,吴海燕

(杭州电子科技大学自动化学院,浙江杭州310018)

摘 要:为依据执行器的动态特性分析,实现执行器设备故障的在线诊断与分离,在机理分析的基础上建立起执行器完整的非线性动态数学模型,由执行器工作过程中的实测信号和模型计算获得残差实现故障的在线诊断,通过残差的变化及其组合情况分析完成故障分离.实验结果表明,利用动态机理模型计算得到的阀位、薄膜气室压力的理论计算值和实测值进行残差分析,可以准确及时地诊断与分离出如阀体阻塞、填料函磨擦力增大、薄膜或气路接头破损、气源压力下降、弹簧老化等执行器主要的内在故障.关键词:数学模型;故障残差;执行器

中图分类号:T P277 文献标识码:A 文章编号:1008-973X(2007)10-1660-04

Model based actuator fault diagnosis

SHAN G Q un li,SU N Li,WU Hai yan

(School of A utomation,H angz hou D ianz i Univ er sity ,H angz hou 310018,China)

Abstract:Online actuator fault diag no sis and separation w ere r ealized based o n dynam ic characteristics analysis and com plete no nlinear dynamic models for actuato rs w ere co nstructed based on mechanical analy sis.The o nline fault diag no sis w as r ealized by using the fault residuals obtained from the measured actua to r signals and the mo del calculation v alues,then the fault separatio n w as perfo rmed through analyzing the varieties of the residuals and its combination.The ex perimental results sho w that through analy zing the re siduals of valve stem displacement and pressure value m ain faults can be accurately and tim ely diagnosed and separated,such as valve blo ckage,fr ictio n enlarg e,diaphragm leakag e,supply pressure dro p and spring aging.

Key words:mathem atical model;fault residual;actuator 检测仪表、DCS 控制系统、执行器三类工业自动化仪表的技术水平已成为流程工业发展的决定性因素之一,并深刻地影响着生产的质量、效率、安全和环保等.以控制阀和执行机构为主体、以阀门定位器为核心控制部件的执行器,通过调节介质流量来控制工艺参数,是整个自动化系统中必备且重要的终端执行仪表,其对控制系统调节品质的优劣、安全平稳运行具有很大的影响.

执行器安装在生产现场,由于高温、高压/高压差、振动、腐蚀性或在有悬浮颗粒或纤维介质的环境

下工作,执行器各部件会出现故障,这可能会导致出现有毒介质泄漏等严重安全事故、或不动作导致停产等生产事故,所以执行器设备故障在线诊断对整个自动化控制系统的可靠性非常重要.而故障诊断

由于不能安装在线检测传感器,主要依据执行器的动态特性分析.

本文研究了基于流体力学和热力学原理建立的描述执行器气动定位系统动态特性的数学模型,并通过模型计算以及实测获得故障残差,实现故障检测,进一步通过对残差的分析,进行故障分离.

1 建立执行器气动定位系统数学模型

执行器结构示意如图1所示.为简化建模过程,作如下假设[1]

:所用工作介质为理想气体,满足理想气体状态方程;薄膜气室与外界没有泄漏;气体在流过阀口的流动状态为一元等熵过程;忽略气体温度对流动过程的影响;气源压力和大气压力恒定;薄膜气室内气体压力和温度处处相等

.

1 薄膜气室;

2 波纹膜片;

3 推杆;

4 压缩弹簧;

5 填料函;

6 阀体图1 气动执行器结构示意图Fig.1 Schematic o f pneumat ic act uato r

1.1 定位器

定位器中的电/气转换部分实现了压缩空气气体流量的控制,其流体过程比较复杂,可用文献[2]公式计算.

目前广泛采用基于预控压电阀原理的智能型的电气阀门定位器,来实现电/气转换和闭环定位控制.压电阀的控制是脉宽调制控制方式[3]

(PWM ),利用一定频率的脉冲控制开关阀的开和关来调节脉冲的占空比,其宏观效果(时间平均)相当于改变导向阀的开口面积,使得开关阀在PWM 信号控制时,其输出具有比例阀的特性[4]

.因此当PWM 占空比为d 时,阀的有效面积可以表示为:S =S 0 d.

因此,通过PWM 方式控制的定位器实际输出的压缩空气气体质量流量为

q m =

cp 1S 0d 1-b

RT

,

p 2

p 1

b;q m =cp 1S 0d 1-b RT

1-p 2/p 1-b

1-b

2

,

1!p 2

p 1

>b.

(1)式中:c 为流量系数,p 1为压缩空气源压力(即气源设定压力),p 2为薄膜气室的压力,T 为管道的热力学温度,b 为临界压力比,R 为气体常数,S 0为阀的全开开口面积,d 为PWM 占空比.1.2 薄膜气室

在充气过程中,薄膜气室只有气体流入没有气

体流出.根据热力学第一定律和理想气体状态方程

可得质量、容积、压强三者的变化关系;根据质量守恒定律,流入的质量流量等于薄膜气室内的质量变化率.因此,薄膜气室的气体质量流量可以表示为

q m =

1R T

d (p 2V 2)

d t .(2)考虑到薄膜气室可近似为一个圆柱,即V 2=V 0+A x ,就有

q m =

1RT p 2A d x d t +V 2d p 2

d t

.(3)式中:x 为推杆位移,A 为膜片有效面积,V 0为薄膜

气室初始体积,V 2为薄膜气室体积,T 为管道热力学温度,R 为气体常数.1.3 执行机构

根据牛顿第二定律,可建立起执行机构的动力学方程为

m d 2

x d t

2+kx +F =p 2A.

(4)式中:m 为推杆组件的质量,x 为推杆位移,k 为弹簧刚度,F 为弹簧预紧力与动摩擦力之和.

2 故障的检测与分离

2.1 主要的故障描述

阀体阻塞:在故障发生后,执行器阀杆会运动到某一特定位移,然后因为机械故障而被卡死在这一位置不能移动.包括阀体内介质沉淀或凝结堵塞、阀体内异物滞留堵塞、阀芯阀座因锈蚀等原因卡死、填料函密封损坏、阀杆严重变形等导致的阀杆运动卡死.

填料函磨擦力增大:在故障发生后,阀杆的运动受阻力增大,运动不畅通.包括阀体或轴衬部件老化或锈蚀、阀杆锈蚀、填料函密封泄漏和老化、运动部位渗入杂质、阀杆变形等.

薄膜或气路接头破损:对薄膜式气动执行机构来说,膜片是最重要的元件,当金属接触面的表面有尖角、毛刺等缺陷时就会把膜片扎破而造成泄漏;另外,膜片使用时间过长,材料老化也会在使用或受力时破损.活塞式气动执行机构的活塞产生驱动力,因此活塞的损坏、磨损是绝对不允许的.接气管老化破损、接头松脱导致气路漏气等.

