大型汽轮发电机组混合智能诊断方法的研究

针对大型汽轮发电机组的状态监测与故障诊断问题,为了克服单一故障诊断方法的局限性,对现有大型设备故障诊断方法作了全面的分析和比较之后,提出并探讨了多种故障诊断技术集成的混合智能诊断方法.该方法根据设备故障诊断过程的不同阶段和具体任务,综合利用了模糊数学、模糊模式识别、模糊人工神经网络、基于规则的诊断专家系统等多种故障诊断原理,并且已经分别在电站热力系统的故障诊断和机组振动故障诊断中实际应用.     

基于多方法结合应用的齿轮箱故障特征提取研究

基于振动信号分析的齿轮箱故障诊断的关键是实现对信号中故障特征的提取.由于在工程实际中采集到的齿轮箱振动信号含有较强的噪声干扰,所以单一的信号分析方法难以实现对故障特征的提取.因此将两种或两种以上方法相结合应用于齿轮箱振动信号的处理成为当前的研究趋势.为研究将不同方法相结合应用于齿轮箱故障信号特征提取的优势,对大量文献的研究成果进行了归纳整理.综合分析发现:将多种方法结合应用于齿轮箱振动信号特征提取,可有效避免单一方法的局限性,充分发挥不同方法的优势.总结了在齿轮箱故障诊断领域中分别以频谱分析为基础和以非线性理论为基础的将不同信号处理方法结合应用于齿轮箱故障特征提取的现状,最后针对多种方法结合应用于齿轮箱故障诊断的发展趋势提出了建议.     

某特种空调装备故障诊断研究与应用

阐述了某特种飞机空调车的设计原理和控制流程，分析了空调车设备的故障原因，并提出了故障诊断方法。同时，结合工程实际进行了故障案例分析。     

基于小波包分析和Elman神经网络的军用电源智能故障诊断

军用电源作为地空导弹系统的供电设备,其可靠运转关系到地空导弹系统作战效能的发挥。为实现地空导弹电源逆变器的故障诊断与容错运行,将小波包分解与Elman神经网络结合进行故障特征提取及故障辨识,并应用于地空导弹静变电源的故障诊断。在准确诊断出故障的基础上,利用故障隔离切换电路,隔离故障桥臂,投入备用桥臂,保证静变电源继续正常运行。故障诊断和故障重构仿真的效果验证了该方法的有效性。     

用于水电厂设备的故障诊断的贝叶斯网络模型

通过分析水电厂设备故障诊断所面临的不确定性等问题以及当前常用诊断方法存在的局限性,研究基于贝叶斯网络的设备故障诊断方法,提出了适合于诊断问题的贝叶斯网络结构并阐述了基于贝叶斯网络故障诊断的团树推理算法.该方法综合考虑了多故障、故障症兆模糊以及电厂设备操作之间有依赖关系等情况.通过丰满水电仿真系统中水机调速器故障诊断的应用实例,证实了该方法在信息不确定条件下进行诊断决策的有效性和准确性.     

基于综合集成方法的设备故障诊断及其应用

设备故障的诊断涉及到知识工程、知识管理、数据挖掘、专家系统、可靠性工程等多领域知识,常常需要综合定性和定量方法共同进行诊断。本研究从综合集成法的思路出发,提出了一种定性定量结合的设备故障诊断方法,并以铁路CIR设备为例,综合知识图谱、文本分类、贝叶斯网络等技术,应用于设备故障知识管理、故障定位、故障诊断推理。本研究表明,综合集成方法对复杂设备故障知识的管理和诊断实践提供了有效指导,同时能为维修人员和管理人员进行设备健康管理工作提供决策支持。     

基于正反向推理的电力系统故障诊断专家系统

介绍了一种在电力系统故障诊断专家系统中采用的基于正反向推理的电力系统故障诊断方法。该方法首先根据跳闸断路器提出故障假说,然后根据断路器和继电保护动作的信息逐一检验假说的正确性,最后给出故障设备或故障范围。该方法可以诊断输电线路、母线、变压器和发电机设备的故障及继电保护和断路器的非正确动作。对电网实际故障事例的测试结果表明,该方法是有效的。     

