型材轧制工艺故障诊断

对型材轧制过程中的工艺故障进行了分析，从故障概念和原因两个方面提出了故障的模糊特性。采用模糊逻辑推理的方法建立了故障诊断的数学模型，开发了型材轧制故障模糊诊断软件。诊断结果为工艺优化提供了依据。     

基于EEMD和SVM的冷轧机垂直振动相关故障的诊断

通过对冷板带轧机垂直振动过程的机理进行分析,结合轧机系统结构模型,建立含振动因素的冷轧机垂向系统动态轧制力模型.考虑复杂工况下,轧机在生产不同规格带钢时,由工艺参数波动等广义故障所致轧机垂直振动现象,基于工业现场数据进行数据驱动的故障诊断算法研究.采用集成经验模态分解算法对实测轧制力信号进行分解,选取有效的固有模态函数的能量作为特征向量,并将其输入到支持向量机分类器中,通过分类器对正常状态和故障状态进行区分,以实现轧机振动相关故障的准确诊断.     

数控机床常见故障诊断与排除

针对数控机床的一些常见故障,进行分类,总结生产中常用的故障诊断及排除方法、维修故障的措施,并通过生产实例说明数控机床故障诊断维修的方法.     

一种基于小波变换与神经网络的传感器故障诊断方法

传感器故障诊断在化工生产中有着重要地位。该文以小波变换与神经网络方法为基础,提出了一种传感器故障诊断的方法。该方法能够有效区分传感器故障造成的信号变化与过程本身正常波动造成的信号变化,同时在训练神经网络时只需要系统正常状态下的样本,克服了传感器故障样本稀少的困难。此外,该方法可以在传感器发生故障后估计出正常的模拟信号。实验证明,该方法能够有效完成故障诊断,并可以判断出传感器的故障类型。     

基于SDG和定性趋势分析的控制系统故障诊断方法

针对控制系统的故障诊断难以在早期发现,提出一种基于符号有向图(SDG) 和定性趋势分析相结合的故障诊断方法. 建立系统的故障诊断模型,通过定性趋势分析的方法对控制系统各个单元进行监测,提取当前趋势. 当故障发生时,通过基于定性趋势的反向推理算法,及时找到故障源. 通过在常压塔装置故障诊断上的实验,结果表明该方法能够及时有效地检测、识别控制系统的各种故障(人为误操作、控制器故障等),可应用到实际生产的故障诊断中.     

数字电路测试中的关键技术研究

随着数字电路的广泛应用．电路的测试与故障诊断已成为其设计与生产过程的重要组成部分。讨论了电路的测试及故障诊断中的一些问题．主要包括故障模型、故障仿真、故障压缩及可测试性度量与测试矢量生成算法（ATPG）,并研究了电路测试技术的发展趋势．     

基于推断估计混合模型的聚丙烯腈生产过程故障诊断

为保证复杂工业过程生产的安全稳定 ,需要实现过程的故障诊断 .以推断估计混合模型为基础 ,建立了采用模糊模式识别方法的故障诊断系统 ,并以聚丙烯腈生产过程为例 ,对现场实时数据进行了故障诊断仿真 .仿真结果说明 ,该系统具有较好的故障实时诊断性能 .     

煤矿机电设备故障诊断及维修技术

介绍了矿井机电设备故障诊断意义及诊断方法,通过对设备故障的早期预报及时的采取处理对策,以保证生产顺利进行,对矿井机电设备的故障诊断具有指导意义。     

有关矿山设备液压故障诊断的研究

近些年来,随着科学技术的不断进步与发展,液压系统逐渐在矿山机械中得以广泛应用。液压系统是煤矿开采与钻凿设备的重要组成部分,液压系统其元件与油液等都处于一种密闭的容器之中,外界不易观察,液压系统发生故障不易发现,因此为诊断其液压故障,有必要对常见的液压故障诊断进行研究。该文对矿山设备液压故障诊断原则进行了分析,对常见液压故障进行了总结,对其诊断方法进行了分析和研究,希望对于矿山生产效率的提高,起到一定的促进作用。     

一种面向故障诊断的故障Petri网

根据故障具有并发性等特点,定义了一种面向故障诊断的故障Petri网,介绍了其建模方法,给出了其状态方程和运用状态方程的诊断推理方法.定义的故障Petri网可避免变迁重复发生和推理路径的反复搜索.最后通过实例说明了具体建模方法和故障诊断的推理过程,推理结果与图形分析方法相吻合.     

RBF网络在柴油机故障诊断中的应用

柴油机作为动力发电、工程机械的重要组成部分,其性能好坏直接影响到整个系统的运行。在生产过程中需要加强对柴油机开展故障诊断和监控,及时发展并解决故障,从而提高了柴油机在运行过程中的安全系数,降低安全事故发生率,减少不必要的经济损失。传统的柴油预计故障诊断与解决方式主要是润滑油方法、振动噪声方法,这些都以定期保养和后期维修为主要方法,这些诊断方式不能较早预知故障情况、成本较高、工作效率较低。随着计算机技术、信号分析处理技术、人工智能的迅速发展,柴油机故障诊断能力逐渐提升,以非线性并行分布处理为主的神经网络成为了当前广泛运用于柴油机故障诊断的主要方法。     

二进制量子粒子群优化算法及其在化工过程故障诊断中的应用

针对实际化工生产过程中故障数据缺乏,采用适合小样本问题的支持向量机(SVM)对化工过程稳态故障进行诊断。为了保证在线故障诊断的实时性,消除高维监控数据以及系统噪声对故障诊断的干扰,提出了一种新的基于二进制量子粒子群优化(BQPSO)算法和SVM的故障特征选择方法。仿真实验表明:BQPSO算法具有良好的全局搜索能力,能够快速、准确地搜索到故障特征变量;而基于特征选择的SVM故障诊断方法能可靠地实现对复杂化工过程的在线故障诊断。     