气源压力下降:气源供气压力下降、供气管路老化破损或接头松脱、附带的安全减压阀故障等均可导致定位器气源压力不足.

弹簧老化:弹簧材料性能老化刚度变化、过度形变不能恢复原位、多弹簧位置错位或倒置、个别弹簧断裂等.

1661

第10期

尚群立,等:基于模型的执行器故障诊断

定位器部件故障:涉及电气转换部件故障如压电导向阀、控制电路故障、阀位测量与反馈机构故障等.2.2 残差的检测

配置的智能定位器可以在线实时检测到气源压力p ?1、薄膜气室压力p ?2、阀杆位移即阀位x ?,同时根据输出的PWM 控制信号的占空比d,可以依据前述建立起的执行器气动定位系统模型(1)~(3)计算得到薄膜气室压力p 2(t)、阀位x (t)的理论计算值.由此,定义残差:

E p =p 2(t)-p ?2(t),(5)E x =x (t)-x ?(t).(6)

在执行器正常工作情况下,残差E p 、E x 应近似为零;当执行器发生前述故障时,会引起薄膜气室压力和阀位的实测值偏离理论计算值,从而出现异常产生残差E p 、E x .

在一段时间内,如果存在|E p |!p 和(或者)|E x |!x ,其中,p 、x 为残差域值,则表明执行器发生了某种故障,这样就可以通过残差计算实现故障发生的检测,通过检测这种变化就可以检测故障.2.3 故障的分离

进一步,根据故障的特点,通过对残差的分析以及一些辅助分析可以进行故障的分离,即判断具体发生的是哪种类型的故障.经过分析,得到故障与残差的关系见表1.

表1 执行器故障与残差的关系表

T ab.1 Relatio ns between act uato r faults and residuals 序号故障名称E p E x 辅助分析1阀体阻塞<-p >x 2 填料函磨擦力

增大

<-p

>x 当x ?不变化时,为故障1

3 薄膜或气路接头

破损

>p

>x

4气源压力下降

>x

当p ?1

5弹簧老化>p <-x #6

定位器部件部分

故障

<-p <-x

#比如,当发生阀体阻塞故障或填料函磨擦力增大故障时,由于阀杆运动受阻,x ?小于计算值x ,从而引起薄膜气室体积变化比理论计算值要小,使得薄膜气室实测压力p ?2上升,从而大于理论计算值p 2,因而就有E p <-p 、E x >x ;同时,当发生阀体阻塞故障时,x ?基本不变化,但当发生填料函磨擦力增大故障时则不然.

3 实验结果

采用吴忠仪表公司生产的ECOTROL 系列

M F2R 16B 多弹簧气动薄膜执行机构以及西门子公司生产的SIPART PS2智能电气阀门定位器(经改造在开环状态下工作,仅相当于电气转换器)进行实验,模型计算参数如表2所示.表2中的压力均为绝对压力,参数V 0是根据开始阶段的等容充气的模型计算得到,参数F 可以根据在弹簧范围内推杆的动态平衡状态计算得到,S 0、k 是通过粒子群算法辨识[5]得到,其他参数是由设备和环境工艺数据计算得到.

表2 理论模型计算用参数T ab.2 Par ameters for model calculat ion R

V 0/m 3S 0/m 2p 1/Pa

F/N 283

4.35?10-4

0.5?10-6

5?10

5

4540T /K k /(N m -1

)A /m 2

P atm /Pa b 297 1.71?105

320?10-4

1?105

0.528

图2 阀体阻塞故障曲线(d =100%,卡死阀杆)

F ig.2 V alve blockag e curv e(d =100%,v alve stem blo ck)

针对所建的模型(1)~(3)和表2的参数,通过M atlab 编程,采用四阶龙格库塔法解非线性微分方程组(其中,认为当位移为0.3mm 时匀速运动开始,阀杆全行程范围为0.30~32.75mm).

阀杆位移和薄膜气室内压力计算与实验实测结果如图2~5所示.其中,PWM 脉冲周期为100ms,占空比d 分别取100%、90%、80%,曲线3为模型理论计算结果,曲线2为正常工作时实测数据,曲线1为在 时刻引入人为制造故障(图体中标明故障情形)时实际运行测试数据,曲线4为相应的计算残差.

1662

浙 江 大 学 学 报(工学版) 第41卷

图3 薄膜破损故障曲线(d =90%,转移气体)Fig.3 Dia phrag m leakag e curv e (d =90%,divert

air)

图4 气源压力下降故障曲线(d =80%,气源压力下调到4)F ig.4 Supply pressur e dro p curve (d =80%,supply pres

sur e adjust to 4)

4 结 语

本文提出了一种基于执行器机理模型的故障诊

断方法.在基于流体力学和热力学原理的基础上建立了描述执行器气动定位系统动态特性的数

学模图5 弹簧老化故障曲线(d =90%,更换弹簧刚度降低到1.3)F ig.5 Spr ing ag ing curve (d =90%,spr ing par ameter adjust

to 1.3)

型.通过模型计算以及实测获得故障残差,实现故障

检测,并进一步根据故障的特点通过对残差的分析,完成故障的分离.实验结果表明,残差在不同的故障发生时的表现不同,证明了所建模型和故障诊断方法的有效性.

参考文献(References):

[1]李宝仁,刘军,杨钢.气动人工肌肉系统建模与仿真[J].

机械工程学报,2003,39(7):24-27.

LI Bao r en,LIU Jun,Y A NG Gang.M odeling and simu latio n of pneumatic muscle system [J].Chinese Journal of Mechanical Engineering,2003,39(7):24-27.[2]SM C(中国)有限公司.现代实用气动技术[M ].北京:机

械工业出版社,2003.

[3]M ESSIN A A ,G IA NN O CCA RO N ,GEN T IL E A.Ex

perimenting and modelling PW M based pneumatic actua to rs [J].Mechatronics,2005,15(7):859-881.

[4]SH EN Xiangr ong,ZH A NG Jianlong,M ICH AEL g old

far b.N onlinear av erag ing applied to the co nt ro l of pulse W idth modulated (PWM )pneumat ic sy st ems [C]%Pro ceeding of the 2004Am erlcan Control C onference Boston.M assachusetts:AA CC,2004:4444-4448.[5]CHA T T ERJEE A ,

SIA RRY P.

N onlinear inertia

w eight var iatio n for dy namic adaptation in P article swar m optimizatio n [J].C omputers &Operations Re search,2006,33:859-871.

