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。     

Dempster-Shafer证据推理在数据融合中的应用

介绍了Dempster-Shafer证据推理的基本概念和理论,并将数据融合思想引入到机械设备故障诊断中,采用Dempster-Shafer证据推理进行融合计算,验证了这一方法的有效性.     

基于信息融合技术的大型水轮发电机故障诊断

为了能够从多方面反映水轮发电机组系统状态,实现对水轮发电机组故障模式的自动识别与准确诊断,将信息融合技术应用于水轮发电机组故障诊断系统。根据故障特征量将故障进行分类处理,采用多个并联的BP子神经网络进行水轮发电机组故障的局部诊断,获得彼此独立的证据,再运用D-S证据理论融合算法对各证据进行融合,最终实现对水轮发电机组故障的准确诊断。诊断测试实验证明:采用该诊断系统可有效地提高诊断可信度,减少诊断的不确定性。     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。     

基于多传感器数据融合发电机参数的在线估计

发电机实际运行中,由于受外界环境(如电磁波)的干扰以及传感器老化等因素的影响,传感器容易发生参数型故障.为了有效地在线估计发电机工作参数,利用多传感器的冗余和强跟踪滤波器,设计了基于发电机参数数学模型的在线估计器.该估计器具有自然的并行结构,设计参数和计算量较少,尤其适于工程应用.由于失效传感器被有效剔除,该估计器对失效传感器具有很强的鲁棒性.计算机仿真结果证明了该算法的有效性.     

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     

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。     

多源时域时频域数据融合故障诊断方法及其应用

本文介绍并构建了故障特征向量,给出了一种多源时域时频域数据融合故障诊断方法,用神经网络给出了基本概率分配,证据理论融合各传感器的信号而得诊断结果。对液压泵进行了试验,结果表明,该诊断系统充分利用了多源数据的冗余互补信息,提高了诊断的可靠性和准确性,降低了诊断的不确定性。     

基于信息融合技术的机械系统故障诊断框架研究

通过基于信息融合技术的机械系统故障诊断框架的分析,结合故障诊断的一般过程,建立了一个通用的贯穿整个故障诊断过程的、基于信息融合的机械系统故障诊断框架,并通过分析对比证明了此框架的优越性、可行性和有效性。最后成功地将此框架应用于某型自行火炮发动机故障诊断。     

一种改进的DS多传感器信息融合故障诊断方法

DS证据推理理论由于其能很好融合多传感器数据和区分不确定与不知道的问题,因而被广泛应用于故障诊断过程中。但由于其不能很好的处理冲突项,在应用中受到限制。为解决此问题,通过建立传感器间支持信任矩阵,重新赋予加权系数,经过仿真表明此方法很好的解决了DS理论中的冲突问题,提高了故障诊断正确率。     

信息融合理论在水轮发电机组故障诊断中的应用

介绍了信息融合理论的基本内容和分析方法,并论述了该理论在水电机组故障诊断中的具体应用,最后探讨了该理论应用的意义。     

基于神经网络数据融合方法的模拟电路故障诊断

根据模拟系统故障检测原理，采用神经网络与数据融合相结合的方法进行模拟电路故障诊断，提出了一种新型的基于D-S证据神经网络的故障检测与诊断方法．应用D-S证据理论对径向基函数网络进行了修正，用具有一个输入层、两个隐含层和一个输出层的神经网络实现．各个证据体的基本概率赋值的获取是D—S证据理论在实际应用中的难点问题，本方法中采用的是根据输入模式与原型模式之间的相似度以及原型模式的类别隶属度来确定基本概率赋值．借助神经网络自学习的功能，实现对类别隶属度的最优化．结果表明该方法能快速有效地进行故障诊断中大量数据的处理，具有很强的鲁棒性．     

多传感器信息融合技术在液压设备故障诊断中的应用

为了克服液压设备传统诊断技术上的不足,提出了多传感器信息融合技术的故障诊断模型.该模型充分利用液压设备上能够携带故障特征的多类信息,并对这些信息在不同的层次上通过神经网络、贝叶斯理论、D-S证据进行有效的融合和计算,从而提高液压设备故障诊断技术的准确度.详细分析了多传感器信息融合技术的结构层次和一般方法,并讨论了信息融合技术理论在液压设备故障诊断模型中的原理和功能.达到了对液压设备典型故障的准确诊断.