一类混杂系统多重故障的半定性诊断方法

为解决混杂系统中多重故障诊断等分支研究相对薄弱的问题,以一个三容水箱系统为背景,提出了一类混杂系统多重故障的半定性故障诊断方法.该方法使用混杂自动机对系统进行建模,利用混杂串级神经网络跟踪子系统的状态变化,并考虑了故障改变模式顺序的问题.对元件的多重故障进行了仿真研究,结果表明,该方法能够很好地对系统中的多重故障进行诊断,为混杂系统的多重故障诊断提供了新的实用途径,模糊理论在基于半定性方法的多重故障诊断中具有广阔的应用前景.     

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。     

T-S模糊神经网络在风机故障诊断中的应用

针对供热锅炉房风机故障的不确定性和复杂性的特点,结合神经网络的自适应自学习能力和模糊系统利用语言描述来获取知识的优点,建立了一种基于T-S模糊神经网络的风机二级故障诊断模型,以风机常见故障振动信号的特征频谱峰值变化为依据,诊断故障类型,并对故障原因进行识别。应用MATLAB软件进行系统仿真测试,通过实例与BP神经网络进行了对比分析,结果表明基于模糊神经网络的故障诊断方法收敛速度快、诊断精度高、效果较稳定,能够有效地诊断风机故障。     

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。     

基于CBR技术的数控机床故障诊断专家系统

在使用和维护数控机床的过程中,要求使用者掌握较强的专业技能,并能快速处理故障问题。利用基于CBR推理技术,构建了数控机床故障诊断专家系统,并且进行了原型系统的验证。通过对数控机床故障案例特征的研究,梳理故障知识结构,构建数控机床故障案例库,利用根据数控机床特征,为不同的故障属性设置权重,利用基于相似系数的方法,将提出的问题与故障案例库中的案例进行相似性对比,选出相似性最高的案例作为故障诊断方案,以实现数控机床故障诊断推理。     

机场柴油发电机组故障检测中证据理论的应用研究

机场柴油发电机组由于其结构的复杂性、故障诊断的困难性以及保障的应急性,要求在保障时能够准确识别故障并加以排除,因此,基于信息融合技术的故障诊断就成为其发展的必然.本文根据柴油机的系统特点及故障特征,利用D-S证据理论并结合实例分析了信息融合技术在判断系统状态和故障识别方面的准确性和有效性.     

基于无线温度监测的内燃机连杆轴瓦故障诊断技术研究

针对内燃机连杆轴瓦故障频发且监测手段有限的技术难点,提出了基于无线温度监测的连杆轴瓦磨损类故障诊断方法。通过分析连杆轴瓦与轴径相对运动时的摩擦力学关系,在考虑润滑的前提下推导出轴瓦温升计算方程,作为基于温度监测的轴瓦故障诊断方法的理论依据;以TBD234V12型柴油机为对象,搭建连杆轴瓦故障模拟实验台模拟轴瓦磨损故障,并配置无线测温系统捕捉异常温度信号,对比正常情况下的温度信号可知,磨损的连杆轴瓦表面温度相比正常轴瓦温度有明显上升。理论和模拟实验结果表明,基于无线温度监测的内燃机连杆轴瓦故障诊断方法具有较高实用价值。     

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。     

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...     

基于自适应神经模糊Petri网的电机故障诊断

为了提高电机的维护效率,实现电机实时故障诊断功能,基于传统Petri网理论、模糊理论和神经网络算法,提出了一种具有自适应性的神经模糊Petri网故障诊断方法。首先,利用高斯函数代替变迁可信度,解决故障传递不确定性的问题,结合BP神经网络对参数进行适应性训练。然后,根据Petri理论,引入竞争算子对矩阵推理方式进行改进,结合Sigmoid函数,提高了算法的计算效率。最后,以三相异步电动机为例,根据三相异步电动机的故障运行机理和故障特性,建立系统模型并进行故障诊断。仿真结果表明,该算法能准确地诊断出三相异步电动机的故障,具有较好的准确性和适应性。     

基于粗糙集的温室无线传感网络节点故障诊断

针对系统资源有限、不适宜运行复杂故障诊断算法的问题,提出基于粗糙集的温室无线传感网络节点故障诊断方法.结合网络体系结构,以资源丰富的汇聚节点为中枢,在运行过程中在线判别其子节点故障征兆,通过简单地查故障诊断决策表的方法来诊断子节点故障类型;从系统的、模块化的角度构建的子节点故障征兆、故障类型具有相关性,在简化决策的同时也造成了决策表的冗余,运用粗糙集及其数据约简理论设计一致数据启发式子节点故障诊断约简算法来约简冗余,建立了更简洁的子节点故障诊断决策表.结果表明,基于粗糙集能够实现在线简便的故障诊断,并可节约子节点系统资源.     