1663

第10期

尚群立,等:基于模型的执行器故障诊断

基于MFM的故障诊断模型的研究

基于MFM的故障诊断模型的研究 发表时间：2016-08-25T16:02:40.417Z 来源：《电力设备》2016年第12期作者： 1罗成 2牟春晓 3孙睿 4许潇 5曹东亮 6李雪 [导读] 多级流模型是一种基于目标的层次化、图形化的建模方法，它将真实的物理系统以物质流、能量流、信息流的形式进行抽象。 1罗成 2牟春晓 3孙睿 4许潇 5曹东亮 6李雪艳 （1、2、4、5、6国网山东省电力公司检修公司 264000 ; 国网山东省电力公司东营供电公司 257000） 摘要：多级流模型将复杂系统分解为不同的功能层，相互之间通过完成关系、实现关系和条件关系相连接。本文通过研究MFM中流的基本属性、功能节点分组及MFM的建模方法，建立变电站的MFM模型。 关键字：MFM 故障诊断模型 1. MFM模型 基于多级流模型（Multilevel Flow Models, MFM）的故障诊断方法，是把整个生产过程抽象成广义的“流”，根据生产系统物质流、能量流以及信息流等变化推断故障源[1]。目前，MFM已经成功应用于复杂系统的故障诊断。 2.MFM建模的理论基础 多级流模型是一种基于目标的层次化、图形化的建模方法，它将真实的物理系统以物质流、能量流、信息流的形式进行抽象，然后使用一些特定的图形符号来描述系统过程的目标、功能以及设备单元，从而对系统的生产、运行过程进行建模。 MFM对系统主要进行三个层次的描述：目标、功能、设备元件 [2]。在电力系统中，应用较多的功能节点有：源、目标、传输、存储、平衡、汇、连接节点、观测者、决策者、管理者及操作者等，如图1所示。 图1 常用功能节点 每个功能模型通过流网络以特定的连接关系与一个或多个目标模型连在一起，以完成系统的目标。同样，目标模型也能通过特定的条件关系与一个或多个功能模型连接起来，表明此目标为该功能实现的前提。目标、功能和设备元件之间是多对多的关系，概括起来说，主要有：达成关系、条件关系、实现关系等。 多级流模型的建模思想是把生产过程抽象成广义的“流”，以系统目标与实现目标的功能为模型主体，建立复杂流程工业系统的抽象层次模型。以 “流”作为建模的主线，它主要可分为：能量流、物质流、信息流[3]。 因为多级流建模是一种基于目标与功能的建模方法，子目标的实现是总目标实现的前提条件，所以，可以把大系统分解成若干个子系统。子系统的目标即为子目标，子目标的实现要靠多种功能共同完成。 3.简单电力系统MFM简化模型分析 下面以一个简单电力系统的简化MFM模型为例，说明MFM建模的机理，对MFM的建模过程进行验证。简单电力系统的示意图如图2所示。 图2 简单电力系统示意图 电力系统的供电过程是：发电机发出电能，通过母线输送到线路，然后再通过母线输送到负载。 系统主要由发电机C1、母线C2和C5、线路C4、负载C6和保护C3组成。本文主要以其两个目标进行举例说明：G1是系统的主目标——维持负载正常供电；G2是系统的子目标——为线路提供保护。 电力系统的目标、功能节点及设备元件间的关系如上文分析的是多对多的关系。它们之间的关系主要有：设备元件C1-C6和功能节点Fl-F10间的实现关系，目标G1与功能节点F1-F7间的达成关系，子目标G2与功能节点F4的条件关系以及功能节点间的连接关系。 考虑到实际电力系统的复杂性，可以将电力系统分模块建模，主要的模块有发电机、线路、母线、保护和负载。各个模块的模型如图3所示，这些模块之间可以相互连接，其中母线模块可以根据母线上具体的出现调整出线的多少，保护可以具体到保护的类型。

故障诊断专家系统及其发展

综述与评论 计算机测量与控制.2008.16(9) C omputer Measurement &Control 1217 中华测控网https://www.wendangku.net/doc/4e16238671.html, 收稿日期:2008-06-08; 修回日期:2008-07-16。 作者简介:安茂春(1967-),山东莱阳人,副研究员,主要从事测试与故障诊断技术的管理工作。 文章编号:1671-4598(2008)09-1217-03 中图分类号:TP182 文献标识码:A 故障诊断专家系统及其发展 安茂春 (北京系统工程研究所,北京 100101) 摘要:文章对主要的故障诊断专家系统进行了系统的归纳和分类,主要关注故障诊断专家系统在军事领域的应用;重点讨论了基于规则的诊断专家系统、基于模型的诊断专家系统、基于人工神经网络的诊断专家系统、基于模糊推理的诊断专家系统和基于事例的诊断专家系统的技术要点、发展现状、优缺点及其在军事方面的应用;最后,对该学科的发展做出了预测,指出基于多种模型结合的诊断专家系统、分布式诊断专家系统、实时诊断专家系统是今后的发展方向。 关键词:专家系统;故障诊断;军事应用;基于规则推理;建模技术;人工神经网络;模糊推理;基于事例推理 A Survey on Fault Diagnosis Expert Systems An M ao chun (Beijing Institute o f System and Eng ineering ,Beijing 100101,China) Abstract:In this article w e present a s urvey of fault diagnosis expert system s,and categorize them into 5different types according to know ledge organiz ation m ethod and reasoning m ech anis m,w hich are ru le-b as ed fault diagn osis expert system,model-based fault diagnosis ex pert system,n eural netw ork fault diagnosis exp ert sy stem,fuz zy fault diagn osis expert system and cas e-based fault diagn os is expert sys -tem,for each type w e describ e its techn ical pr op erties,curren t status,ad vantag es and disadvantages,and application s in military field.At the end of th is article,w e point out that hybrid model-based,distributed and real-time diagnosis expert sys tems are fu tu re direction s. Key words:ex pert sys tem;fault diagnosis ;military application;rule -b as ed reasoning;modelin g;artificial neural netw or k;fuzzy reasonin g;ease-b as ed reasoning 1 故障诊断专家系统及其分类 专家系统(Ex per t Sy st em,ES)是人工智能技术(A rt if-i cial I ntelligence,A I)的一个重要分支,其智能化主要表现为能够在特定的领域内模仿人类专家思维来求解复杂问题。专家系统必须包含领域专家的大量知识,拥有类似人类专家思维的推理能力,并能用这些知识来解决实际问题。 故障诊断技术是一门应用型边缘学科,其理论基础涉及多门学科,如现代控制理论、计算机工程、数理统计、模糊集理论、信号处理、模式识别等。故障诊断的任务是在系统发生故障时,根据系统中的各种量(可测的或不可测的)或其中部分量表现出的与正常状态不同的特性,找出故障的特征描述并进行故障的检测与隔离。 故障诊断专家系统是将专家系统应用到故障诊断之中,可以利用领域知识和专家经验提高故障诊断的效率[1]。目前专家系统在故障诊断领域的应用非常广泛,如美空军研制的用于飞机喷气发动机故障诊断专家系统XM AN [2],N A SA 与M IT 合作开发的用于动力系统诊断的专家系统,英国某公司为英美军方开发的直升机发动机转子监控与诊断专家系统[3]等,此外在电力、机械、化工、船舶等许多领域中也大量应用了故障诊断专家系统。 根据知识组织方式与推理机制的不同,可将目前常用的故障诊断专家系统大致分为基于规则的诊断专家系统、基于模型 的诊断专家系统、基于人工神经网络的诊断专家系统、基于模糊推理的诊断专家系统和基于事例的诊断专家系统。 2 故障诊断专家系统对比分析 2 1 基于规则的诊断专家系统 在基于规则的诊断专家系统中,领域专家的知识与经验被 表示成产生式规则,一般形式是:if<前提>then<结论>其中前提部分表示能与数据匹配的任何模型,结论部分表示满足前提时可以得出的结论。基于规则的推理是先根据推理策略从规则库中选择相应的规则,再匹配规则的前提部分,最后根据匹配结果得出结论。 基于规则的诊断知识表达方式直观、形式统一,在求解小规模问题时效率较高,并且具有易于理解与实现的优点,因而取得了一定成功。20世纪90年代,国外在军用水压系统、电力供应网络等方面进行了应用。 但是,对于复杂系统,所观测到的症状与对应的诊断之间的联系是相当复杂的,通过归纳专家经验来获取规则有着相当的难度,且诊断时只能对事先预想到的并能与规则前提匹配的事件进行推理,存在知识获取的瓶颈问题。2 2 基于模型的诊断专家系统 在基于模型的诊断专家系统中,领域专家的专业知识包含在建立的系统模型中,这种基于模型的诊断更多地利用系统的结构、功能与行为等知识。相比基于规则的诊断专家系统,这种诊断方式能够处理预先没有想到的情况,并且可能检测到系统存在的潜在故障。这类系统的知识库相对容易建立并且具有一定的灵活性,已应用于航天器动力燃烧系统故障诊断等方面。

