信息融合技术在机械故障诊断中的应用

针对目前机械故障诊断过程中存在的不足，考虑信息融合技术在机器故障诊断中的应用，以有效进行机器故障诊断．对目前应用的基于神经网络、贝叶斯理论和D-S理论的信息融合方法作了比较详细的论述．并以例子说明了信息融合技术在机器故障诊断分析中的有效性．     

基于多源信息融合和ADCNN的离心鼓风机故障诊断

针对离心鼓风机故障识别过程中单一传感器信号故障信息有限,传统的卷积神经网络(CNN)在处理多源高维数据时特征提取能力不足的问题,提出一种基于多源信息融合和自适应深度卷积神经网络(ADCNN)的离心鼓风机故障诊断方法。首先,基于相关性方差贡献率法实现离心鼓风机多源同类信息的数据层融合,建立多源信息融合框架;然后,利用ADCNN自适应地提取各异类信息的特征并完成特征融合,建立融合多源信息的ADCNN故障诊断模型;最后,将此方法应用于离心鼓风机转子故障诊断上,并与传统的融合模式以及CNN、反向传播神经网络(BPNN)、支持向量机(SVM)方法进行对比,试验结果表明:提出的方法在诊断精度与鲁棒性上均优于其他方法。     

面向变压器状态评估的数据集市的设计

变压器状态评估需要综合利用变压器状态信息，这些信息散布于电力部门的不同班组中。本文提出了一个面向变压器状态评估的数据集市框架，并在此基础上进行联机分析操作。建立基于数据集市与数据挖掘技术的变压器故障诊断模型，为变压器故障诊断提供技术支持。     

一种机械故障诊断多传感器数据融合特征提取的方法

为提高机械故障诊断的准确率,将多个振动传感器采集机械系统不同位置的信息进行融合,提出一种基于同源数据融合的特征提取方法。以柴油机缸盖和机身的振动信号为例,分析振动信号频谱与激励源到测量点的传输特性,构造基于频谱的高维特征向量。使用PCA方法和子带平均法降维,支持向量机进行分类验证其分类效果。结果表明,相比传统单通道传感器,此方法提取的特征不仅具有更高的可压缩性,而且其分类准确性有所提高。     

基于多属性群决策的柴油机故障证据融合方法

鉴于复杂机械系统中故障信息的不完备及不确定性造成证据理论在故障诊断决策级阶段融合的准确性问题,提出基于多属性群决策的故障证据融合方法.利用多属性群决策的属性分析,计算基于元素属性集合的决策体差异权重,以减小融合证据源的差异;结合柴油机目标故障的相似依赖关系,利用目标故障的可信度权重对冲突焦元信息再分配,旨在提高证据融合的准确性.对R6105AZLD柴油机台架试验结果表明:本文方法可大幅提高诊断准确度和鲁棒性.     

多源信息融合故障诊断方法研究进展

简述多源信息融合与故障诊断的关系,指出多源信息融合故障诊断的一般方法。从融合结构和融合算法的角度对多源信息融合故障诊断方法进行了分类阐述,并分别说明其诊断原理与研究现状;指出信息融合故障诊断按融合结构可分为层次结构信息、多级信息和组合神经网络的融合故障诊断,按融合算法分为基于贝叶斯理论、DS证据理论、模糊集理论、粗糙集理论和人工神经网络的融合故障诊断。最后展望了信息融合故障诊断方法的未来发展趋势。     

信息融合熵在机械故障诊断中的应用

详细介绍信息融合熵理论在机械故障诊断中的应用,为复杂的机械故障诊断提供一种新的方法.利用信息论熵的相关理论和D-S证据理论,分别研究机械特征参数提取和机械故障诊断的信息融合问题.用机械健康度定量度量机械状态的优劣,给出机械特征参数提取和机械故障诊断时信息融合的计算方法.最后,以柴油机的故障诊断为例,论述实际故障诊断应用中该方法的具体实施过程,并将该诊断方法与传统的故障诊断方法进行比较,分析该诊断方法的特点.研究结果表明基于信息融合熵的机械故障诊断方法具有良好的容错性和稳定性,能够提高机械故障诊断的准确性和可靠性.     

基于多传感器数据融合的故障诊断技术

提出了一种基于多传感器数据融合的故障诊断系统框架,给出了故障诊断融合技术的详细算法和提高系统柔性与开放性的方法,以及与其他故障诊断方法相融合的方法与算法,提出的基于多传感器数据的故障诊断融合技术具有较好的实时性、柔性与开放性,检测、控制与多传感器故障诊断相融合可使系统在不增加设备投资的前提下改善系统的性能。     

基于神经网络和证据理论集成的钻井过程状态监测与故障诊断

钻井过程状态监测与故障诊断是钻井系统安全运行过程中的重要保障。基于信息融合原理,先建立钻井过程参数子空间和子神经网络进行初级融合,形成对钻井故障辨识框架中各故障模式的证据支持,再利用D-S证据理论将子网络输出所形成的证据进行融合,得到各故障模式的置信区间,很好地实现了钻井状态识别。试验结果表明,基于神经网络和证据理论集成的融合算法降低了神经网络的复杂性,提高了神经网络诊断过程的效率,集成融合算法可以很好地提高钻井参数融合的准确性。     

ATE中的故障诊断系统设计与实现

针对目前基于ATE的故障诊断系统存在的问题,在类似研究的基础上,给出了一种通用故障诊断系统软件设计方案。首先建立了故障诊断系统功能模型,以此为基础建立了基于XML语言的故障诊断系统框架及故障诊断过程中所需及产生的各类信息模型,研究了基于ATE的采用粗糙集方法和故障树分析法的故障诊断方法,并以某型飞机电子对抗设备综合测试与故障诊断系统为例建立了软件系统总体框架,介绍了各功能模块设计方案,最终完成了故障诊断软件程序的编写。     

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。     

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.     

