基于模糊 Petri 网的发动机故障诊断

基于模糊 Petri 网的基本原理,提出了简明有效的推理算法,并以发动机为例说明了 Petri 网在故障诊断中的应用.     

基于模糊加权有色网和BP神经网络的飞机发动机故障诊断

针对传统知识推理故障诊断方法中参数往往依赖于专家经验,存在着不准确和无法学习的问题,提出了一种基于模糊加权有色网和BP神经网络的故障诊断方法。首先,定义了模糊加权有色网并给出了两种产生式规则对应的模糊加权有色网模型。然后,设计了采用BP神经网络对模糊加权有色网各参数进行学习的算法。最后,给出了使用训练后的各参数进行初始化的模糊加权有色网进行故障推理的具体步骤。通过飞机发动机故障诊断实例仿真实验证明了方法能正确地建立模糊加权有色网推理模型,在采用BP神经网络进行参数训练后,能有效地实现飞机发动机的故障诊断。     

基于模糊神经网络的模拟电路故障诊断

针对故障诊断技术智能化的发展方向,结合模拟电路的特点,将模糊逻辑和神经网络融合在一起,研究了一种基于模糊神经网络的故障诊断算法,给出该算法的典型模型和结构,并通过实例研究了这种模型在模拟电路故障诊断中的应用。     

基于加权模糊Petri网的电子电路故障诊断

提出了一种适用于电子电路故障诊断的加权模糊Petri网,给出了用加权模糊Petri网表示电子电路故障诊断模糊知识的方法及故障诊断过程中的反向推理算法。     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

模糊免疫算法在电路故障诊断中的应用研究

针对传统免疫算法在故障检测中存在的稳定性低、检测性能差等问题,基于模糊数学和生物免疫系统的信息处理的机理,提出一种基于模糊数学策略的免疫算法。介绍了模糊免疫算法的实现过程,并将其应用到模拟电路的故障诊断之中。仿真和实验实例表明,该算法适合于模拟电路故障诊断,有效抑制了误报率,检测率也得以提高。     

混沌粒子群优化模糊聚类的旋转机械故障诊断

提出基于混沌粒子群优化加权模糊聚类的旋转机械故障诊断算法。该算法用混沌粒子群算法取代传统的梯度下降法,优化加权模糊C-均值算法的各个参数,并依据聚类有效性指标确定最优聚类数及聚类中心。应用表明,混沌粒子群算法有效提高了模糊聚类分析的收敛速度和精度,提高了旋转机械故障诊断的准确率。     

混沌动态模糊神经网络及变压器故障诊断的应用

提出一种结合动态模糊神经网络和混沌优化算法的故障诊断方法,将混沌变量引入模糊神经网络结构和参数的优化搜索.利用混沌优化的动态模糊神经网络建立变压器故障诊断模型,此模型不仅能对模糊规则而且能对输入变量的重要性做出评价,从而使得每个输入变量和模糊规则都可根据误差减少率进行修正.仿真结果表明,混沌动态模糊神经网络算法精度高、迭代步骤少、收敛快,对识别和预测变压器状态具有较高的精度和效率,并可方便有效地应用到其他领域.     

基于ITD和模糊聚类的齿轮箱故障诊断方法

为提高齿轮箱故障诊断的准确性与效率,针对其振动信号非线性和非平稳性的特点,提出将固有时间尺度分解(ITD)和模糊聚类(FCM)相结合的齿轮箱故障诊断方法。首先对齿轮箱振动信号进行固有时间尺度分解,提取包含主要故障信息的前4个固有旋转分量(PRC),求取PRC的特征能量作为故障特征向量。然后利用模糊C-均值聚类算法对齿轮箱故障进行识别与诊断,并将该方法应用到现场齿轮箱的诊断中。结果表明,诊断结果与实际情况完全相符,该方法比经验模式分解与模糊聚类相结合的方法具有更高的计算速度和精度,为齿轮箱故障诊断提供了一种新的有效方法。     

复杂系统故障诊断中的模糊聚类方法

为了提高复杂系统故障的诊断能力,采用模糊Ｃ－均值聚类算法对原始采样数据进行聚类,并通过模糊传递闭包法和绝对值指数法得到模糊Ｃ－均值法的初始迭代矩阵．用划分系数、划分熵和分离系数来评价聚类的结果是否最佳．采用模糊聚类方法可避免研究复杂系统的内部特性,比仅依据其外部输出的数据进行故障诊断方法简便．通过某飞行器测试系统的应用,表明采用模糊聚类方法后,提高了判别故障的准确率．     

