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.     

基于狼群算法的轮毂电机故障诊断方法

针对电动汽车复杂多变的行驶工况及轮毂电机特殊的运行环境极易影响车辆行驶安全的问题,研究一种有效的轮毂电机故障诊断方法非常重要.由于单一特征参数传递的信息往往具有局限性,提出了一种基于狼群算法的多特征参数融合诊断方法.基于常见的故障诊断用特征参数在轮毂电机不同运行状态下Weibull分布的重合程度,选取多个灵敏度高的特征参数,然后通过狼群算法对多个特征参数融合,最后根据多特征参数融合信息的Weibull分布诊断其是否有故障及故障程度.搭建了轮毂电机漏电故障试验系统,进行了漏电故障试验.结果表明,基于狼群算法的多特征参数融合诊断方法可以有效识别区分轮毂电机的电气故障.     

电机滚动轴承故障诊断的多信息源数据融合方法

在电机滚动轴承的故障诊断领域中,由于电机运行环境的复杂性,以及目前大多数故障诊断依然是基于单参数进行,如振动、温度及电流等所能携带的故障特征进行诊断,所以不确定性因素及不确定信息也充斥其间,从而致使故障诊断的准确率较低。分析了传统故障诊断系统的弊端,并介绍了多信息源数据融合诊断系统的结构及其在故障诊断应用中的优势,并通过实例分析,采用3个独立传感器对轴承故障信号采集,并通过经验模态方法对信号处理得到故障特征向量,最后应用BP神经网络和D-S证据理论进行故障识别。每使用一次D-S证据理论的合成,均会提高故障诊断的准确率,进一步说明多信息源数据融合故障诊断系统的的可行性及有效性。     

基于深度置信网络和信息融合技术的轴承故障诊断

提出一种基于深度置信网络(DBN)和信息融合技术的轴承故障诊断新方法。首先采用集合经验模式分解将轴承振动时域信号分解为若干个固有模态函数,并分别输入至若干个DBN中进行故障状态识别,然后通过简单投票法将每个DBN识别的结果进行决策层信息融合,从而得到轴承故障的最终诊断结果。通过对单负载和多负载下不同类型和不同损伤程度的滚动轴承故障诊断进行实例分析,验证了本文方法的有效性和精确性。     

多信息融合特征下的发动机故障自动化诊断研究

发动机工作过程的复杂性以及其故障诊断信息的繁杂性使得单一传感器难以较好识别与诊断故障问题。故研究对数据层、特征层以及诊断层进行多信息融合,并基于最大信息特征和主成分分析提出诊断模型。实验结果表明,模型对不同故障类型的数据提取偏差值低于5%,且其误差性能(<0.06%)和测试精度明显优于其他对比算法。多信息融合特征诊断算法能有效对发动机设备进行故障诊断,并提供新维修思路。     

信息融合与贝叶斯集成的船用中高速发动机磨损故障诊断

为了解决船用中高速发动机磨损故障诊断准确率偏低的问题,提出多源信息融合与贝叶斯网络集成的磨损故障诊断方法。利用贝叶斯参数估计算法进行多源故障征兆信息融合,通过大量发动机磨损故障实测数据,结合该领域专家知识,建构贝叶斯磨损故障诊断网络,并建立朴素贝叶斯分类器,简化融合结果,最终通过最大后验概率估计值识别磨损故障模式。经实际故障案例计算分析,验证了该诊断方法的有效性及网络模型建构的准确性。     

异步电动机多故障诊断信息的融合

异步电动机的故障机理非常复杂,其故障原因与其征兆之间的关系并非完全是一一对应的关系,特别是早期故障物理信号的微弱性和不明晰性,使得早期故障诊断和多故障分离更加困难。通过引入D-S理论多物理信息融合方法,对各个子神经网络诊断的输出进行多信息融合,使系统的输出真实可靠,并以典型故障为例,分析了信息融合对故障诊断和多故障分离的有效性。     

基于多源信息融合和ADCNN的离心鼓风机故障诊断

针对离心鼓风机故障识别过程中单一传感器信号故障信息有限,传统的卷积神经网络(CNN)在处理多源高维数据时特征提取能力不足的问题,提出一种基于多源信息融合和自适应深度卷积神经网络(ADCNN)的离心鼓风机故障诊断方法。首先,基于相关性方差贡献率法实现离心鼓风机多源同类信息的数据层融合,建立多源信息融合框架;然后,利用ADCNN自适应地提取各异类信息的特征并完成特征融合,建立融合多源信息的ADCNN故障诊断模型;最后,将此方法应用于离心鼓风机转子故障诊断上,并与传统的融合模式以及CNN、反向传播神经网络(BPNN)、支持向量机(SVM)方法进行对比,试验结果表明:提出的方法在诊断精度与鲁棒性上均优于其他方法。     

信息融合技术在电力变压器故障诊断中的应用

根据变压器运行原理和结构特点,将信息融合思想引入到变压器的故障诊断中,建立基于信息融合技术的故障诊断模式,即通过曲面拟合算法和证据推理技术,从不同侧面充分利用各种特征信息对变压器的故障进行诊断,以有效地提高确诊率.     