故障诊断与容错基于模型和基于信号的方法

故障诊断与容错技术概述——第一部分：基于模型和信号的故障诊断技术 引言：随着工业系统复杂性和费用的不断增加，不能容忍性能下降、生产率降低和安全隐患这些必须尽早的检测和识别出异常和故障的存在，并采取实时的故障容错操作尽量降低性能的下降避免危险情况出现。在过去40年里，关于故障诊断和容错技术的丰硕的研究成果被报道出来并应用到各种工程系统中。这三部分的调查目的在于给出实时故障诊断和容错技术的全面的回顾，对过去十年的成果进行重点关注。在本文中，全面回顾关于基于模型和信号处理的故障诊断方法和应用。 关键词：冗余分析；故障容错；基于模型的的故障诊断；实时监测；基于信号的故障诊断； Part I介绍 众所周知，许多工程系统，例如航空发动机、车辆动力学、化学工艺、制造系统、电力网络、电气设备、风力发电转换系统以及工业电子设备是安全关键系统。工业系统对潜在过程异常和部件故障的安全和可靠性的要求不断提升。因此，尽早的检测和识别出任何类型的故障和潜在异常并采取容错操作以降低性能下降避免危险情况的出现十分重要。 故障被定义为系统的至少一个特征属性或参数从可接受的/平常的/标准的状态出现一个不受约束（原文：unpermitted）的偏差。类似的故障例如，执行器阻塞、传感器失效或者一个系统失去连接。因此通常故障常被分为执行器故障、传感器故障以及设备故障（或者称为组件故障或参数故障），这些故障会打断系统的控制器对系统部件的控制行为或者产生大量的测量误差或者直接改变系统的动态输入输出属性，从而导致系统的性能下降甚至使整个系统崩溃或损坏。为了提升所关心系统的可靠性，故障诊断通常通过使用冗余的概念用于监控、定位，并辨识故障，冗余通常可分为硬件冗余和软件冗余(或称为解析冗余)两种。硬件冗余的基本思想是使用相同的输入信号分量，从而使得复制的输出信号可以进行

故障检测与诊断的模型

故障检测与诊断的模型 发表时间：2017-08-01T11:15:27.483Z 来源：《电力设备》2017年第9期作者：陈明庆 [导读] 摘要：快速、准确的故障检测与诊断离不开有效的系统模型。针对故障检测与诊断的特点，文章简要介绍了机理建模（南京理工大学江苏南京 210094） 摘要：快速、准确的故障检测与诊断离不开有效的系统模型。针对故障检测与诊断的特点，文章简要介绍了机理建模、知识建模和数据驱动建模三类传统建模方法，并从不同维度对以上几种建模方法作了比较阐述，同时基于上述各模型的特点，给出了几种混合建模的思路。 关键词：机理；知识；数据驱动；混合模型 0 引言 故障检测与诊断是一门相对独立的技术。我国在1979 年才初步接触故障检测与诊断技术，经过30多年的发展，故障检测与诊断技术已在自动驾驶、人造卫星、航天飞机、汽轮发电机组、大型电网系统等重要核心领域得到广泛应用。 目前，故障检测与诊断的模型大致有基于机理的模型、基于知识工程的模型、基于数据驱动的模型，文章将结合各模型的特点重点探讨故障检测与诊断中混合建模的思路。 1 机理模型 基于机理模型的方法首先需要被诊断系统精确的机理模型，然后利用构造出来的观测器预估系统的输出值，再将估计值与实际值做差产生残差。当系统运行正常时，残差应为零或近似于零；当系统出现故障时，残差量会明显超出允许范围。基于机理模型的方法根据残差产生的原因可细分为参数估计法、状态估计法、等价空间法等。参数估计法根据观测数据来辨识系统的动态参数，依据系统参数与模型参数的差值来判断系统是否出现故障。状态估计法通过对系统的状态进行重构，通过与可测变量做差生成残差序列，并采用统计检验法从残差序列中把故障检测出来，前提是系统可观测或者部分可观测，一般用各种状态观测器或滤波器进行状态估计。等价空间法是通过系统的输入输出真实值来检验系统机理的等价性，通过确定系统的输入输出间的冗余，实现检测和分离故障的效果。 基于解析模型的故障诊断方法充分体现了过程的内部机理，外延性好。但当系统过于复杂时无法获取其内部机理的全部信息，具有一定的局限性。 2知识工程模型 基于知识的方法主要是通过相关的经验建立系统的定性模型来解决复杂的故障诊断问题。基于神经网络、模糊逻辑方法是常用的方法。其中，神经网络因其具有处理非线性和自学习以及并行计算能力的特点，有利于非线性系统的故障诊断。模糊逻辑由于其概念易于理解，表达上更接近人的思维，适用于复杂的故障诊断中。 基于知识的方法不需要精确的定量机理模型，其适用于有相关经验和知识的对象，且诊断的结果易于理解。但是，其最大的缺点是通用性差，必须通过大量的经验知识才能够建立“知识库”；当系统比较复杂时，很容易出现一种未知故障会导致误报和漏报的情况。此时，基于知识的方法将不再适用。 3数据驱动模型 基于数据驱动的方法是通过采集系统的输入输出数据，然后分析数据的各种统计特征，建立过程的数据特征模型。目前，常用的方法有小波分析、神经网络、主成分分析等。小波分析方法是对所采集的信号进行相关处理，处理后的信号中除去由于输入变化引起的奇异点，剩下的奇异点即为系统可能出现的故障点。神经网络能够实现自组织、自学习，同时还具有处理非线性、并行、信息分布存储等能力，这大大提高了故障诊断的效率。主成分分析方法的主要是通过坐标变换将数据从高维空间映射到低维空间，建立正常情况下的主成分模型，当实测信号偏离所建模型时即可判断系统出现异常。 基于数据驱动的方法不必像基于机理模型那样需要过程的模型或先验知识只需对过程数据进行处理与分析，简单方便，实时性好，实用性强。但是数据模型的内插性及外延性较差，无法获取大量的各种状态下的过程数据。 4 混合模型 基于机理与基于数据驱动模型相结合的混合建模技术既能保证模型有明确的物理意义，又能保证模型具有较高的精度[6]。

