朴素贝叶斯分类在仪表故障判断上的应用

为了探讨朴素贝叶斯分类在仪表故障判断领域的应用价值,通过将某核电厂压力表故障的历史信息进行分类汇总,将故障的判断转换成文本分类任务,结合朴素贝叶斯分类算法和自然语言处理建立故障的分类模型,实现对新增故障的准确判断。通过验证,朴素贝叶斯分类模型能够对新增故障进行判断分类。测试中需要进行校验类故障准确率能够达到95%以上,其他类故障准确率高于70%。传统故障判断一般是由人来完成,通过贝叶斯分类模型实现对故障的判断,可减轻人员劳动强度,提高工厂维修自动化水平。     

基于瞬时转速信号的柴油机故障诊断

为快速、准确地判断柴油机燃烧故障,通过对柴油机曲柄飞轮系统的动力学分析,建立基于动力学模型和扭矩波动的柴油机转速波动信号检测柴油机异常燃烧的方法,提出特征参数I.对4108YC型机不同情况的模拟计算可以看出,特征参数I能够准确判断故障气缸的位置以及漏油故障程度,各故障气缸的相位差约为180°,正好和发火间隔角相同,而且特征参数曲线发生故障部分的顺序与发火顺序相同.实例计算证明,利用瞬时转速进行故障诊断,即可以利用各个气缸对应的特征参数相互比较来判定,无需大量原始数据的积累,且故障判据的可移植性好.     

连铸主机辊系故障诊断专家系统模型与算法

在建立了连铸主机设备的状态监视系统后,通过收集大量的现场数据,利用神经元网络技术研究了辊系工作状态的基本模型·应用数据分析后的现场数据对建立的网络进行训练得到了拟合驱动辊力矩均值曲线的计算模型,并将研究的故障判断模型和算法应用到连铸主机辊系的现场计算机监视专家系统,准确地判断出在线运行设备中的电机故障,避免了对连铸铸坯质量的不良影响·为建立结晶器专家系统和铸坯质量判断系统奠定了良好基础·     

利用油中溶解气体分析判断设备故障部位

按照"变压器油中溶解气体分析和判断导则"来判断设备运行状况,可以准确的判断设备是否存在故障。本文对运行中油中溶解气体含量异常时如何进行分析,如何判断设备故障类型、故障大致部位提出综合的处理建议并举例说明。     

基于加权模糊Petri网的电网分层故障诊断方法

为了降低模型建立的复杂度,增强模型的灵活性和通用性,研究了用于电网故障诊断的分层加权模糊Petri网模型,对系统中的元件分别建立子网和综合诊断两层模型,并将建立的分层加权模糊Petri模型与Stateflow元素对应转换,利用Simulink构建故障诊断模型,结合故障推理算法,求得元件的故障概率值,准确判断出故障元件。针对一个典型电网模型进行案例测试,结果表明,所建模型和仿真方法简单方便,具有准确性和通用性。     

浅谈钢丝绳电动葫芦故障噪声信号分析

钢丝绳电动葫芦在发生故障时,往往会伴随着异常噪声的产生。根据异常噪声的差异性,我们可以判断和寻找故障的原因和位置。但是单凭个人经验来判断和寻找故障往往很难。本文介绍一种简单易行的声音信号分析程序,为准确判断故障发生的位置,为及时寻找和检修故障提供一条良好途径。     

提高气相色谱法诊断变压器故障正确率

本文介绍了特征气体产生途径和判断变压器故障的方法,并通过实例阐述了变压器运行中色谱试验异常判断过程。介绍了变压器在非故障时产生特征气体的几种原因及相应对策,以便减少诊断变压器故障的干扰源,进而提高判断变压器故障的正确率。对运行维护人员准确诊断变压器内部故障具有一定帮助。     

基于改进BP神经网络的S700K转辙机控制电路故障诊断研究

针对S700K型转辙机控制电路故障定位和检测精度不高,故障延时长的现状,通过分析于S700K转辙机启动电路和表示电路的故障的特点,建立了基于改进BP神经网络的故障诊断模型,有效的解决了网络容易陷入局部最小值和收敛速度慢的缺点。通过测试,表明了该方法的有效和准确判断S700K转辙机控制电路的故障位置,效果良好,能够满足轨道交通现场的实际需求。     