便携式多功能设备技术保障数字工具箱方案设计

信息实时采集、信息快速传输、信息快速处理、信息实时存储、信号动态显示、智能诊断、故障定位及简单维修、数据的压缩备份是多功能数字工具箱的主要功能.本文主要研究了便携式多功能设备技术保障数字工具箱的方案设计,分析了多功能数字工具箱的硬件系统和软件系统构成,阐述了设备的故障模式及维修方法,并结合系统构成简介了故障诊断原理及过程.     

多尺度移不变稀疏编码及其在机械故障诊断中的应用

提出了一种融合多尺度信息的高效移不变稀疏编码算法,并用于机械故障诊断. 将移不变稀疏编码作为分类器应用于故障诊断,直接对振动信号进行训练和识别,不需要提取特征和预处理. 为进一步提升效果,将不同尺度的移不变稀疏编码分类器融合在一起. 经实验验证,即使在训练样本和测试样本负载不同的情况下,文中方案仍然能够以较高的准确率识别出轴承的故障位置和程度. 与其他方法相比,文中方法的准确率、鲁棒性更高,具有一定的工程应用价值.      

一类非线性级联系统层次化执行器故障诊断方法研究

研究了一类非线性级联系统中执行器内部参数与全局系统运行的相关性问题,利用系统全局可测信息隔离故障执行器并识别执行器内部故障参数.应用可逆理论及基于模型的故障诊断方法,形成了一种系统级与设备级相结合的互联系统层次化执行器故障诊断方案.通过将执行器视为独立子系统与过程子系统互连,构成互连非线性动态系统;并进行互连系统的可逆...     

利用Petri网特征结构的故障诊断方法

为解决大规模复杂系统故障诊断中计算复杂性高的问题,提出一种基于Petri网的在线故障诊断方法.首先,建立诊断对象的规范Petri网模型;其次,提出模型的严格最小库所不变量和特征库所不变量集合,并借助特征库所不变量集合描述Petri网模型的结构信息;最后,基于特征库所不变量集合提出任意当前标识的故障函数,并利用故障诊断函数完成故障识别和定位.结果表明:该故障诊断方法采用了系统结构信息,无需遍历系统状态空间,具有多项式级的计算复杂性,能够满足实时性要求.     

多传感器信息融合的智能故障诊断

针对传统故障诊断方法只利用单一参数对复杂系统进行诊断具有信息不完备和不确定性的问题,提出了一种基于PCA和D-S证据理论的多传感器信息融合故障诊断方法.该方法基于PCA对信息融合的多维数据进行降维处理,并利用证据理论实现对非精确信息的正确推理,解决了信息融合数据的组合爆炸问题,从而得到精确的诊断结果.将该方法应用于火电机组的汽包锅炉给水控制系统故障诊断中,实现了对控制系统中主要参数的故障检测,有效提高了控制系统工作的可靠性.     

基于神经网络和证据理论集成的钻井过程状态监测与故障诊断

钻井过程状态监测与故障诊断是钻井系统安全运行过程中的重要保障。基于信息融合原理,先建立钻井过程参数子空间和子神经网络进行初级融合,形成对钻井故障辨识框架中各故障模式的证据支持,再利用D-S证据理论将子网络输出所形成的证据进行融合,得到各故障模式的置信区间,很好地实现了钻井状态识别。试验结果表明,基于神经网络和证据理论集成的融合算法降低了神经网络的复杂性,提高了神经网络诊断过程的效率,集成融合算法可以很好地提高钻井参数融合的准确性。     

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将信息融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后,采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用DempserShafer(D-S)证据理论融合算法对各证据进行融合,最终,实现对电机故障的准确诊断。诊断测试试验证明:该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。     

基于大数据驱动的恒电位仪故障诊断模型

针对目前恒电位仪故障诊断存在的技术难点,融合技术人员在长期阴极保护研究中积累的经验,借助大数据处理和神经网络技术,利用阴保系统信息监测点数据的时序特点,提出利用图卷积神经网络和Transformer模型相结合的故障智能诊断模型,并以恒电位仪无输出的故障为案例,讨论该模型的适应情况.研究结果显示,该模型的诊断精度达97%以上,满足恒电位仪故障诊断要求.     

一种基于油中溶解气体分析的变压器绝缘故障诊断新方法

将小波神经网络优良的分类诊断能力和最小二乘加权融合方法相结合,采用油气分析实现电力变压器的故障诊断.用非线性Morlet小波基作为神经网络激励函数,形成神经元,结合双方的优点,建立了紧致型小波神经网络.采用6个同一小波,其隐层单元数目、学习率等相关训练参数不同的单个子网络,对相同变压器故障信号样本进行训练,用最小二乘加权融合法对各个子网络的输出结果进行决策信息融合,通过对融合结果的分析,得到变压器故障的识别结果.测试结果表明,系统具有较好的分类诊断能力和可靠性.     

浅析铁路车站微机联锁系统的故障处理

随着铁路运输高速、重载要求的提高,对车站微机联锁系统的故障诊断与处理的速度也提出了更高的要求。为此,以数据挖掘理论和信息融合技术为基础,本文对车站联锁系统的故障诊断进行深入的研究。该研究对保证车站联锁系统高效、稳定、安全地运行,提高铁路安全生产效率和管理水平,最大程度恢复故障并挽回故障造成的损失有着重要的现实意义。     

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.