基于三角均分模糊推理的电力设备故障诊断

电力设备的故障诊断具有不确定性。应用三角均分模推理系统的能够利用实际故障诊断数据，吸收专家诊断经验，获取与完备故障诊断规则知识，从而有效地诊断电力设备的故障。     

挖掘机提升控制系统故障诊断的改进模糊算法

研究矿山挖掘机提升控制系统的故障诊断方法对减少其故障和由此带来的巨大经济损失具有重要意义。笔者首次提出了针对复杂控制系统的基于功能的故障描述和故障整理方法,并将控制领域中的改进模糊算法引入到故障诊断领域,建立了WK－4挖掘机提升控制系统电压负反馈回路的改进模糊诊断模型,并与传统模糊诊断模型进行了比较,验证了改进模糊诊断模型的有效性和先进性。该方法可广泛应用于矿山挖掘机各种控制系统的故障诊断中。     

模糊数学在机械设备故障诊断中的应用

通常 ,机械故障诊断是基于概率论的。然而 ,在机械故障诊断中模糊性是固有的 ,其主要表现在两个方面 :一是设备状态从正常到异常都有一个渐变过程 ,而结构的“完好”与“失效”之间往往不存在清晰的界限 ;二是故障原因与相应的症状之间往往没有明确的规律可循。为此 ,本文在简要介绍了机械故障诊断的基本概念及其随机性和模糊性后 ,给出了模糊诊断的具体方法 ,并通过一个故障诊断实例 ,说明故障诊断数学化的可行性 ,为计算机辅助故障诊断 ,缩短诊断时间 ,提高准确性 ,提供了一条可行的途径。     

基于可能性理论的柴油机故障诊断方法

本文提出了基于可能性测度的柴油机故障诊断方法.与概率测度相比,可能性测度更为适合,计算更为简单,在故障诊断中有着广泛的适用性。     

基于EEMD与模糊信息熵的旋转机械故障诊断方法

针对旋转机械故障识别率偏低的问题,提出一种基于EEMD与模糊信息熵的旋转机械故障诊断方法.该方法结合EEMD分解和模糊信息熵在特征提取方面的优势,构造出一种能够精细度量不同类别振动信号故障概率复杂度的特征集合.首先将原振动信号进行EEMD分解,获得若干个本征模态函数(IMFs);计算出前5个高频IMF分量的模糊信息熵组成高维特征集;利用LPP对高维特征集进行维数约简剔除冗余不相关特征;最后将约简后的样本集输入到KNN分类器中进行故障识别.用双跨转子实验台采集的数据对所述方法进行验证,并与EMD模糊熵、EMD模糊信息熵、EEMD模糊熵方法进行故障识别率对比,结果表明该方法能够有效提取转子振动信号的故障特征,并且具有更高的故障识别率.     

蒸汽发生器U形管破裂事故的识别与诊断系统

论述了船用核动力装置中蒸汽发生器U形管发生破裂时的故障征兆及对U形管进行故障诊断的必要性，阐述了智能控制领域中的两个方面即模糊逻辑和神经网络，并探讨了它们之间的结合—模糊神经网络结构及其实现算法，利用模糊神经网络对蒸汽发生器U形管破裂事故进行了诊断，诊断结果表明该理论方法对此事故完全可以正确识别，进而证明该理论方法可以应用到船用核动力装置其他故障的诊断，能够满足船用核动力装置的诊断要求。     

基于模糊Petri网的事故树模糊分析方法研究

为了降低获取现场采样数据精确值的难度并提高事故诊断的准确性,根据模糊事故树和模糊Petri网均具有描述事件发生因果关系链这一共同特征,采用模糊Petri网来表示事故树,建立了事故树的模糊Petri网模型,在Petri网中对事故树进行了模糊分析研究.该方法不仅可以对顶上事件各特征量进行估算,还能利用模糊Petri网推理算法进行事故诊断,实现了Petri网与事故树的紧密结合,使事故诊断更加切合实际.引入模糊集合理论到事故树分析方法,用模糊数来表示事件发生的概率,减小了获取底事件发生概率精确值的难度,在一定程度上修正了事故概率统计数据的误差.该方法可以将生产现场的实测数据与专家经验数据结合起来,使得分析结果更接近于工程实际.图2,表1,参13.     

加权模糊Petri网在故障诊断中的应用

提出了一种对复杂装备进行故障诊断的加权模糊Petri网模型,并对于装备故障传播的逻辑关系进行了描述。然后,根据实际的故障诊断中的不确定推理问题,给出了一种新的加权模糊推理算法,以更加符合工程实际。为提高诊断时的并行推理能力,给出了诊断推理的形式化算法。用实际的诊断案例说明了该方法的有效性。     

一应用于非过载电流故障检测的模糊专家模型

由于非过载电流故障的随机性且同正常开关特性相似，从而成为一个难以检测的问题，有人提出了多种算法协同检测方法，并引进了专家决策系统．作者从模糊逻辑出发，构成一个两级模糊处理专家模型，通过仿真运行获得较好的结果．文中叙述了该模型的建立步骤及构成，并对权运算规则和决策规则等主要问题进行了讨论．