基于模糊逻辑与遗传算法的故障诊断方法研究

探讨了模糊逻辑与遗传算法相互结合与集成的方法,从以下三个方面对两者的结合在故障诊断中的应用进行了研究;首先是用模糊逻辑理论对系统进行描述;然后用遗传算法对可能的故障传播路径进行搜索;最后是实现了模糊逻辑与遗传算法相结合的故障诊断．     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

基于遗传算法的电力系统故障诊断

采用遗传算法的电力系统故障诊断，其基本思想是将电网故障诊断描述为优化问题，建立诊断的解析模型，最终都归结为无约束0—1整规划问题，并采用遗传算法进行求解数学模型得到故障设备。诊断电力系统故障元件就是要找出最能解释警报信号的故障假说。对以前的目标函数进行了改进，此外简单介绍了采用遗传算法进行故障诊断的步骤。     

基于遗传算法的压缩机故障诊断

研究遗传算法在全封闭压缩机故障诊断中的实现,利用遗传算法的寻优特性,搜索出特征参数的最佳组合,利用行征参数的不同最佳组合分压缩机故障,将人工进化训练后生成的特征参数组合用于压缩机故障诊断试验,结果表明,有效提高了诊断精度,该方法对于压缩机故障诊断行之有效,且对机械系统故障诊断具有普遍意义。     

基于模糊概率符号有向图的复杂系统故障诊断

通过分析复杂系统的故障信息传递特性,在符号有向图(SDG)中引入了状态关联概率和模糊信息,并结合面向对象技术提出了一种新的故障描述模型--模糊概率有向图.给出了基于此模型的建模方法和诊断流程.进一步引入消息节点和支路,通过连接各子实体对象的模糊概率SDG模型,构成整个复杂系统的模糊概率SDG系统.该模型能对复杂系统故障诊断中存在的复杂关联关系进行建模与故障诊断.利用该方法建立了某武器平台的故障诊断系统,实验结果表明提出的方法有效且实用.     

模糊数学在工程机械故障诊断中的应用研究

对工程机械故障现象进行了分析,运用模糊数学原理建立了故障模糊矩阵、故障诊断的数学模型、理想的故障模式和诊断方法,在此基础上,通过实例,给出了具体的诊断过程。     

基于t-norm算子的模糊逻辑和模糊推理

提出基于范算子的模糊逻辑和推理, 介绍范算子 的使用方法和特点, 给出合取通过t-norm进行计算、 蕴涵通过残数进行计算的方法, 并对等值、 等价和模糊集合的语义进行讨论. 同时利用等价关系理论对模糊环境进行说明, 并给出了几个具体例子.     

基于小波模糊神经网络的陀螺仪故障诊断技术

为了提高陀螺仪故障检测灵敏度，分析了陀螺漂移特性，指出随机漂移是影响陀螺仪精度的主要漂移误差，也是影响性能可靠性的主要因素．针对此，提出了一种小波模糊神经网络故障诊断模型．此模型运用串联方式将小波分析、模糊逻辑和神经网络融合在一起，充分发挥它们各自的优点，并对陀螺仪实测数据仿真．仿真结果表明，采用小波分析提取陀螺的常值漂移，简单有效；运用神经网络对陀螺的误差和故障建模，使故障诊断具有自适应、自学习的能力，并互增强了故障诊断的容错能力；将模糊逻辑用于判决中，使判决结果更加可靠．     

基于模糊逻辑的多目标优化问题遗传算法求解探讨

基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,鉴于决策者事先对于各目标的重要性一般只有模糊的认识,文中对各目标进行了模糊化处理,构造了适应值函数,提出了基于模糊逻辑的多目标优化问题遗传算法求解方案.     

加权模糊Petri网在故障诊断中的应用

提出了一种对复杂装备进行故障诊断的加权模糊Petri网模型,并对于装备故障传播的逻辑关系进行了描述。然后,根据实际的故障诊断中的不确定推理问题,给出了一种新的加权模糊推理算法,以更加符合工程实际。为提高诊断时的并行推理能力,给出了诊断推理的形式化算法。用实际的诊断案例说明了该方法的有效性。     

基于模糊综合评判与故障树法的震压造型机故障诊断

随着机械化水平的不断提高,复杂机械在工业中发挥着越来越重要的作用,然而随着复杂机械设备工作时间的增加,故障率也在不断提高,为避免因设备故障带来的不必要麻烦及损失,有必要对复杂机械设备进行研究分析。研究以分析评判震压造型机故障为基础,找出影响该设备可靠性的因素主要有压实无力、不震击、震击不稳、震击无力及震击不稳,并找出导致这些因素发生的底事件及各底事件之间的相互关系从而建立相应的故障树;其次求出故障树中各底事件的结构重要度并进行比较;再者由于震压造型机工作故障影响因素复杂且具有模糊性,导致数据的严重缺失,因此无法直接进行评判,此时可利用模糊综合评判法进行评判,研究以震压造型机工作中"压实无力"为例,可以得出该设备压实状况,以便工作人员能根据实际要求调控设备到适当状态。结果表明,利用故障树和模糊综合评判法对震压造型机故障进行分析评价是可行的,为工作人员安全操控提供了依据,同时也为研究其它复杂机械设备故障提供了理论参考。     