解释结构模型_布尔矩阵_模糊解释结构模型-解释结构模型在线计算

在线计算可以到https://www.wendangku.net/doc/4e16238671.html,/ism/cal_ism.php 解释结构模型矩阵各种运算——刷新页面有个新矩阵 这里要理解的概念有： 原始矩阵——————提醒注意对角线的值 单位矩阵——对角线为1 相乘矩阵————上面两个相加 可达矩阵————没有什么很牛逼的算法，建议是先分组，然后再算，要素有1000个，能算到机器死，更不用说人了，包括用转移闭包的方法 系统判断，区域划分，都是一回事情，系统就是，一个要素与另外一个要素总有通路 回路判断，强连通子集判断，环路判断，可以用一个要素替代之 层级划分，现在的书很死板，只讲了结果优先的划分方法 层级划分，原因优先的划分方法 层级划分，用到所谓的先行集合，可达集合，其实就是可达矩阵与可达矩阵的转置矩阵的另外一种表示方式还有什么交集判断等

等可达矩阵，等可达矩阵的骨架矩阵，就是把要素与要素之间的一些关系干掉，并不影响整个层级骨架矩阵S=R-(R-I)^2 活动要素：这个概念俺提出的，就是通过两种不同层级划分后，在层级间可以变化的要素 算子：以后搞模糊矩阵的时候再说： 想在线计算解释结构模型的或者直接生成论文的请发电子邮件到，88④2⑧0①⑨@https://www.wendangku.net/doc/4e16238671.html, N年前耗子，阿勇几个做过个很牛逼的，我见过的是最牛逼的了，可以直接图形表示的。哪个哥们有兴趣可以在上面的代码上完善。 我看了下代码，发现代码量居然蛮大的，尤其耗子原来做的 显示第一个矩阵matrix_A 该矩阵为原始矩阵!

显示原始矩阵matrix_I 的单位矩阵!

显示相乘矩阵matrix_B与matrix_B1 该矩阵为原始矩阵与单位矩阵相加

基于模型的执行器故障诊断

第41卷第10期2007年10月 浙 江 大 学 学 报(工学版) Journal o f Zhejiang U niv ersity (Engineer ing Science) Vol.41No.10Oct.2007 收稿日期:2007-07-30. 浙江大学学报(工学版)网址:w w w.journals.z https://www.wendangku.net/doc/4e16238671.html,/eng 基金项目:国家自然科学基金资助项目(60774031). 作者简介:尚群立(1964-),男,陕西武功人,教授,从事智能仪表,鲁棒控制理论及应用等工作.E mail:qlshang@sin https://www.wendangku.net/doc/4e16238671.html, 基于模型的执行器故障诊断 尚群立,孙 黎,吴海燕 (杭州电子科技大学自动化学院,浙江杭州310018) 摘 要:为依据执行器的动态特性分析,实现执行器设备故障的在线诊断与分离,在机理分析的基础上建立起执行器完整的非线性动态数学模型,由执行器工作过程中的实测信号和模型计算获得残差实现故障的在线诊断,通过残差的变化及其组合情况分析完成故障分离.实验结果表明,利用动态机理模型计算得到的阀位、薄膜气室压力的理论计算值和实测值进行残差分析,可以准确及时地诊断与分离出如阀体阻塞、填料函磨擦力增大、薄膜或气路接头破损、气源压力下降、弹簧老化等执行器主要的内在故障.关键词:数学模型;故障残差;执行器 中图分类号:T P277 文献标识码:A 文章编号:1008-973X(2007)10-1660-04 Model based actuator fault diagnosis SHAN G Q un li,SU N Li,WU Hai yan (School of A utomation,H angz hou D ianz i Univ er sity ,H angz hou 310018,China) Abstract:Online actuator fault diag no sis and separation w ere r ealized based o n dynam ic characteristics analysis and com plete no nlinear dynamic models for actuato rs w ere co nstructed based on mechanical analy sis.The o nline fault diag no sis w as r ealized by using the fault residuals obtained from the measured actua to r signals and the mo del calculation v alues,then the fault separatio n w as perfo rmed through analyzing the varieties of the residuals and its combination.The ex perimental results sho w that through analy zing the re siduals of valve stem displacement and pressure value m ain faults can be accurately and tim ely diagnosed and separated,such as valve blo ckage,fr ictio n enlarg e,diaphragm leakag e,supply pressure dro p and spring aging. Key words:mathem atical model;fault residual;actuator 检测仪表、DCS 控制系统、执行器三类工业自动化仪表的技术水平已成为流程工业发展的决定性因素之一,并深刻地影响着生产的质量、效率、安全和环保等.以控制阀和执行机构为主体、以阀门定位器为核心控制部件的执行器,通过调节介质流量来控制工艺参数,是整个自动化系统中必备且重要的终端执行仪表,其对控制系统调节品质的优劣、安全平稳运行具有很大的影响. 执行器安装在生产现场,由于高温、高压/高压差、振动、腐蚀性或在有悬浮颗粒或纤维介质的环境 下工作,执行器各部件会出现故障,这可能会导致出现有毒介质泄漏等严重安全事故、或不动作导致停产等生产事故,所以执行器设备故障在线诊断对整个自动化控制系统的可靠性非常重要.而故障诊断 由于不能安装在线检测传感器,主要依据执行器的动态特性分析. 本文研究了基于流体力学和热力学原理建立的描述执行器气动定位系统动态特性的数学模型,并通过模型计算以及实测获得故障残差,实现故障检测,进一步通过对残差的分析,进行故障分离.

