启发性故障诊断知识自动获取机制

本文从机器学习的角度，提出了一种基于故障事例的启发性诊断知识自动获取、自学习机制，即故障概念的获取和启发性诊断推理规则的获取。     

启发性故障诊断知识自动获取机制

本文从机器学习的角度，提出了一种基于故障事例的启发性诊断知识自动获取、自学习机制，即故障概念的获取和启发性诊断推理规则的获取。文中对故障诊断知识获取问题进行了形式化表达，给出了建立各故障模式特征描述的概念覆盖算法和构造故障概念层次性分类描述的概念聚类算法，并以旋转机械故障诊断知识获取为例，阐述了这一故障概念与诊断规则自动获取机制。     

基于多色集合的贝叶斯诊断网络构造方法研究

为了解决贝叶斯诊断网络知识表达不一致的问题，构建了故障模式和物理组件之间的映射框架，并提出了一种基于结构分解的层级式多重故障结构模型．引入多色集合理论，对这种结构模型的底层框架进行形式化描述，使得模型便于计算机表达和操作．通过对多色集合的推理矩阵进行迭代搜索实现贝叶斯诊断网络（BDN）自动生成，并给出了具体的推理步骤．以汽轮机设备为例对提出的方法进行了有效性验证，结果表明该方法有助于BDN知识表达的规范化和构造过程自动化程度的提高．     

基于模糊神经网络的凝汽器故障诊断

对基于热力参数的凝汽器典型故障，建立了凝汽器典型故障集、征兆集及故障特征向量集合，提出了一种适用于凝汽器故障诊断的模糊BP神经网络方法，并以实例验证了该网络模型识别故障的准确性。     

基于节约覆盖集理论的电力变压器绝缘故障诊断模型

介绍了一种在节约覆盖集理论框架上集成概率推理的诊断模型,并在此基础上建立了用于电力设备绝缘故障诊断实用模型。该模型有利于对电力设备在多因素、多征兆,强干扰条件的绝缘故障进行诊断推理。由于该模型是以统计数据为依托,并在推理过程中考虑到征兆的不完备性,因此,具有较高的诊断可靠性和实用性。     

特种车辆柴油发动机故障诊断专家系统实现问题

为了实现特种车辆柴油发动机已发故障或潜在故障的快速高效诊断,根据特种车辆柴油发动机运行过程特征参数知识表示的模糊特性,建立了多库多层次方式的知识库,并采用柴油发动机故障类型诊断的反向推理和故障原因分析及故障消除措施正向推理相结合的混合推理机制设计了总体目标推理和级目标推理相结合的推理机.该系统采用V isual Basic6.0进行编程,在windows2000平台上运行.应用效果表明,特种车辆柴油发动机故障诊断专家系统的预报准确率较高,具有较大的实用性.     

汽轮发动机组故障诊断的节约覆盖集概率模型

汽轮发电机组的振动故障具有多样性的特点，经常出现多种故障同时发生的情况。文中介绍了一种在节约覆盖集理论框架上集成概率推理的诊断模型，并在此基础上建立了汽轮发电机组振动多故障诊断的实用模型，以某汔轮发电机组的2类振动多故障为例验证了该方法的有效性。该模型能有效地识别出汽轮发电机组的多故障，弥补了专家系统的神经网络等诊断方法不能正确诊断多故障的不足，具有较高的诊断可靠性和实用性。     

齿轮故障诊断专家系统的研究与实现

基于齿轮故障诊断方法及大量实验数据，结合齿轮故障的判据，研究并建立了适应于齿轮故障诊断特点的齿轮故障诊断专家系统．本论文根据齿轮故障产生的机理及诊断方法，采用了框架及产生式知识表示形式，设计了齿轮故障诊断的专家知识库．通过规则集与规则集之间采用有知识搜索、规则集内部采用前向推理、规则前提和结论之间采用哈希算法的有机结合来实现推理机制。从而实现齿轮的故障诊断．利用该系统对齿轮试验数据进行分析、处理进而推理、诊断获得了满意的效果．     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

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。     

基于置信规则库的机载导弹故障诊断

针对机载导弹结构日益复杂,传统专家系统故障数据少、故障诊断效率低、准确率不高等问题,提出基于置信规则库的方法对机载导弹进行故障诊断。首先,描述了基于证据推理的置信规则库推理方法,建立输入与输出之间的非线性模型;其次,为解决传统专家系统中初始BRB参数不准确的问题,结合故障位置信息,建立参数优化学习模型;最后,以某型机载导弹的制冷系统为例,对基于置信规则库的机载导弹故障诊断方法进行了验证和对比。结果表明,该方法既能克服传统专家系统诊断效率低的问题,同时能够通过参数训练提高机载导弹的诊断精度,较好地提高了机载导弹故障诊断效率,为机载导弹的维护保障工作提供了参考。     

UML建模技术在智能故障诊断系统中的应用

智能故障诊断系统是电站仿真系统中的重要部分,它根据采集到的数据或经转换过的参数进行推理、判断出发生故障的设备.推理诊断采用专家系统和不确定性推理的技术.本文以UML(统一建模语言)为工具,对智能故障诊断系统进行面向对象分析、设计和建模.     

