基于K-Means和粗糙集神经网络的节点故障诊断

传感器节点通常被随机布撒于环境恶劣甚至无人能及的区域,容易发生各类故障.为了解决此问题,研究了基于K-Means算法和粗糙集神经网络的节点故障诊断方法.首先,采用改进的K-Means算法离散化数据连续属性值;然后,通过粗糙集互信息法对数据属性进行约简,以提高诊断效率;最后,建立三层的BP神经网络故障诊断模型,通过蛙跳算法对权值优化得到最终的故障诊断模型.仿真实验证明文中方法能实现传感器节点故障诊断,且与其他方法相比,具有较高的故障诊断精度和较少的诊断时间.     

基于Inception-LSTM-Attention的冷水机组传感器偏差故障诊断方法

为提升传统的冷水机组传感器偏差故障诊断方法的特征提取效果及故障诊断准确率,提出一种基于Inception模块和融合注意力机制(Attention)的长短时记忆网络(LSTM)相结合(Inception-LSTM-Attention)的冷水机组传感器偏差故障诊断方法。该方法通过Inception模块从冷水机组传感器时序数据中提取多尺度的实时特征,并利用LSTM学习传感器时序数据中存在的时间相关关系;通过在LSTM中融合注意力机制来保证其最终的输出综合了各个时间节点的输出,提升重要信息的影响程度,最大化保留时序数据的全局信息。同时,设计跳跃连接支路缓解网络中存在的梯度消失问题。最后,使用冷水机组实验平台的传感器实测数据对所提方法进行实验验证。研究结果表明：本文方法对于压力类、温度类各传感器的偏差故障诊断平均准确率均在94%以上;对于各传感器中较小偏差故障的故障诊断准确率均在87.6%以上;与主成分分析、卷积神经网络、Inception以及Inception-LSTM这4种方法相比,Inception-LSTM-Attention模型的传感器偏差故障诊断准确率更高。     

RBF神经网络用于发动机控制系统的故障诊断

神经网络是以研究人的生物神经为根据,由大量简单元件即神经元模拟电子器件相互联接而形成的一种复杂网络本文通过比较现行发动机控制系统故障诊断的方法,针对基于神经网络的发动机控制系统故障诊断进行了推导及改善数学模型;并编制了采用径向基函数神经网络完成发动机控制系统故障诊断的学习与诊断程序,实现了仿真将神经网络应用于发动机控制系统的故障诊断技术中,以发动机的各测量传感器为基础,对其控制系统进行实时故障诊断和故障分离,不仅充分体现神经网络的容错性、抗干扰性及大规模并行处理能力、自学习能力等特点,而且开发了发动机控制系统的故障诊断技术新领域     

基于遗传算法的ENN的变压器故障诊断

可拓神经网络结合了可拓学理论和人工神经网络技术.针对变压器故障诊断的特点,提出一种基于遗传算法和可拓神经网络的电力变压器故障诊断方法.介绍了双权可拓神经网络的结构;构造了基于遗传算法和可拓神经网络的故障诊断模型和算法设计,并将其应用到电力变压器的诊断识别;通过仿真实验验证了该方法简单易行、训练误差小、收敛时间快等优点.     

概率神经网络在油浸式变压器故障诊断中的应用

介绍了传统的三比值法,分析了概率神经网络的基本结构,建立了基于三比值法的概率神经网络油浸式变压器故障诊断模型。描述了该模型的使用方法,总结了该模型的优越性。     

多信息融合技术在发动机故障诊断中的应用

本文为了解决发动机喷油器故障诊断中基于单传感器信息的方法诊断精度低的缺点,应用神经网络原理,提出了一种基于气缸压和,缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法,通过提取发动机工作过程故障三种信号的八个特征值,按正常和五种故障状态的构造学习样本文集和检验样本文集,对输入进行归一化处理,该方法能有效地提高其故障诊断精度。     

集成神经网络和专家系统的控制系统故障诊断

在分析了所研究的控制系统的基础上，针对神经网络和专家系统在故障诊断中各自的优缺点，建立了一个基于神经网络和专家系统的控制系统集成故障诊断系统。文中详细介绍了系统的结构、诊断策略等     

基于神经网络的模拟电路故障诊断

探讨了基于故障字典法和基于神经网络的故障诊断方法,利用自组织特征映射神经网络进行模拟电路故障诊断,根据神经网络的输出结果可以判断发生故障的类型.自组织特征映射神经网络聚类能力强、速度快,因此很适合复杂系统的故障诊断.     

雷达系统故障的诊断技术

对雷达系统故障诊断技术作了归纳和分类,分析了当前故障诊断技术的优缺点,重点讨论了以下8个方法:基于知识的智能故障诊断方法;对神经网络故障诊断方法;粗糙集诊断方法;基于遗传算法的故障诊断方法;故障树的诊断方法;专家系统故障诊断方法;基于小波分析的故障诊断方法;模糊故障诊断方法.最后,指出了雷达系统故障诊断技术在当前和今后的研究重点和方向.     

