水电机组故障诊断专家系统中图形征兆的提取

将小波包分解及重构技术用于转子轴心轨迹提纯，利用离散余弦变换实现轴心轨迹的自动识别，结合水轮发电机组故障诊断系统，实现了轴心轨迹图形征兆的提取，论证了所述方法的合理性和可行性．利用该方法提高了系统的诊断速度和精度．     

基于神经网络的水轮发电机组振动故障诊断专家系统的研究

针对神经网络的缺陷和水轮发电机组振动故障原因多、征兆多的特点，利用网络分块技术，把BP网络规模控制在可以接受的范围内，并将专家系统与神经网络相结合，较好地解决了知识获取和自学习的问题。通过实例验证，该网络模型能有效地分离各种故障类型，在水轮发电机组振动故障诊断中具有一定的诊断能力。     

模糊专家系统在水轮发电机组故障诊断中的应用

根据水轮发电机组的结构特点，文内建造了一个故障诊断模糊专家系统，就系统的组成及其功能原理和系统建造过程中的规则表示、知识获取、推理机制等重要功能模块进行论述文章结合水轮发电机组温度异常故障诊断给出了应用实例     

基于信息融合技术的大型水轮发电机故障诊断

为了能够从多方面反映水轮发电机组系统状态,实现对水轮发电机组故障模式的自动识别与准确诊断,将信息融合技术应用于水轮发电机组故障诊断系统。根据故障特征量将故障进行分类处理,采用多个并联的BP子神经网络进行水轮发电机组故障的局部诊断,获得彼此独立的证据,再运用D-S证据理论融合算法对各证据进行融合,最终实现对水轮发电机组故障的准确诊断。诊断测试实验证明:采用该诊断系统可有效地提高诊断可信度,减少诊断的不确定性。     

模糊专家系统在水轮发电机组故障诊断中的应用

根据水轮发电机组的结构特点 ,建造了一个故障诊断模糊专家系统 ,论述了系统的组成及其功能原理和系统建造过程中的规则表示、知识获取、推理机制等重要功能模块 .系统以水轮发电机组温度异常故障为诊断对象 ,采用模糊正向推理方法 ,能够对机组运行过程中产生的故障及时作出诊断 ,实现了故障诊断自动化的功能     

基于动态核聚类分析的水轮机组故障模式识别

根据水轮机组振动故障与振动征兆之间复杂的非线性关系，总结了适用于水轮发电机组振动故障诊断的频谱特征表和振动部位幅值特征表；针对C-均值聚类易产生误分类问题，提出基于动态核聚类分析的水轮机组故障模式分类方法；对振动信号频率、振动信号幅值特征、振动部位进行分析，获得振动频谱征兆隶属度值，在此基础上，建立了基于故障分层的水轮机组运行状态自动诊断模型．工程应用实例表明：该模型的诊断效率是可行的，诊断结果具有较高的可信度．     

故障诊断中几种征兆自动获取技术研究

研究了故障诊断系统中几种诊断征兆的自动获取机制，给出了对不同类型的征兆实现自动获取的有效方法．着重研究了轴心轨迹图形的自动识别问题，提出了利用图形的不变性矩特征的识别技术，构造了基于不变性特征矩的特征向量，定义了特征矩向量之间的距离，提出了置信度的度量方法．通过对轴心轨迹的仿真和实际识别，表明该方法是可行的     

大型电站分布式智能诊断系统的结构与协调方法

把分布式人工智能应用到大型电站设备故障诊断问题之中，提出了大型电站分布式智能监测与诊断系统的基本结构，它可以把不同的故障诊断推理方法有机地结合起来运用，并介绍了采用多层黑板结构模型的协调与通讯方法，最后给出了大型电站热力系统状态监测和汽轮发电机组振动故障诊断的应用实例     

水轮发电机组振动故障模糊诊断方法研究

根据水轮发电机组的振动特点 ,探讨了适合于水轮发电机组的振动故障诊断方法 ,即模糊诊断法。并提出了在应用模糊诊断方法进行振动故障诊断过程中 ,动态建立模糊关系矩阵的新见解。     

水电机组故障诊断中的推理策略

在水轮发电机组监测与故障诊断专家系统中，推理机的设计是专家系统的核心．针对水电机组的特点，讨论了知识的表达方式、专家系统推理机推理策略的实现，并讨论了规则可信度的计算．该推理方法用于白莲河水电站监测与故障诊断系统中，成功地对机组的故障原因进行了推理，证明该推理方法是可行的，并为其他电站故障诊断推理机的设计提供了参考。     

神经网络在城市综合业务故障诊断中的应用

提出计算机城市综合业务实时处理网络系统中的在线故障诊断问题,分析了计算机城市综合业务中应用神经网络技术进行故障诊断的可行性.重点针对应用软件故障,给出了后台服务中常见的故障征兆原因关系例图、故障诊断神经网络模型、神经网络参数和学习样本.通过仿真实验,验证了BP神经元网络能够有效实现后台管理中的故障诊断.     