浅谈数控机床常见故障的判断方法

数控机床故障维修的难点是查找出故障的原因,即故障诊断。为了确定故障原因,必须采用一定的方法,作出准确的判断和处理。     

基于PLC网络的粮食输送控制系统故障判断方法与实现

在对PLC网络控制的大型中转粮食系统的故障分析的基础上,提出一种在线判断控制系统故障的新方法。该方法通过构造系统的故障判断矩阵,并结合PLC端口的状况,可以通过运算准确地判断系统的故障源,降低监控软件的运算量。     

基于Sigma点卡尔曼滤波的燃气轮机气路故障诊断

针对燃气机复杂的机械和电子控制系统易发生故障的问题,利用Sigma点卡尔曼滤波进行了燃气轮机的在线非线性故障诊断.首先改进了燃气轮机滤波用离散非线性模型,提高了模型精度.采用单形采样构建Sigma点卡尔曼滤波器,降低了计算量.在Simulink平台实现了气路故障诊断系统,并进行了单故障、复合故障、渐变故障、突变故障的测试验证.结果表明:设计的诊断系统具有较高的检测、跟踪精度和故障模式、燃气轮机工况适应性.     

卫星着陆系统差分基准站B值分析与处理算法

多基准一致性检测中的B值处理是卫星着陆系统完好性监测的核心,针对传统基于极大似然估计准则的B值处理算法存在相关性,易造成系统故障检测率低以及难以区分故障来源的问题,研究了基于Kalman滤波的B值处理新算法:通过建立以监测接收机修正伪距值为观测量,星站距离估计值为状态量的滤波模型,计算得到监测接收机修正后的伪距误差,然后利用其构造新的B值;理论分析与试验结果表明,相比于传统算法,新的B值处理算法可以消除相关性的影响,故障检测率提高近20%,增强了系统的可用性水平。     

基于SR-UKF的移动机器人主动故障检测和容错控制

提出了一种基于SR-UKF的主动状态建模方法用于移动机器人的在线故障检测和容错跟踪控制.通过对履带式机器人常见滑动故障的运动学分析,建立了带未知滑动故障参数的机器人运动学模型,并采用SR-UKF非线性滤波方法来联合估计机器人的位姿和滑动参数,在对机器人进行实时定位的同时实现了对快速变化(或突变)的滑动故障的在线跟踪和检测.在此基础上,将估计得到的自适应参数模型与基于Lyapunov分析的反馈控制律设计方法结合,获得了一致渐近稳定的轨迹跟踪控制结果,实现了针对在线故障自适应模型的容错控制重构.针对典型的阶跃式滑动故障参数变化的轨迹跟踪仿真实验表明了该方法的有效性.     

基于SINS/GPS/OD组合导航的列车定位方法的研究

本文设计了适合列车应用的SINS/GPS/OD组合导航系统,建立了联邦Kalman滤波模型和各子滤波器的数学模型。本文结合了联邦kalman滤波的优势,应用了容错滤波技术,提高了系统的容错能力和可靠性。最后通过仿真试验验证了该组合导航系统能为列车运行提供精确的导航参数。     

基于间隙度的变换器早期故障诊断方法

变换器早期故障特征微小,极易被电网复杂工况信号淹没,因此早期故障诊断可以避免电力系统故障发酵,保证供电安全。但传统基于电流、电压残差信号的方法难以实现早期故障诊断。引入间隙度作为一种新的度量工具,可以由系统间内部距离描述早期故障。通过卡尔曼滤波器观测的输出状态可以建立早期故障模型,将模型间的间隙度作为早期故障诊断特征,由系统内部衡量故障偏差,进行故障类别和故障强度诊断,提高系统稳定性。通过仿真实验搭建变换器模型,验证以间隙度为度量工具实现变换器早期故障诊断的有效性,通过与传统残差阈值方法比较,本文方法可以有效提高变换器早期故障诊断灵敏度同时降低误判率。     