遗传算法优化最小二乘支持向量机的故障诊断

提出一种基于遗传算法分层优化多类最小二乘支持向量机(least squares supportveotor machine,LS-SVM)的故障诊断模型。首先将故障信号经验模态分解(empirical mode decomposition,EMD)为平稳本征模态(intrinsic mode function,I MF)分量,再选择表征故障调制特征的I MF分量并提取瞬时幅值能量作为故障特征输入到遗传算法分层优化好的采用多项式核的多类LS-SVM中进行故障识别。EMD分解可自适应分离故障调制信号;瞬时幅值能量矢量的不同表征各类故障的可分性;遗传算法分层优化惩罚因子和多项式核参数可以使LS-SVM摆脱对故障类型与模式编号映射关系先验知识的依赖,提高LS-SVM的故障预测精度和自适应诊断能力,并可以推广应用于线性、径向基、Sigmoid等核条件下的LS-SVM优化。一个深沟球轴承故障诊断实例说明该模型的有效性。     

基于模糊 Petri 网的发动机故障诊断

基于模糊 Petri 网的基本原理,提出了简明有效的推理算法,并以发动机为例说明了 Petri 网在故障诊断中的应用.     

基于遗传算法的变风量空调模糊控制系统的研究

针对变风量空调模糊控制系统控制规则的获取依赖人类经验的问题,提出将遗传算法与模糊控制相结合。在推导适应度值函数的基础上,利用遗传算法获取控制规则,改善控制效果。一定程度上解决了人为调试获取规则困难的问题。仿真结果表明,在变风量空调系统中将遗传算法与模糊控制相结合是可行的。     

基于模糊规则自动获取的模糊主动轮廓模型

为了引入更多的不确定性先验信息来指导轮廓提取,首先提出了一种新的模糊主动轮廓模型(FuzzySnake),然后针对模糊主动轮廓模型中模糊推理规则难以确定的问题,提出了一种改进的遗传算法———多种群共生遗传算法,并用于相关模糊规则的自动获取,最后给出了用新的模糊主动轮廓模型从人工合成图像、加噪测试图像和实际的超声图像中提取目标轮廓的实验结果.实验表明,在模糊主动轮廓模型中利用多种群共生遗传算法进行模糊规则自动获取,不仅能有效克服模糊规则需向领域专家学习才能获取的局限性,而且能有效地降低传统模型对噪声的敏感性,使模型的参数调整得以简化.     

基于模糊逻辑的软件质量评价方法

软件质量是软件开发相关各方共同关注的目标，软件质量定量评价是软件工程领域的热点问题。在国内外对软件质量定量评价方法研究的不足之处的基础上，提出了运用模糊逻辑理论对软件质量进行定量评价的技术方法，即首先通过工程化方法筛选软件质量评价要素，并确定软件质量评价要素和质量评价等级模糊集，然后建立它们之间的模糊关系和质量要素权重集，经过最大——最小复合运算，计算出反映软件质量的评价向量值；通过应用实例，得出一个软件系统(XTMAIS)质量的实际评价等级；提出了进一步研究的方向。研究结果表明，该方法符合模糊逻辑理论的应用特点和软件工程的发展方向，理论上先进，技术上可行，在软件工程领域具有推广、应用价值。     

基于混合遗传算法的模糊Job Shop调度研究

就随机制造系统的核心问题——模糊Job Shop调度问题的研究现状和研究方法进行评述,介绍模糊Job Shop调度问题中的混合遗传算法的混合策略,对混合遗传算法中顺序混合策略使用时遇到的问题及解决方法进行讨论,同时就并行混合策略的使用中各算法之间的协同和相互之间的信息交换方法进行了探讨。     

基于遗传算法的灰铁铸件缺陷诊断的神经网络模型

将铸造生产中缺陷产生的主要原因抽象为神经元,构建了灰铁铸件缺陷诊断的BP神经网络模型.采用非线线性变换,确定了样本的变化范围,用遗传算法学习网络模型的权值,开发出了基于C++的铸件缺陷诊断及防止的应用软件,并通过建立铸件缺陷数据库,以克服专家系统的"瓶颈"问题,从而有效地降低铸件的废品率.     

基于EEMD与模糊信息熵的旋转机械故障诊断方法

针对旋转机械故障识别率偏低的问题,提出一种基于EEMD与模糊信息熵的旋转机械故障诊断方法.该方法结合EEMD分解和模糊信息熵在特征提取方面的优势,构造出一种能够精细度量不同类别振动信号故障概率复杂度的特征集合.首先将原振动信号进行EEMD分解,获得若干个本征模态函数(IMFs);计算出前5个高频IMF分量的模糊信息熵组成高维特征集;利用LPP对高维特征集进行维数约简剔除冗余不相关特征;最后将约简后的样本集输入到KNN分类器中进行故障识别.用双跨转子实验台采集的数据对所述方法进行验证,并与EMD模糊熵、EMD模糊信息熵、EEMD模糊熵方法进行故障识别率对比,结果表明该方法能够有效提取转子振动信号的故障特征,并且具有更高的故障识别率.     

基于ITD和模糊聚类的齿轮箱故障诊断方法

为提高齿轮箱故障诊断的准确性与效率,针对其振动信号非线性和非平稳性的特点,提出将固有时间尺度分解(ITD)和模糊聚类(FCM)相结合的齿轮箱故障诊断方法。首先对齿轮箱振动信号进行固有时间尺度分解,提取包含主要故障信息的前4个固有旋转分量(PRC),求取PRC的特征能量作为故障特征向量。然后利用模糊C-均值聚类算法对齿轮箱故障进行识别与诊断,并将该方法应用到现场齿轮箱的诊断中。结果表明,诊断结果与实际情况完全相符,该方法比经验模式分解与模糊聚类相结合的方法具有更高的计算速度和精度,为齿轮箱故障诊断提供了一种新的有效方法。