线性系统的时变线性系统

第六章 时变线性系统

从工程应用角度，可用时变线性系统近似描述的典型系统是： ?飞机在标称高度和速度附近变化时的动态特性；?空间站的运动。空间站的运动可用非线性微分方程组描述，线性化之后，线性模型的参数仍会在一个大范围内变化，难以用定常线性系统来描述；?化工过程中热传导速度的控制、一些化学反映的动态过程等都是高度非线性的，其工作点和参数变化态过程等都是高度非线性的其工作点和参数变化剧烈，即使线性化后也要用时变线性系统来近似。 参考文献：Linear Time-Varying Systems:Control ?Linear Time-Varying Systems: Control and Adaptation. K. S. Tsakalis and P.A. Ioannou.

本章所考虑的n 维线性时变系统的方程为 ()()()x t x t u y t x =+=A B C （6—1） 式中u 是p 维输入向量，y 是q 维输出向量，并假定状态方程满足解存在和唯一性条件。 假定状态方程满足解存在和唯性条件。首先，时变系统的分析和设计中会遇到哪 第二章已清楚时变线性系统的一些重要性质些问题？时变系统的特点是什么？ 1)第二章已清楚，时变线性系统的些重要性质，如可控性、可达性、可观测性、可重构性等均有关因此就提出这些性质和所研究的时刻t 0 有关，因此就提出这些性质对t 是否具有一致性的问题。在时变系统的设计中，一致性常常是设计问题有解的条件。

对于时不变系统特征值对应于系统运动的模式2)对于时不变系统：特征值对应于系统运动的模式， 特征值的分析可以对系统的稳定性给出完整的回答。而时变系统的主要困难是，没有一个方法能答而时变系统的主要困难是没有一个方法能在给定矩阵A(t)后就能判断系统的稳定性；求 状态转移矩阵则是项十分困难的工作。 状态转移矩阵则是一项十分困难的工作 3)在研究方法上，显然复数域的方法一般不再适 用，所采取的完全是时域的方法。 用所采取的完全是时域的方法 本章仅介绍一致完全可控性、一致完全可观 测性及相关的知识。

第二次作业《解释结构模型应用》讲解

大连海事大学 实验报告 《系统工程》 2014～2015学年第一学期 实验名称：基于解释模型在大学生睡眠质量问题的研究学号姓名：马洁茹姚有琳 指导教师：贾红雨 报告时间： 2014年9月24日

《系统工程》课程上机实验要求 实验一解释结构模型在大学生睡眠质量问题中的研究 实验名称：基于MATLAB软件或C/Java/其他语言ISM算法程序设计(一) 实验目的 系统工程课程介绍了系统结构建模与分析方法——解释结构模型法（Inter pretative Structural Modeling ·ISM）是现代系统工程中广泛应用的一种分析方法，能够利用系统要素之间已知的零乱关系，用于分析复杂系统要素间关联结构，揭示出系统内部结构。ISM方法具有在矩阵的基础上再进一步运算、推导来解释系统结构的特点，对于高维多阶矩阵的运算依靠手工运算速度慢、易错，甚至几乎不可能。 本次实验的目的是应用计算机应用软件或者是基于某种语言的程序设计快速实现解释结构模型(ISM)方法的算法，使学生对系统工程解决社会经济等复杂性、系统性问题需要计算机的支持获得深刻的理解。学会运用ISM分析实际问题。 (二) 实验要求与内容： 1.问题的选择 根据对解释结构模型ISM知识的掌握，以及参考所给的教学案例论文，决定选择与我们生活有关的——大学生睡眠质量问题。 2．问题背景 睡眠与我们的生活息息相关，当每天的身体机制在不断运行的过程中身体负荷不断变大，到了夜间就需要休息。但是同一寝室的同学大多休息时段不同，有些习惯早睡，有些会由于许多原因晚睡。有些睡眠较沉不会轻易被打扰，有些睡眠较轻容易被鼾声或者其他声响惊醒。学习得知，解释系统模型是通过对表面分离、凌乱关系的研究，揭示系统内部结构的方法。因此，我想尝试通过解释模型来对该问题进行研究分析。 3.用画框图的形式画出ISM的建模步骤。

故障诊断技术研究及其应用

故障诊断技术研究及其应用 1 引言 以故障为研究对象是新一代系统可靠性理论研究的重要特色，也是过程系统自动化技术从实验室走向工程的重要一环。最近二十多年来，以故障检测、故障定位、故障分离、故障辨识、故障模式识别、故障决策和容错处理为主要内容的故障诊断与处理技术，已成为机械设备维护、控制系统系统可靠性研究、复杂系统系统自动化、遥科学、复杂过程的异变分析、工程监控和容错信号处理等领域重点关注和广泛研究的问题。 诊断(Diagnostics)一词源于希腊文，含义为鉴别与判断，是指在对各种迹象和症状进行综合分析的基础上对研究对象及其所处状态进行鉴别和判断的一项技术活动[1]。故障诊断学则是专门以考察和判断对象或系统是否存在缺陷或其运行过程中是否出现异常现象为主要研究对象的一门综合性技术学科。它是诊断技术与具体工程学科相结合的产物，是一门新兴交叉学科。故障诊断与处理技术，作为一门新兴技术学科，可划分为如下三个不同的研究层次： (1) 以设备或部件为研究对象，重点分析和诊断设备的缺陷、部件的缺损或机械运转失灵，这通常属于设备故障诊断的研究范畴； (2) 以系统为研究对象，重点检测和分析系统的功能不完善、功能异常或不能够完成预期功能，这属于系统故障检测与诊断的研究范畴； (3) 以系统运行过程为研究对象，考察运行过程出现的异常变化或系统状态的非预期改变，这属于过程故障诊断的研究范畴。 概而言之，故障诊断研究的是对象故障或其功能异常、动作失败等问题，寻求发现故障和甄别故障的理论与方法。无论是设备故障诊断、系统故障诊断还是过程故障诊断，都有着广泛的研究对象、实在的问题背景和丰富的研究内容。本文将从故障诊断与处理技术的研究内容、典型方法和应用情况等三个方面，对故障诊断及相关技术的发展状况做一综述，同时简要指出本研究方向的若干前沿。 2 故障诊断与处理的主要研究内容 故障诊断与处理是一项系统工程，它包括故障分析、故障建模、故障检测、故障推断、故障决策和故障处理等五个方面的研究内容。 2.1 故障分析 故障是对象或系统的病态或非常态。要诊断故障，首先必须对故障与带故障的设备、系统、过程都有细致分析和深入研究，明确可能产生故障的环节，故障传播途径，了解故障的典型形式、表现方式、典型特征以及故障频度或发生几率，结合对象的物理背景了解故障产生的机理、故障关联性和故障危害性。 常用的故障分析方法有对象和故障环节的机理分析法、模拟法、数值仿真或系统仿真法和借助数学模型的理论分析法等。 2.2 故障建模 模型分析是现代分析的基本方法，对复杂对象的故障诊断同样具有重要应用价值。为了定量或定性地分析故障、诊断故障和处理故障，建立故障的模型和带故障对象的模型是十分