基于多色集合的数控机床故障诊断模型构建与推理方法

数控机床故障具有层次性和相关性等复杂特点,构建形式化的数控机床故障诊断模型并推理出故障原因,是进行故障诊断的重要过程。本文基于多色集合理论,提出数控机床故障诊断形式化结构模型的构建与推理方法。在阐述多色集合基本概念的基础上,构建了基于多色集合的数控机床故障诊断层次结构模型;利用多色集合的元素、个人颜色、统一颜色以及布尔矩阵,从横向和纵向两个方向对该模型进行了形式化描述;给出了数据机床故障诊断模型的推理算法流程,实现了自顶向下的自动推理。最后以刀架系统故障诊断建模与推理过程为例,验证了所提理论和方法的正确性和有效性。     

基于模糊神经网络的摊铺机智能故障诊断系统

针对沥青摊铺机故障原因的复杂性与不确定性，综合运用模糊推理、数据库、人工智能、专家系统等理论，完成了沥青摊铺机智能故障诊断系统总体结构设计，建立了基于BP神经网络的沥青摊铺机故障诊断系统，利用推理规则模块并结合摊铺机工作状态参数进行推理，能迅速判断推铺机故障原因，从而保证了推铺机的正常工作。该系统的研究为沥青摊铺机智能故障诊断系统的开发提供了理论依据。     

基于粗糙集理论和贝叶斯网络的断路器故障诊断方法

为了快速准确地诊断出断路器的故障原因,笔者提出了一种断路器的故障诊断方法。该方法以粗糙集理论为基础,建立故障征兆属性集和故障诊断决策表,并通过约简决策表形成最小故障诊断规则。基于最小故障诊断规则建立贝叶斯网络模型,利用贝叶斯网络实现断路器故障诊断的快速概率推断。经真空断路器故障的实例分析表明,该方法是可行有效的。     

一种混合智能故障诊断方法及柴油机故障诊断

提出了一种模糊聚类、粗糙集理论与神经网络集成的混合智能故障诊断方法。引入聚类有效性函数和点分布密度函数。对模糊c-均值聚类算法进行改进,形成了自适应模糊聚类算法并依据该算法将连续的故障特征值离散化。应用粗糙集理论处理离散化的故障诊断数据。采用基于信息熵的方法,约简冗余的故障特征。依据约简结果构建神经网络,采用遗传算法优化网络的权值和阈值。将该方法用于柴油机气门故障诊断,并与普通神经网络进行对比。结果表明,该方法提高了故障诊断的正确率。     

电力电子器件故障检测的灰色理论方法探讨

从电力电子器件及其故障的特殊性出发,提出电力电子器件及其故障具有灰色性质,从而为灰色理论系统应用于电力电子器件的故障诊断提供了前提。本文以IGBT为例,运用灰色关联方法对电力电子器件的故障诊断进行了验证。结果表明,在信息量不多的情况下,灰色关联分析方法是电力电子器件故障诊断的一个有效工具。     

非常规ABS系统故障诊断分析

文章通过例证,对常规及非常规ABS系统的故障诊断进行分析对比,并对日常维修作业中,非常规ABS系统故障的诊断过程提出一些见解。     

深度玻尔兹曼机在故障诊断中的应用研究

构建了一个基于深度玻尔兹曼机的故障诊断系统。首先,基于一个滚动轴承故障实验平台,对深度玻尔曼兹机的在滚动轴承故障诊断领域应用进行了深度分析;然后将方案应用于20 kg级的航空涡喷发动机的故障诊断中;通过与BP神经网络和支持向量机故障诊断模型进行对比,实验结果表明:采用深度玻尔兹曼机对机械设备故障进行故障识别,具有更高的准确性和可靠性。     

粗糙集与故障树理论的组合故障诊断

故障知识的获取以及故障树结构的确定一直是亟待解决的瓶颈问题.将粗糙集理论引入到故障树的故障诊断中,利用粗糙集对实例测得的故障信息进行知识约减和知识获取,寻找系统各个故障源信号之间的逻辑关系,并通过这些逻辑关系构造基于知识的故障树模型.故障实例分析表明,将粗糙集理论与故障树有机结合在一起进行故障诊断能有效地压缩故障特征空间,实现快速、准确的故障推理.     

采用形变周期势系统的轴承故障诊断方法

针对在高强度噪声环境下的轴承故障信号难以检测的问题,提出一种利用形变周期势系统(DPPS)的轴承故障诊断方法。该方法首先将掺杂噪声的故障信号输入DPPS中,组成以DPPS为核心的随机共振(SR)系统;然后,以功率谱放大倍数(SPA)和幅度响应为测度指标来量化DPPS轴承故障诊断方法对轴承故障特征信号的增强效果,通过矩量法和概率流方法推导SPA和幅度响应的解析式,得到当SPA和幅度响应最大时的DPPS诊断方法的最优设置参数;最后,在相同条件下,将该诊断方法应用于轴承内外圈故障诊断,并与新型幂指三稳势系统(NCETS)轴承故障诊断方法作对比实验。实验结果表明,DPPS轴承故障诊断方法能够利用噪声的能量分别将内外圈故障特征频率的功率谱幅值提高至1 950和2 950 W/Hz,从而可以在功率谱中轻易识别,进而断定轴承的内外圈出现了故障,而NCETS故障诊断方法仅能分别提高至359.2和575.6 W/Hz,证明了采用DPPS的轴承故障诊断方法的有效性和先进性。