浅析几个常见铁路信号设备故障诊断方法

本文基本阐述了铁路信号设备故障的定义和铁路信号设备故障判断和发掘的方法并且对这些方法进行了分析,最后阐述了这些方法在铁路信号故障诊断中的具体操作和存在的不足之处。     

基于小波特征提取和概率神经网络的机械故障诊断

论述了基于离散小波变换系数的特征提取和概率神经网络在机械故障诊断中的应用。该方法利用离散小波获取振动信号各有效频带的能量作为故障参数,用概率神经网络构建设备运行状态模型,根据历史数据确定故障值并设置故障参数。实验结果从应用程序对轴承故障诊断表明,相比传统方法,该方法能够有效地提取测试信号内在的重要信息内容,并增加机械整体故障诊断的准确性,在机械设备故障处理系统中有良好的应用前景。     

基于MAS的铁路信号设备故障诊断系统

MAS技术的发展为信号设备故障诊断系统的设计和实现提供了极具潜力的一条途径,基于MAS的故障诊断系统能够融合不同的诊断方法实现复杂系统的故障诊断任务。研究了以MAS理论为基础,基于MAS的信号设备故障诊断系统。针对信号设备故障的复杂性,还研究了面向Agent的模糊算法和神经网络混合诊断策略。     

融合粗糙集和证据理论的车地无线通信设备故障诊断

针对车地无线通信设备故障诊断信息不一致的情况进行故障推理和诊断,提出了一种融合粗糙集与证据理论综合集成的车地无线通信设备故障诊断方法.该方法首先利用粗糙集剔除故障特征数据的冗余成分,提取互不相关的必需特征,将车地无线通信设备故障诊断问题用一个不同简化层次的故障决策网络表示,由网络节点根据定义出的规则置信度和覆盖度可推导出对应有效的故障诊断规则集合.在建立规则库的基础上,引入基于证据理论的信息融合技术,解决多传感器故障监测数据与诊断规则准确匹配的问题,建立故障推理机制,便可方便得出车地无线通信单元故障诊断结果,实例分析表明该方法能有效提高模型故障诊断能力,具有较强实用性.     

故障诊断在电厂热工系统中的应用研究

针对电厂热工设备易发生故障的现实情况,本论文从故障诊断技术的角度详细论述了热工设备故障诊断技术的应用,首先简要分析了热工设备故障诊断的现状,在此基础上分析了热工设备故障诊断的一般步骤,并结合实际案例分析了故障诊断技术在热工设备故障诊断中的具体应用,最后给出了具体的几点建议。     

一种基于一维卷积神经网络的旋转机械智能故障诊断方法

状态监测和故障诊断对于维护系统性能和保证运行安全具有重要意义.针对传统智能识别方法需要复杂的特征提取过程和大量的诊断经验等问题,结合振动信号自身的一维性的特点,提出一种基于一维卷积神经网络(1-Dimensional Convolutional Neural Network,1DCNN)的旋转机械智能故障诊断方法.首先将数据信号通过傅里叶变换转换成频域信号并进行预处理,然后训练卷积神经网络自动提取特征,最后通过Softmax回归进行分类.在基准数据集上的实验结果表明,1DCNN模型不仅能有效地从原始信号中进行多种工况、多种故障位置、多种故障程度的特征提取和诊断,而且具有很高的故障识别精度,获得了优于主流故障诊断方法的结果.     