UML建模技术在电站仿真系统中的应用

智能故障诊断系统是电站仿真系统中非常重要的一部分,它根据采集到的数据或经转换过的参数,进行推理,判断出发生故障约设备。其中的推理诊断果用了专家系统和不确定性推理的技术,以UML（统一建模语言）为工具,对智能故障诊断系统进行了面向对象分析、设计和建模。     

滚动轴承故障诊断的案例推理方法

针对滚动轴承的故障诊断问题,提出了一种采用案例推理(CBR)的诊断方法.为了解决检索相似案例时案例属性多、人工确定关键属性及其权重困难的问题,提出了一种Filter/Wrapper复合型特征选择算法,用邻域粗糙集算法粗选属性,用遗传算法进一步精选属性和优化权重,并有效地解决了邻域粗糙集算法中需要人工确定邻域大小的问题.以滚动轴承运行时的振动信号为基本信息,建立了滚动轴承案例库,从案例库中检索与问题案例相似的历史案例,并根据这些历史案例来判定问题案例的故障类别.试验结果表明,故障诊断的正确率达到100%,故障位置诊断的正确率达到93.3%,且算法具有较好的稳定性.     

基于粗糙集的模糊神经网络在故障诊断中的应用

文章将粗糙集理论、模糊逻辑推理和神经网络等方法相结合,提出一种基于粗糙集的模糊神经网络理论的复杂机械的故障诊断方法。该方法应用模糊逻辑推理建立故障诊断决策表,采用粗糙集理论对故障样本数据属性约简,将获取的主要特征属性输入到神经网络中进行训练学习,然后把检测数据输入到诊断系统中进行检测。检测结果表明,该方法在船舶柴油机的故障诊断中是有效的。     

模拟电路故障诊断的辨识法及其方程

本文基于系统辨识的思想，对模拟电路故障诊断提出了一种新的方法。文中还提出了动态电路系统参数的概念，研究了系统参数与元件参数之间的一般关系，给出了用多频率法求解系统参数的一组线性方程。     

基于邻域粗糙集的核动力系统故障诊断特征参数筛选

针对核动力系统故障诊断过程中故障的特征参数难以提取的问题,提出了一种基于邻域粗糙集模型的特征参数筛选的新方法。该方法是通过改进经典粗糙集而来的,其既能够处理离散化的数据,也处理连续型的数据,因此可以减少诊断信息融合过程的复杂性,同时处理后的数据能够保持原始数据的属性性质。仿真实验表明：基于邻域粗糙集能有效的简化特征参数的筛选,提高了故障诊断的准确率,减少了诊断成本,相比于经典粗糙集方法更具有适用性。     

基于mcODM-STA的风电机组变桨系统故障诊断

针对风力发电机组变桨系统故障诊断模型参数难以优化问题,提出了基于状态转移算法优化多类最优间隔分布机(multi-class Optimal Margin Distribution Machine optimized by the State Transition Algorithm,mcODM-STA)的风电机组变桨系统故障诊断方法.该方法选择风电机组功率输出作为主要状态参数,利用Pearson相关系数对风电数据采集与监视控制系统中风电机组历史运行数据进行相关性分析,剔除与功率输出状态参数相关性较低的特征,对余下特征进行二次分析,减少样本特征.将数据集分为训练集和测试集,训练集用来训练所提故障诊断模型,测试集用来进行测试.利用国内风电场实际运行数据进行实验验证.实验结果表明,与其他多种参数优化方法相比,所提方法故障诊断准确率和Kappa系数更高.     

基于NFI直推式学习算法的故障诊断方法

在故障特征数据空间中,搜索输入数据最相邻的训练数据作为子训练数据集,用最速下降法对模型模糊规则参数进行优化。用Fisher's iris数据集仿真并同自适应神经模糊推理系统(ANFIS)比较,平均试验误差降低了15%,运算速度提高了约30%。将一组采自航空发动机实际试车故障特征数据输入到诊断模型中,模型能准确识别发动机存在的三类故障状态,说明了此算法对解决一些故障诊断问题的有效性。     

电液伺服阀故障诊断专家系统的研究

针对最常见的双喷嘴档板式滑阀力反馈电液伺服阀，结合上海宝山钢铁公司生产线上使用的该类型伺服阀进行了实验研究，利用模糊神经网络与符号推理集成技术，建立了电液伺服阀故障诊断专家系统，实验证明，该专家系统对电液伺服阀常见的故障的诊断准确率达９０％以上。