基于LSSVM概率输出与证据理论融合的变压器故障诊断

为了利用相对较少的故障数据样本对变压器主要故障类型进行较准确的判断,基于智能互补和数据融合的思想,提出基于最小二乘支持向量机LSSVM( least square support vector machine)概率输出与证据理论融合的故障诊断方法。该诊断方法具有以下特点：可融合蕴含变压器运行状态的多种特征信息,输出变压器各种故障的概率,为变压器检修提供更多的可用信息;充分发挥了LSSVM在小样本情况下具有较强泛化能力的优势。算例结果表明,该诊断方法的故障诊断准确率达到91.1%,优于传统的IEC三比值法(故障诊断准确率75.6%)及LSSVM分类法(故障诊断准确率82.2%),有效降低了诊断误判的风险。     

全局解析冗余关系的混杂系统模式跟踪

针对混杂系统同时具有连续和离散的运动规律和演化机制,提出一种基于全局解析冗余关系的混杂系统模式跟踪方法.建立混杂系统键合图模型并转化为诊断键合图模型,根据诊断键合图得到系统的全局解析冗余关系和模式变化特征矩阵.利用模式变化特征向量和开关元件导通与关断时开关两端的电压电流变化特征,实现模式变化了的开关元件定位.最后利用Matlab软件对该方法进行仿真实验,实验结果表明基于全局解析冗余关系的混杂系统模式跟踪方法是有效的.     

EEMD结合能量特征和小波降噪的轴承故障诊断

为解决在强背景噪声条件下滚动轴承故障诊断问题,开展基于能量特征和小波降噪的总体经验模态分解(EEMD)研究。首先以仿真信号为研究对象,对其进行总体经验模态分解,得到9个固有模态函数(IMF)和1个余项( Res),然后考虑各模态函数的能量特征,将分解后的9个IMF分量与原始信号的能量比作为判断标准,剔除附加5个低频分量,最终得到4个有效的IMF分量和1个余项,与仿真信号相符。在仿真信号分析的基础上,对含噪声信号的滚动轴承故障信号进行故障诊断试验研究,采集信号经小波降噪后,利用总体平均经验模态分解并结合能量特征,得到3个IMF分量和1个余项,然后对3个IMF分量进行包络谱分析,提取故障特征频率157.5 Hz,与滚动轴承故障内圈特征频率157.9 Hz相比,误差为0.25%,说明该方法能很好地提取含有噪声信号的轴承故障信息。该研究为强背景噪声下滚动轴承故障信息的提取提供了一种有效的方法。     

基于案例与模糊推理的中医诊断系统研究

中医诊断过程中存在着大量的不确定信息,使得需要精确数据的计算机很难参与其中.阐述了案例推理和模糊推理的基本概念和原理,结合中医领域知识的特点,提出一种模糊规则推理机制.采用基于案例的模糊推理机制来实现推理过程,融合了人工智能领域的案例和模糊推理技术,并应用于中医诊断.实践证明:该机制具备良好的推理能力,能够为医生的正确判断提供决策支持.     

贝叶斯网络在故障诊断中的应用

贝叶斯网络适用于表达和分析不确定性和概率性的事物,由于具有能够对不完全、不精确或不确定的知识或信息作出有效的推理等特性,而成为目前不确定知识表达和推理领域最有效的模型之一。     

一种基于同步性的听觉滤波信号关联度分析方法

受听觉系统运行机制的启发,提出一种以同步性为线索的信号分量间关联度的分析方法.首先对信号进行带通滤波、逆序滤波和半波整流,继而提取一次、二次和三次极值点,并生成三种单位序列.基于单位序列分别计算相邻滤波通道同步性和一、二次极值点同步性,这两种同步性可描述信号分量间的波形吻合程度和波动关联性.分析了带有侧隙的齿轮振动信号,结果表明所提方法可发现具有较高关联性的信号分量,有助于缩减数据量和揭示被测对象的动力行为特性.     

儿童闭塞性细支气管炎诊治及预后

儿童闭塞性细支气管炎是由于各种原因所致的气道细支气管炎症损伤后,气道进行不正当修复引所起的肺细支气管闭塞性疾病。论述了该病的发病原因、发病机制和临床表现,从抗炎治疗、对症支持治疗等方面阐述了治疗方法,并结合年龄、性别、病因、治疗、配合程度、种族差异等分析了儿童闭塞性细支气管炎的影响因素。     

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。     

基于决策树的轨道电路故障诊断知识表示方法研究

针对ZPW-2000A无绝缘轨道电路故障逻辑机理模糊的问题,本文采用了基于决策树的轨道电路专家系统知识表示方法.该方法首先将轨道电路故障影响较大的特征向量样本建立故障决策表,然后运用最小信息熵算法对属性值离散化,根据决策树算法快速学习及分类的特点对离散后的数据样本进行训练学习,生成故障决策树后进行知识规则的获取,在专家系统的知识库中以产生规则存储.通过对ZPW-2000A无绝缘轨道电路的实例分析验证了该方法在轨道电路专家系统知识表示与获取中的有效性和实用性.     

基于PF能量特征和SVM的变速箱轴承故障诊断方法

内圈点蚀、外圈压痕是变速箱滚动轴承常见典型故障,为实现其快速、准确诊断,提出基于局部均值分解(Local mean decomposition,简称LMD)的PF(Product Function)分量能量特征和支持向量机(Support Vector Machine,简称SVM)相结合的变速箱滚动轴承诊断方法.将采集的振动信号进行LMD局部均值分解,获得若干个PF分量,并以计算的PF分量的能量熵作为特征量输入支持向量机,进行滚动轴承的故障类型的识别.通过对滚动轴承正常状态、内圈点蚀故障和外圈压痕故障的诊断效果对比分析表明,相对于基于神经网络的轴承故障诊断方法,基于PF分量能量特征和支持向量机的诊断方法有着更高的故障识别率.