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。     

基于模型和故障树的飞机故障诊断方法研究

随着科技的进步,航空工业迅速发展,大量高科技机载设备的使用大大增强了飞机的性能,但同时也增加了系统的复杂性和设备之间的耦合度,进一步增加了飞机系统故障诊断的难度。单一的故障诊断方法由于其局限性,很难满足复杂装备的诊断需求,因此,不同故障诊断方法相互融合的综合故障诊断技术成为航空领域研究的热点。本文针对飞机外场排故的实际需求,提出了基于模型和故障树的故障诊断方法,其原理是,根据外场模块化排故的特点和飞机设计知识,建立以LRU(外场可更换单元)为对象的飞机物理模型(基于LRU的简化飞机系统模型),描述针对特定功能的系统结构、行为和功能,再针对LRU建立故障事件,根据LRU之间的连接关系分析故障事件之间的逻辑关系,建立故障的传播路径,通过树的合成算法,生成系统故障树模型。在故障诊断时,通过物理模型和故障树的相互配合进行故障诊断,基本思想是,将物理模型作为故障观察窗口,比较系统在正常情况下的预期行为和实际行为之间的差异,判断故障事件是否发生,利用故障树的逻辑关系进行推理,再将推理过程在物理模型上进行直观展示,模拟LRU之间的故障传播,确定疑似故障件。基于上诉方法,利用Dorado平台和G2开发系统开发了基于模型和故障树的飞机外场故障诊断系统,并结合某型号飞机的刹车系统对该故障诊断方法进行了验证。     

基于模糊理论的飞机液压油泵车故障诊断专家系统构建

飞机液压油泵车结构复杂,故障发生率很高,现有的故障诊断方法较单一落后,检测精度低.在飞机液压油泵车的故障诊断中,将模糊数学理论与专家系统诊断方法相结合,提出了飞机液压油泵车故障诊断模糊专家系统,该系统依据知识库及综合数据库,在推理机制中采用正向推理,能快速准确找出故障原因,较大地提高了飞机液压油泵车故障诊断效率和精度.     

船用核动力装置的Bayesian融合诊断方法研究

船用核动力装置发生故障时很多参数会发生变化，且参数的变化速度不同，因此有必要对这些参数进行融合处理，得到用于故障诊断的可靠征兆、在得到可靠征兆的基础上，利用基于Bayesian理论的融合诊断方法对故障进行诊断，随着故障现象的逐渐出现，诊断系统能够准确地判断故障类型。将该诊断方法应用于船用核动力装置的失水事故的诊断，利用安全分析得到充分性因子(Ls)，用Bayesian公式进行融合计算，最终能够得到可靠的诊断结果，满足了船用核动力装置的故障诊断要求，具有一定的实际应用价值。     

基于粒子滤波的分布式智能故障诊断系统研究

针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于简易模式识别算法获得系统真实状态的准确估计,实现系统故障的智能诊断与故障预示.智能故障诊断系统由ZigBee无线传感数据采集网络、粒子滤波算法、系统状态模型和故障模式识别四部分构成.粒子滤波算法基于粒子序贯重要性重采样和蒙特卡洛方法对传感器采集数据滤波,抑制或消除干扰及显著性误差对系统状态估计的影响,可避免粒子退化.故障模式识别就是求取与粒子滤波输出的系统状态估计曲线残差之和最小的系统状态模型.智能故障诊断系统的实现和实例实验结果表明该系统能实现对象的远程监测、对象状态的精确估计、对象故障的准确诊断,拓宽了分布式传感网络的应用范围,并具有成本低、可靠性高、实时性好和易实现的优点.     

基于RST改进NN模型的高压输电线系统故障诊断

为了克服实时诊断信息在形成和传递过程中的畸变而导致故障诊断结果的错误，在基于粗糙集理论(Rough Set Theory，简称RST)的高压输电线系统故障诊断模型的研究基础上，充分利用神经网络(Neural Networks，简称NN)的泛化能力和粗糙集理论强大的定性分析能力，构造了RST与NN相结合的故障诊断模型。首先利用RST从诊断样本中提取领域知识，然后利用所提取的诊断对象知识属性形成诊断NN的初始结构，进而增强诊断NN的智能性和容错性。通过高压输电线系统故障诊断的仿真结果比较，证明了该模型的有效性和通用性。该模型即使在诊断信息不完整的情况下，也具有高的诊断容错性能，因此在电力系统实时故障诊断方面具有广阔的应用前景。     

故障诊断的模糊Petri网模型

针对故障诊断系统知识具有不稳定性和模糊性的特点，给出了Petri网的定义和故障诊断的模糊Petri网模型，并以实际故障诊断为例，说明了该模型具有直观，表达能力强和易于推理的优点。     

船用柴油机故障诊断系统研究

船用柴油机故障诊断系统可以提高轮机工作人员的管理水平,达到快速分析、准确判断及迅速排除故障。它以船用柴油机典型故障为基础,应用Visual FoxPro数据库管理系统建立船用柴油机故障诊断系统。通过柴油机拉缸故障典型实例来具体说明该系统的使用方法和特点。该系统具有可修改、插入和删除等功能,以友好的用户界面和易于操作等特点,实现船用柴油机典型故障的快速诊断。该文的创新点是将船员具有的故障处理的经验及知识作为专家系统,供其他船员的学习,以便准确、快速地处理柴油机的故障。