非线性Hammerstein模型的辨识【开题报告】

毕业设计开题报告 电气工程与自动化 非线性Hammerstein模型的辨识 一、选题的背景与意义 系统辨识是是现代控制理论中的一个重要分支。通过辨识建立数学模型的目的是估计表征系统行为的重要参数，建立一个能模仿真实系统行为的模型，用当前可测量的系统的输入和输出预测系统输出的未来演变，以及控制器的设计。非线性系统辨识是系统辨识的一个重要的发展方向，一直是现代辨识领域中的一个主要课题，对其研究有十分重要的理论和实际意义。非线性问题的主要困难之一是一直缺乏描述各种非线性系统特性的统一的数学模型。为此，人们提出了多种类型的模型，如块联模型]1[、神经网络模型]2[、双线性模型]3[、非线性参数模型等等。 Hammerstein模型属于块联模型，由一个线性动态系统跟随一个非线性静态模块构成。自从Narendra& Gallman 1966年提出了Hammerstein模型后]4[，由于模型结构简单且能有效地描述常见的非线性动态系统特性，所以许多学者相继研究了Hammerstein模型参数的估计方法，近年来Hammerstein模型被广泛地应用于非线性系统辨识。辨识Hammerstein模型的意义在于：利用辨识结果获得中间层输出，选择合适的性能指标，就可以把原非线性系统的控制问题分解为线性模块的动态优化问题和非线性模块的静态求根问题，因此可以有效结合线性模型预测控制的成熟理论解决这类非线性对象的控制问题，避免传统非线性控制方法计算量大，收敛性和闭环稳定性不能得到保证等诸多问题。 二、研究的基本内容与模拟解决的主要问题： 针对Hammerstein模型的辨识问题，可以归结为线性模块的动态优化问题和非线性模块的静态求根问题。因此研究的重点就是如何运用比较新颖的优化算法得到Hammerstein模型的参数解集，并能通过和传统算法的比较论证阐述采用方法的合理性，可行性及有效性。具体需要解决的问题包括以下几点： 1.什么是Hammerstein模型，它的基本结构式怎么样的； 2.确定Hammerstein非线性系统辨识的思想和实现方法； 3.熟悉PSO/BFO优化算法和熟悉最小二乘法估计方法；

模糊数学模型和评价模型

模糊数学方法的数学模型和主观性较强的多属性评价模型 对于非标准化的电子作品难以用精确的百分制来进行评定的问题，可以引入模糊数学方法的数学模型与多属性评价模型进行评价 1．模糊数学方法的数学模型 评价学生成绩的因素可划分为若干类（如课堂平时成绩、电子作品集、其中成绩和期末考试），每类又有相应的评价权重（如课堂平时成绩占30%、电子作品集占20%、期中成绩占20%和期 末考试占30%）和评价等级（如课堂平时成绩—优秀、电子作品集—良好、其中成绩—中、期末考试—良好），称为一级评价因素；而每一类一级评价因素（如电子作品集）又可包含若干二级评价因素（如电子作品集好坏的评价标准）和每个评价标准的权重，依次类推。下面的模型只考虑具有二级评价因素的问题如何用模糊数学的方法来做出科学的评价。 假设考虑学生的成绩的因素中，一级评价因素有n 类，记为U ={u 1,u 2,u 3,…,u n }，其权重为),,,(21n w w w W =，其评价等级对应的成绩为=D ),,,(21n d d d ，则该学生的成绩为： CJ==D W T )(2121n n d d d w w w ?????? ? ?? 下面求=D ),,,(21n d d d 。假设某个评价因素u i 有m 个二级评价指标，记为V i ={v i 1,v i 2,v i 3,…,v im }，权重分别为Q i ={q i 1,q i 2,q i 3,…,q im }，有t 种评价等级，记为P ={p 1,p 2,p 3,…,p t }，与各等级对应的分数是F ={f 1,f 2,f 3,…,f t }，有k 个评委对每个指标的各个等级的投票人数为矩阵W m *t ： W m *t =?? ? ? ? ?? ??32 1 22221 11211m m m t t w w w w w w w w w 其中， m i k w t j ij ,,2,1,1 ==∑= 则D i ),,2,1(n i =为各矩阵的乘积： Q 1*m *W m *t * F t *1 = ()??? ? ? ?? ????????? ??t mt m m t t im i i f f f w w w w w w w w w q q q 212 1 22221 112112 1 多级评价等级可以多次使用此法求得。

基于数学模型的故障诊断方法

本文结合了变工况数学模型的故障诊断方法，着重阐述了燃气轮机热力模型的重要意义和建立过程。通过建立适合基于热力参数故障诊断的标准模型和故障模型,可以为诊断系统的开发提供重要的理论依据。 基于数学模型的方法需要建立被诊断对象的数学模型。它利用检测信号或估计出系统的物理参数,或在噪声背景下重构系统的状态,通过参数变化和故障间的联系,对状态估计残差序列的检验和识别等技术对故障进行预报、定位、定量和定因。因此,它又可以分为参数估计法和状态估计法两种。 1、参数估计法 参数估计法根据模型参数及相应的物理参数的变化来检测和分离故障。当参数有显著变化时,可利用已有的多种参数估计方法,根据参数变化的统计性特性来检测故障的发生。这种方法不需计算残差序列,且较利于故障的分离,因此可以和一些状态估计法相结合对非线性系统进行诊断,以得到更好的故障诊断效果。 2、状态估计法 状态估计法是当系统可观和部分可观时,重构被控过程的状态,将估计值与测量值进行比较,构成残差序列,以检测和分离系统故障。当参数有显著变化时,可利用已有的多种参数估计方法,根据参数变化的统计性特性来检测故障的发生。当能够获得系统精确的数学模型时,状态估计法最为直接有效。这类方法虽然综合利用了系统的结构、功能、行为信息,但是由于很多非线性系统的数学模型难以建立,成为了制约此类方法发展的因素。 本文在标准的热力模型基础上通过小偏差方程建立燃气轮机的可测参数和性能参数间的变化关系,然后对比经典的燃气轮机故障发生判据进行故障征兆的转换。这样直接利用可测参数的变化量进行故障诊断,提高了诊断系统的诊断效率和预报时效。 意义：通过本文所介绍的方法建立的数学模型在系统的开发过程中可以产生了很大的实际效应,提高了系统的诊断效率和准确率。伴随着计算机软硬件技术的飞速发展,诸多有关燃气轮机的故障诊断的专家系统也得到完善。热力模型建立得越全面、越深入，则该系统可以诊断的故障范围就越大。 学生：王家乐（20131013081） 时间：2013.10.10

深度学习在故障诊断中的应用

分类号：单位代码： 密级：学号： 故障诊断论文作业 题目：深度学习在电力变压器故障诊断应用姓名：黄贤存 学号：20152283405 研究方向：基于深度学习的图像处理 二○一六年四月