浅谈数控机床故障排除的一般方法

随着数控机床的逐步普及，故障也越来越多，数控故障的及时排除已由为重要。因此故障诊断及维修成为保证数控车床正常运转和设备维护的关键。本文结合工作实际浅谈一下数控机床故障排除和维修的一般方法。     

设备远程诊断系统的建立及实现技术

研究了一个远程故障诊断系统平台的软、硬件结构,提出了实现方法及所涉及的关键技术．通过这一平台,并结合传统的故障诊断方法,实现设备制造方、设备使用方和诊断专家三方的协同工作,从而可实现现代制造系统的远程故障诊断．该系统的技术思想同样适用于其他领域的远程诊断．     

电梯PCC控制系统的故障诊断与分析

为了快速找出电梯故障原因,避免设备发生突然损坏,使之安全经济地运行,并方便维修保养,很有必要对电梯运行进行监测和故障诊断。为此,本章对PCC控制电梯的故障诊断方法进行了探讨。     

基于AP-HMM混合模型的充电桩故障诊断

确定性的相似性传播(AP)聚类方法和统计性的隐马尔可夫模型(HMM)是2种常用的设备故障诊断方法,但电动汽车充电桩结构设计复杂且目前积累的故障样本不多,使用上述2种方法均不够理想。针对充电桩故障诊断本身具有的特点,结合AP聚类快速、准确提取故障的特征和HMM强大的故障分类能力,本文提出一种基于AP-HMM混合模型的充电桩故障诊断方法。为了研究充电桩长期工作的状态性质,采用马尔可夫平衡方程组求得充电桩发生故障的稳态概率值。实验结果表明,与传统模型相比,AP-HMM混合模型的充电桩故障诊断学习精度提高了3%以上。本文提出的混合模型具有一定的可行性与普适性,可在一定程度上用于速度要求低但精度要求高的其他电子设备故障诊断。     

一种故障诊断专家系统设计方法初探

本文首先简要分析了当前在设备技术诊断维修方面存在的问题和不足,阐述了设计开发故障诊断专家系统的实际意义;其次简单的介绍了故障诊断专家系统的应用背景,提出了一种应用在设备故障诊断专家系统的设计方法,重点研究针对确定性和不确定性故障的情况,采取故障树与主观贝叶斯概率分析相结合的诊断方法进行故障诊断专家系统设计：最后对这种故障诊断专家系统设计方法进行了总结概括。     

基于本体故障树的关键机组诊断决策研究

为了满足石化企业连续性工作设备或机组在发生故障后对故障原因进行快速定位的要求，将本体先进的知识表示方法引入到成熟的故障树研究中，提出了基于本体的故障树构建方法，并通过对生成的故障树进行定量分析，计算出故障判明效时比，以其从大到小的顺序为依据找到故障诊断最优路径，实现了本体和故障树的优势结合.该方法在知识共享和重用的基础上，实现对故障的快速诊断定位，从而提高了故障诊断效率，减少了企业的生产维护成本.     

基于模型和故障树的飞机故障诊断方法研究

随着科技的进步,航空工业迅速发展,大量高科技机载设备的使用大大增强了飞机的性能,但同时也增加了系统的复杂性和设备之间的耦合度,进一步增加了飞机系统故障诊断的难度。单一的故障诊断方法由于其局限性,很难满足复杂装备的诊断需求,因此,不同故障诊断方法相互融合的综合故障诊断技术成为航空领域研究的热点。本文针对飞机外场排故的实际需求,提出了基于模型和故障树的故障诊断方法,其原理是,根据外场模块化排故的特点和飞机设计知识,建立以LRU(外场可更换单元)为对象的飞机物理模型(基于LRU的简化飞机系统模型),描述针对特定功能的系统结构、行为和功能,再针对LRU建立故障事件,根据LRU之间的连接关系分析故障事件之间的逻辑关系,建立故障的传播路径,通过树的合成算法,生成系统故障树模型。在故障诊断时,通过物理模型和故障树的相互配合进行故障诊断,基本思想是,将物理模型作为故障观察窗口,比较系统在正常情况下的预期行为和实际行为之间的差异,判断故障事件是否发生,利用故障树的逻辑关系进行推理,再将推理过程在物理模型上进行直观展示,模拟LRU之间的故障传播,确定疑似故障件。基于上诉方法,利用Dorado平台和G2开发系统开发了基于模型和故障树的飞机外场故障诊断系统,并结合某型号飞机的刹车系统对该故障诊断方法进行了验证。