基于EMA_UKF的移动机器人传感器故障诊断

针对移动机器人多传感器单个或组合故障的情况,提出一种基于EMA_UKF(expected mode augmentation-unscented Kalman filter)方法,用于解决传统固定结构交互多模型算法(FSMM)因模型数量多而造成实时性较差,以及扩展卡尔曼滤波(EKF)计算复杂且精度不高的问题。EMA_UKF方法将期望模型扩张算法(EMA)与无味卡尔曼滤波方法(UKF)相结合,首先利用模型集合自适应来确定期望模型;然后用期望模型扩张初始模型集,通过UKF滤波得到接近真实模型状态的估计结果,判断传感器故障类型。最后,通过与传统的FSMM方法的实验对比,表明该方法能够有效地判断出移动机器人单个或组合传感器故障类型,并且明显地提高了诊断精度。     

基于神经网络的Wiener系统故障检测方法

针对一类线性部分严格正定且非线性部分可逆的Wiener模型,提出了基于神经网络参数估计的系统线性部分故障检测方法.引入卡尔曼滤波器滤除系统未知干扰和噪声,并将Wiener模型转化为ARMA模型,计算得到线性部分参数;神经网络在线估计系统线性部分的参数,通过参数估计值与实际值的比较检测系统故障.仿真实例证明了该方法的正确性和有效性.     

多传感器多模型相互作用的数据关联方法

基于信息融合中的数据关联技术,在卡尔曼滤波基础上,结合相互作用多传感器多模型的概率数据互联算法,建立故障监测报警和现场传感器量测数据关联二者之间的关系,建立更具一般性的分布式传感器系统基础上的多传感器多模型,改进概率数据关联方法,以用于故障监测报警中相互作用的算法．并结合一个时变系统中空间位置传感器的故障诊断问题为例,运用多传感器多模型相互作用的数据关联方法进行仿真分析,研究此类故障判据的数据关联问题和数据关联算法的改进,研究表明相互作用多模型的概率数据互联改进方法不仅与有限维数的特定测量阈值相对应,而且直接针对故障模式,能够体现出动态模型的优点,可以与系统诊断知识相融合,为故障诊断的单步的、多步的、长期的预测预报提供依据．     

基于瞬变流和故障检测的管线泄漏监测试验分析

根据动态系统分布参数模型的故障检测与诊断技术思想,结合管道流动的水力瞬变模型与适用于时变非线性系统的故障检测滤波器——扩展卡尔曼滤波算法,探讨了海底管道泄漏监测与定位技术.增广的状态向量包含管段各点的压力、流量和泄漏尺寸,进出口压力和流量4个参数组合成系统输入和输出向量,以卡尔曼增益阵修正由特征线结合差分法求解瞬变流离散方程得到的状态预测值,从而利用"新息"得出更准确的状态估计.在泄漏发生伊始即探测出异常,并给出泄漏发生时刻.基于压力梯度线性的假设计算泄漏位置,对一段试验水管的进出口压力流量测量序列进行上述分析,得出了与实际相当吻合的结果,初步验证了方法的有效性.     

基于IMM-UKF方法的机电作动器突发性故障诊断研究

飞机飞行控制系统机电作动器（electromechanical actuator,EMA）的突发性故障会影响到飞机的飞行安全性,甚至导致飞机失控.针对EMA的突发性故障,提出一种基于交互式多模型（interactive multiple model,IMM）和无迹卡尔曼滤波（unscented Kalman filter,UKF）相结合的故障诊断方法.该方法利用UKF不仅能更好地逼近状态方程的非线性特性,而且能使滤波器具有更好的稳定性和更低的计算量要求;利用IMM不仅解决了可测量参数偏少导致的故障诊断困难的问题,而且还改善了发生的故障与预先假设的故障差异较大的情况下故障诊断的快速性和准确性.通过对某型EMA进行故障诊断,仿真结果表明所提出的IMM-UKF故障诊断方法可以实现对EMA部件和传感器故障的快速准确诊断.