深度学习在电力变压器故障诊断应用 摘要：由于电力变压器发生故障时油色谱在线监测数据无标签，工程现场往往会得到大量无标签故障样本，而传统的故障诊断方法在对变压器故障类型进行判别时往往无法充分利用这些无标签故障样本。该文基于深度学习神经网络[1](deep learning neural network，DLNN)，构建了相应的分类模型，分析并用典型数据集对其分类性能进行测试。在此基础上提出一种电力变压器故障诊断新方法，它能够有效利用大量电力变压器油色谱在线监测无标签数据和少量故障电力变压器油中溶解气体分析[2] (dissolved gas-in-oil analysis，DGA)实验数据进行训练，并以概率形式给出故障诊断结果，具有更优的故障判别性能，能够为变压器的检修提供更为准确的参考信息。 关键词：故障诊断；电力变压器；深度学习神经网络；溶解气体分析Abstract：As oil chromatography online-monitoring data is unlabeled during power transformer failure，project sites tend to get a large number of unlabeled fault samples．However，traditional diagnosis methods often fail to make full use of those unlabeled fault samples in judging transformer fault types．Based on deep learning neural network ( DLNN )，a corresponding classification model was established，whose classification performance was analyzed and tested by typical datasets．On this basis，a new fault diagnosis method of power transformer was further proposed，in which a large number of unlabeled data from oil chromatogram on-line monitoring devices and a small number of labeled data from dissolved gas-in-oil analysis (DGA) were fully used in training process．It could generate fault diagnosis result in the form of probabilities，and provide more accurate information for the maintenance of power transformer because of its better performance in fault diagnosis．Keywords：fault diagnosis; power transformer; deep learning neural network; dissolved gas-in-oil analysis

解释结构模型

3.2解释结构模型 系统是由许多具有一定功能的要素（如设备、事件、子系统等）所组成的， 各要素之间总是存在着相互支持或相互制约的逻辑关系。在这些关系中，又可以分为直接关系和间接关系等。为此，开发或改造一个系统时，首先要了解系统中 各要素间存在怎样的关系，是直接的还是间接的关系，只有这样才能更好地完成 开发或改造系统的任务。要了解系统中各要素之间的关系，也就是要了解和掌握系统的结构，建立系统的结构模型。 结构模型化技术目前已有许多种方法可供应用，其中尤以解释结构模型法（InterpretativeStructuralModeling,简称ISM）最为常用。 3.2.1结构模型概述 一、解释结构模型的概念 解释结构模型（ISM）是美国华费尔特教授于1973年作为分析复杂的社会 经济系统有关问题的一种方法而开发的。其特点是把复杂的系统分解为若干子系 统（要素），利用人们的实践经验和知识，以及电子计算机的帮助，最终将系统 构造成一个多级递阶的结构模型。 ISM属于概念模型，它可以把模糊不清的思想、看法转化为直观的具有良好 结构关系的模型，应用面十分广泛。从能源问题等国际性问题到地区经济开发、 企事业甚至个人范围的问题等，都可应用ISM来建立结构模型，并据此进行系 统分析。它特别适用于变量众多、关系复杂且结构不清晰的系统分析，也可用于方案的排序等。 所谓结构模型，就是应用有向连接图来描述系统各要素间的关系，以表示一个作为要素集合体的系统的模型，图3-1所示即为两种不同形式的结构模型。

图3-1两种不同形式的结构模型 结构模型一般具有以下基本性质： （1）结构模型是一种几何模型。结构模型是由节点和有向边构成的图或树 图来描述一个系统的结构。节点用来表示系统的要素，有向边则表示要素间所存 在的关系。这种关系随着系统的不同和所分析问题的不同，可理解为“影响”、“取决于”、“先于”、“需要”、“导致”或其他含义。 （2）结构模型是一种以定性分析为主的模型。通过结构模型，可以分析系统的要素 选择是否合理，还可以分析系统要素及其相互关系变化对系统总体的影响等问题。 （3）结构模型除了可以用有向连接图描述外，还可以用矩阵形式来描述。 矩阵可以通过逻辑演算用数学方法进行处理。因此，如果要进一步研究各要素之间关系，可以 通过矩阵形式的演算使定性分析和定量分析相结合。这样，结构模型的用途就更为广泛，从而 使系统的评价、决策、规划、目标确定等过去只能凭个人的经验、直觉或灵感进行的定性分析，能够依靠结构模型来进行定量分析。 （4）结构模型作为对系统进行描述的一种形式，正好处在自然科学领域所用的数学 模型形式和社会科学领域所用的以文章表现的逻辑分析形式之间。因此，它适合用来处理 处于以社会科学为对象的复杂系统中和比较简单的以自然科学为对象的系统中存在的问题， 结构模型都可以处理。 总之，由于结构模型具有上述这些基本性质，通过结构模型对复杂系统进行分析往往能够 抓住问题的本质，并找到解决问题的有效对策。同时，还能使由不同专业人员组成的系统开发 小组易于进行内部相互交流和沟通。

解释结构模型_布尔矩阵_模糊解释结构模型-解释结构模型在线计算

在线计算可以到解释结构模型矩阵各种运算一一刷新页面有个新矩阵 这里要理解的概念有： 原始矩阵----------- 提醒注意对角线的值 单位矩阵——对角线为1 相乘矩阵------- 上面两个相加 可达矩阵------- 没有什么很牛逼的算法，建议是先分组，然后再算， 要素有1000个，能算到机器死，更不用说人了，包括用转移闭包的方法 系统判断，区域划分，都是一回事情，系统就是，一个要素与另外一个要素 总有通路 回路判断，强连通子集判断，环路判断，可以用一个要素替代之

层级划分，现在的书很死板，只讲了结果优先的划分方法 层级划分，原因优先的划分方法 层级划分，用到所谓的先行集合，可达集合，其实就是可达矩阵与可达 矩阵的转置矩阵的另外一种表示方式还有什么交集判断等 等可达矩阵，等可达矩阵的骨架矩阵，就是把要素与要素之间的一些关 系干掉，并不影响整个层级骨架矩阵S=R-(R-I)A2 活动要素：这个概念俺提出的，就是通过两种不同层级划分后，在层级间可以变化的要素 算子：以后搞模糊矩阵的时候再说: 想在线计算解释结构模型的或者直接生成论文的请发电子邮件到，N 年前耗子，阿勇几个做过个很牛逼的，我见过的是最牛逼的了，可以直接图形表示的。哪个哥们有兴趣可以在上面的代码上完善。

我看了下代码，发现代码量居然蛮大的，尤其耗子原来做的 显示第一个矩阵matrix_A 该矩阵为原始矩阵！ abcdefghi j k l mno pqrstuvwxyz

u 1 1 v

显示原始矩阵matrix」的单位矩阵!

显示相乘矩阵matrix_B与matrix_B1 该矩阵为原始矩阵与单位矩阵相加