RBF神经网络用于发动机控制系统的故障诊断

神经网络是以研究人的生物神经为根据,由大量简单元件即神经元模拟电子器件相互联接而形成的一种复杂网络。本文通过比较现行发动机控制系统故障诊断的方法,针对基于神经网络的发动机控制系统故障诊断进行了推导及改善数学模型;并编制了采用径向基函数神经网络完成发动机控制系统故障诊断的学习与诊断程序,实现了仿真。将神经网络应用于发动机控制系统的故障诊断技术中,以发动机的各测量传感器为基础,对其控制系统进行实时故障     

基于粗糙集的传感网络节点故障诊断方法研究

传感网络节点一般分布于环境复杂的区域,当前故障诊断方法诊断精度低,虚警率高,整体性能低。提出一种基于粗糙集的传感网络节点故障诊断方法,给出传感网络结构图,采用粗糙集方法,通过过滤传感网络节点故障数据不关键属性集,得到简化的节点故障属性集,保持了分类能力,提高了运行效率。通过对传感网络故障节点数据进行约简,减少传感网络节点故障数据特征向量维数。建立简化层次各异的传感网络节点故障诊断决策网络,对故障诊断决策规则覆盖度进行分析,求出所有符合既定采集规定的诊断决策规则集,完成新故障状态的处理,实现传感网络节点的故障诊断。实验结果表明,所提方法不仅具有很高的诊断精度,而且虚警率低、整体性能高。     

PCA 在过程故障检测与诊断中的应用

讨论了基于主无分析（PCA）的过程故障检测与诊断的原理,运用T^2统计、Q统计方法,结合贡献图对一典型过程进行了仿真分析,结果表明PCA方法可对简单传感器故障进行检测与诊断,并指出了该方法中的不足,提出了将PCA方法同基于过程动态模型的故障诊断方法相结合的研究思路。     

PH值传感器的故障模式及其预报

分析了在线pH值传感器特性,探讨其在线使用中产生的主要故障类型及其模式,提出一种基于时间序列的故障诊断方法,在污水处理系统中应用时,可将系统故障预报准确率从60%～70%提高到95%以上,较好地解决了自动控制系统中故障信息互相关联带来的难题,也为相关控制系统的故障诊断及预测预报提供参考。     

基于小波包和RBF神经网络的压电加速度传感器故障诊断

根据压电加速度传感器故障的特点,提出运用小波包变换和RBF神经网络的故障诊断方法。首先运用小波包分解和重构原理将传感器输出信号分解到不同频段中,提取每个频段的能量作为状态监测的特征向量,作为RBF网络的输入,然后利用最佳的RBF神经网络进行压电传感器故障分类。实验结果表明该方法具有良好的非线性跟踪能力,较高的诊断准确率。     

基于机器人的地下电缆巡检与故障定位装置设计

为了克服传统电缆故障检测方法效率低、故障与异常点查找困难、不能对故障隐患进行早期预测等缺点,设计了基于机器人的地下电缆巡检与故障定位系统,该系统不仅可以发现故障隐患,预防恶性事故的发生,还可以实现对短路、断路等故障的快速、准确的识别和精确定位.侧重介绍了地下电缆巡检与故障定位系统的组成、工作原理、故障检测与定位方法、机器人的选型、温度传感器的选型等内容.工程实践表明,该系具有结构简单、可靠性高、工作稳定、故障处理速度快等优点,可用于通信、航空、航天、工业等多种领域.     

A discrete PI fault observer design and application in variable speed wind turbine system

For the discrete-time system which is subjected to uncoupled actuator faults and sensor faults simultaneously, a robust fault diagnosis method based on a proportional integral observer (PIO) is presented. The proposed PIO uses an additionally introduced integral term of the output errors to obtain the estimation of actuator faults. Besides, the sensor faults are regarded as the augment states so that the PIO can trace them. Moreover, the convergence of the PIO is proved. A variable speed wind turbine(VWT) example is given to demonstrate the fast convergence and diagnosis precision of the proposed PIO.     

基于滑模观测器的非线性系统故障检测与重构

 为提高控制系统的安全性和可靠性,针对非线性系统传感器的故障诊断问题,提出一种利用滑模观测器进行故障检测和重构的方法。首先引入积分变量将传感器故障转化为执行器故障,通过对执行器故障的诊断间接诊断传感器故障。针对转化后的系统构造滑模观测器,进而实现传感器故障重构。采用Lyapunov稳定性理论,证明设计的滑模观测器的稳定性。对于构造的滑模观测器,给出一种用线性矩阵不等式方法求解的简便算法。最后,对于文献中给出的非线性系统,就不同的故障类型作用在传感器上的几种情形进行仿真。仿真结果表明,所设计的滑模观测器能够准确地重构非线性系统中传感器的缓变故障和突变故障;当系统存在未知扰动时,所设计的滑模观测器也能准确地重构故障。该方法从开始就对故障进行重构,避免了产生和评价残差信号的复杂性。     

基于RBF神经网络的温度传感器故障诊断

采用RBF神经网络进行温度传感器故障检测,利用TE （Tennessee-Eastman）控制系统中的温度传感器的输出信息建立动态神经网络温度传感器输出模型,并利用该模型进行在线的故障检测,仿真结果表明该模型有很强的抗干扰性,同时还有较好的收敛性和稳定性.