基于故障特征时段识别的间歇过程故障诊断方法

间歇过程的多时段操作特性使得某一类型故障可能在一个或多个子操作时段具有明显表征,而在其他时段没有故障表征,即故障具有其相应的特征时段.提出了一种基于故障特征时段识别的故障诊断方法,通过对历史故障数据以及正常数据质心分布特征,识别历史故障的特征时段.利用多向Fisher判别分析(MFDA)方法分别建立对应的故障诊断模型,从而将故障诊断的搜索空间深入到特定的特征时段,提高了模型的诊断性能.仿真实验验证了该方法的可行性和有效性.     

一种基于RBF神经网络的智能故障诊断方法

根据神经网络独特的容错、联想、推测、自适应、自学习等优点,针对BP网络在故障诊断应用中收敛速度慢等不足,研究了基于RBF神经网络的智能故障诊断方法.该诊断方法只需要足够的具有代表性的故障样本用以训练神经网络,然后将归一化的故障信息输入给训练好的神经网络,根据其输出结果就可以判断发生的故障类型.利用该诊断方法,对发动机转子系统故障诊断进行了仿真,仿真结果表明,基于RBF神经网络的智能故障诊断方法效果良好.     

滚齿机网络化故障诊断专家系统的设计及应用

针对滚齿机生产厂商和用户对提高故障诊断服务质量,降低故障诊断成本的迫切要求,提出了一种滚齿机网络化故障诊断专家系统。探讨了系统的网络化故障诊断运行模式、专家系统的体系结构;分析了系统实现的关键技术,包括系统实现的多源数据采集方法、知识表达和推理机制以及基于P2P(Peer-to-Peer)的网络体系结构,重点研究了基于SPF(System-Phenomenon-Fault)树的滚齿机网络化故障诊断系统的知识表达和推理机制实现方法,包括SPF树的定义、生成方法、树中元件的描述和树干的成长、树的数学描述、自学习过程、SPF树的检索和故障统计方法等。基于上述研究成果的原型系统在某滚齿机生产企业的初步应用表明,系统能够大幅度降低其售后服务成本,提高生产效率。     

基于粗糙集理论多区域并行神经分类器在变电站故障诊断中的应用

针对变电站故障诊断中不确定信息多和实时性要求高的特点,以变电站的开关保护信息为基础,提出了一种基于粗糙集理论和神经网络理论的多区域并行神经分类器的变电站故障诊断方法.该方法首先将变电站故障划分为多个独立的故障单元,针对每个区域故障单元建立故障模式库,利用粗糙集的知识约简和不确定信息的处理能力,对故障模式库并行挖掘,实行属性优选,再运用神经网络对故障诊断知识进行模式识别.将其应用于变电站故障诊断专家系统中,应用结果显示该方法不仅能缩小问题求解规模,实时性高,而且具有较强的抗干扰能力,是一种有效的变电站故障诊断方法.     

中小直径铜杆连轧机孔型系统设计

铜线坯铸连轧生产线是中小直径铜杆轧制生产的关键成套设备,轧制工艺是保证生产质量的重要环节.根据铜加工塑性加工特性及金属连轧理论,结合生产过程,文章提出了中小直径铜杆连轧机整个孔型系统设计方法和参数计算方法,计算了各轧制道次延伸系数、各道次孔型金属充满度等关键参数.并对连轧机中的动态参数进行了计算.实验表明,该设计方法能减少生产故障,提高产品质量,延长轧辊寿命,对连轧机设计有一定指导意义.     

灰色关联度在故障诊断系统中的应用

针对传统专家系统解决机械故障诊断问题时存在的不足,将基于案例推理(CBR)方法引入到故障诊断中,提出了一种CBR故障诊断模型.在案例检索中,采用了一种改进的灰色关联模型来计算案例之间的相似度.该模型适用于对故障症状和故障原因之间关系不十分明确的场合,可以比较准确地检索到相似案例,提高案例检索速度.最后应用文中提出的方法建立了一个轴承故障诊断专家系统,此系统对生产和实践具有重要的指导价值.     

调控流图与数据挖掘相结合的复杂过程故障诊断方法研究

采用调控流图与数据挖掘相结合的方法研究了原油蒸馏过程故障诊断问题。利用调控流图方法进行建模,通过对调控流图模型的定性仿真获得每个故障的传播途径及对每个观测变量的影响,形成故障-监测变量关系表,最后利用数据挖掘技术建立从监测变量推断故障的故障诊断模型。由于该模型结构简单,可以在生产过程中直接应用,具有速度快、判断直接的特点,在一定程度上解决了复杂过程实时故障诊断中的组合爆炸问题。     

一种基于故障参数与状态联合估计的多故障诊断方法

当需要诊断的故障数目较多、扩展故障参数后状态空间不可观测时 ,用一个故障诊断模型无法实现多故障诊断。为此 ,在分析了基于故障参数与状态联合估计的故障诊断方法原理的基础上 ,根据多个故障诊断模型之间存在的内在关系 ,提出了一种新的多故障检测和诊断方法 ,认为在某一段时间内 ,如有 n- 1(n为总故障数目 )个不同的两故障参数模型发出同一故障报警 ,则该故障报警有效。该故障诊断方法综合多个故障诊断模型的诊断结果 ,从而使一类复杂系统的多故障诊断成为可能。理论分析和仿真实验的结果证明该文所提出的方法是可行的 ,并且在工程上是易于实现的。