智能型箱式变电站故障诊断系统的研究

提出了一种基于多神经网络的分布式箱式变电站故障诊断系统的结构和构建方法，并介绍了对故障特征信息进行模糊化处理的方法，该系统具有可在线诊断，故障样本知识库易于维护和扩展，界面友好的特点。     

一种基于动态贝叶斯模型的大型IP网络故障诊断方法

为了提高IP业务的服务质量,利用告警等症状和已有知识快速准确地定位根故障十分重要。基于贝叶斯网络的不确定推理方法是近年来广泛应用的一种故障诊断方法。目前,基于静态贝叶斯网络的故障定位只是利用当前信息进行故障诊断,无法处理时间信息;而已有基于动态贝叶斯网络的诊断算法复杂度太高,不适用于大型网络。本文针对大型IP网络,建立用于故障诊断的动态贝叶斯模型,并对基于动态贝叶斯网络的一种通用的精确算法进行改进,实验证明它能够对大型IP网络快速准确的定位故障。本文方法充分利用告警库中的历史数据和当前症状信息,对当前的系统状态进行估计,完成故障诊断。     

基于BP神经网络的电机转子故障诊断的研究

介绍了一种基于 BP算法的神经网络在电机转子常见故障诊断中的应用。首先利用测振传感器获得转子的振动信息 ,然后用 FFT分析 ,将振动信号的频谱分析作为神经网络的训练样本。通过选择足够的故障样本来训练神经网络 ,将代表故障的信息输入训练好的神经网络后 ,由输出结果就可以判断发生的故障种类。     

基于VPRS和RBF神经网络的WSN节点故障诊断

为保障油料供给的安全性,研究无线传感器网络(WSN)节点故障诊断的可行性策略,提出变精度粗糙集(VPRS)和RBF神经网络结合的故障诊断方法.该方法由运行中的汇聚节点实时获取子节点故障征兆,建立初始决策表,利用VPRS作为前端处理系统,对初始决策表进行约简,删除冗余的、不重要的属性征兆,并将约简后的结果输入RBF神经网络实现节点故障识别.仿真实验结果表明:对于具有显著不确定性的WSN节点故障诊断,该方法能够准确快速地得出诊断结果,鲁棒性和适用性更强.     

发电机故障诊断处理系统的研究

故障诊断处理系统作为故障诊断系统中的一个子系统,对电力安全生产起着重要保障作用,同时还具有重大的社会效益和经济效益。针对发电机故障诊断系统中诊断处理系统的功能、结构等特点,提出故障诊断系统的任务并建立了故障的物理模型和诊断模型,并确定了故障诊断方法、策略以及知识库的建立;最后对诊断处理系统进行了总体设计。     

模糊诊断技术在旋转机械设备故障诊断中的应用

在复杂的机械系统中,一种故障状态可能引起多种故障征兆,而一种故障征兆也可能在不同程度上反映多种故障状态。根据振动信号频谱分析结果,提取频谱特征,获取各种故障征兆信息。在已知故障征兆的情况下,对多故障同时发生和多故障具有相同征兆的诊断问题,利用模糊诊断技术,确定机械设备故障类别的隶属度值,经模糊综合诊断后确定设备的故障。     

故障诊断理论及其在机电系统中的应用

介绍了故障诊断理论的提出过程和内容;简要地阐述了基于解析模型的故障诊断方法、基于知识的故障诊断方法和基于数据驱动的故障诊断方法;详细介绍了基于观测器的故障诊断方法的步骤,并举例说明了该方法在机电系统中的运用,给出了Matlab的仿真结果。最后,通过对仿真结果的分析,得出了基于观测器的故障诊断方法能够较好地完成系统监控的任务,但对复杂系统的故障定位精确度不够的结论。     

利用人工神经网络的故障诊断的模糊分类

针对基于方法的模糊逻辑和传统的神经网络在故障诊断中各自所具有的不足,提出了一种可行的方法,即在使用ＢＰ算法的神经网络中,输入矢量由故障症状的隶属度值组成,而输出矢量由该症状相对于各故障原因的隶属度值组成,将该方法应用于雷达设备的故障诊断,得到了令人满意的结果。     

基于仿生感知的机床刀具故障诊断系统

现有刀具故障诊断系统具有系统庞大、成本高,精度低等问题,亟需开发一种高精度、低成本的刀具故障诊断系统.为此,提出一种基于仿生应变传感器的数控机床刀具故障诊断系统,该系统首先将精度高、价格便宜的仿生柔性裂纹阵列振动敏感元件封装成刚性的仿生应变传感器,使其适用于采集机床刀具振动信号;然后从采集的刀具振动信号中提取时域和频域特征,并使用支持向量机算法建立刀具故障诊断模型.通过实验对离线故障和实时机床加工环境中的在线故障进行诊断,结果表明,设计的基于仿生应变传感器的刀具故障诊断系统对机加故障诊断的准确率大于88％,在保证故障诊断性能的同时降低了检测成本.这是将灵敏度高、成本低的仿生柔性敏感元件应用于工业故障诊断的一次全新尝试.