变风量空调系统传感器故障检测与诊断

在建立变风量空调系统仿真器的基础上，针对系统的温度、流量和压力传感器等进行故障的检测与诊断．提出基于主成分分析的方法，根据系统正常的历史运行数据建立数理统计模型，通过传感器实测数据与正常数据在故障子空间投影的比较，对传感器的故障进行在线检测；提出联合角度法通过比较新发故障向量与故障库中各经验故障向量在两个子空间投影的夹角，在线分离出故障源．结果表明，提出的主成分分析和联合角度的方法对于变风量空调系统传感器故障有较为准确和快速的检测和诊断效果．     

分布式检测系统的反馈融合算法

通过分析分布式检测系统的工作原理，在原有并行反馈检测系统的基础上提出了一种新的局部检测器反馈融合算法．该算法利用检测器局部判决结果与数据融合中心融合结果的误差对检测器下一步判决门限进行修正，使各局部检测器可以根据所处的环境，采用不同的修正因子修正判决结果，避免了原有检测系统对所有局部检测器使用相同的修正因子所带来的系统性能损失，从而达到提高检测器检测概率的目的．仿真结果表明，该算法能有效提高系统的性能，对于慢起伏噪声信号具有良好的抑制作用，同时也指出了该算法的不足以及改进的方法。     

滚筒采煤机故障分析和排除的方法

本文介绍了采煤机故障的成因，阐述了采煤机故障的分析和排除方法。     

归一化滑动窗格形滤波器──一种新的故障检测工具

基于归一化滑动窗协方差算法导出一种新的递推最小二乘格形滤波器，并用它构造了一种新颖的故障检测器。首先，在Ｈｉｌｂｅｒｔ空间定义了信号向量和信号矩阵，描述了归一化残差向量和偏相关系数。然后，用向量空间的正交投影方法推导了ＮＳＷＣ格形滤波器算法方程，并通过对前向残差或后向残差的白色性检验，实现了实时故障检测。最后，用仿真例验证了这种故障检测方法的有效性。仿真结果表明这种故障检测器具有无需被监视系统的数学模型，计算量小、误报警率低等优点。     

无量纲指标免疫检测器在缓变故障检测中的应用研究

本文利用无量纲指标和人工免疫原理构造了五种无量纲指标免疫检测器。提取试验中的数据,采用阴性选择算法、增加编码位数进行编码,检测器能检测到微小的变化,通过多个无量纲指标免疫检测器同时进行交叉检测,再进行集成、融合,使缓变故障得到较准确诊断。实验结果表明了本文所提出的方法的有效性。     

异构网络环境中的自适应在线故障检测

通过研究网络流量异常检测，提出一种新的基于自适应自回归(AAR)模型的在线故障检测算法．该算法只利用标准管理信息库，因此检测不依赖于特定产品类别，适用于异构网络环境．验证了流量信号的非平稳特性，并采用模拟获取的网络流量拟合AAR模型．由于不必将整个时间序列进行分片和单独拟合，算法可以直接处理获取的新数据，实现真正意义上的在线故障检测．利用时间平均方法消除了网络噪声的影响．在实验中，故障检测结果与预设的故障场景完全对应，进一步证明了该算法的准确性．     

MG-375采煤机摇臂行星减速器技术改造

针对MG-375采煤机摇臂行星减速器漏油及引起的故障问题,通过现场检测和结构分析,发现了原浮动油封承载能力差等问题采用双骨架油封替代浮动油封,对减速器结构进行改进,解决了漏油问题并取得明显的经济效益。．     

云计算系统服务器节点故障的检测算法

传统故障检测算法无法应对云计算系统服务器的动态性与随机性,为此,提出一种云计算系统的服务器节点故障检测算法.首先对云计算系统性能数据进行采集,然后采用AFD算法设计故障检测器,对云计算系统服务器节点故障进行检测,并分析了服务器节点故障检测消息在服务器节点间的通信过程,最后通过服务器节点之间原有的信息交换,按照节点间的消息处理时间对故障检测阈值进行动态调整,从而应对服务器的动态性和随机性.实验结果表明,该算法检测结果可靠,适应性强.     

采煤机故障产生原因分析及判别方法

近年来，随着我国煤矿产量的不断提高，综采面也随之向纵深发展。采煤机作为采煤过程中主要的机械设备之一，其可靠性也受到人们越来越多的关注。但是在实际开采过程中，采煤机还是经常会出现各种故障，这给煤矿的正常开采带来了一定程度的影响。为了有效地解决这一问题，必须认真分析故障产生的原因，并采取相应的判别方法将故障发生率降至最低。基于此点，本文首先对采煤机故障产生的具体原因进行分析，并在此基础上提出采煤机故障的判别方法及预防措施。     

空调监测系统的数据恢复方法的研究

故障数据或丢失数据的及时恢复，对空调系统的可靠、最优运行是非常重要的．本文提出用主成分分析法对正常运行条件下的原始数据建立模型，该方法将测量空间分为主成分子空间和残差子空间．当数据故障或数据丢失发生时，故障数据被投影到主成分子空间和残差子空间，通过多次迭代，逐步逼近主成分子空间的方法可实现数据恢复．用空调监测系统实例充分显示了该方法有良好故障数据与丢失数据恢复能力．     

基于深层迁移学习的DR胸片肺结核病灶检测

针对基于传统机器学习方法设计的DR胸片肺结核检测器存在着泛化能力不强,实际检测精度低等问题,提出了一种基于Focal Loss的深度学习检测方法Tuberculosis Neural Net(TBNN).医学图像的特殊性,存在带标注的数据量小导致无法充分训练深层网络模型等问题.该方法利用肺炎和肺结核同为呼吸道感染疾病且在DR胸片上有相似表征的特点,基于迁移学习原理训练特征提取子网络,减少肺结核胸片样本不足对模型训练造成的影响.首先在大型的肺炎胸片数据集上训练特征提取网络,以获取DR图像中丰富的深层图像语义信息,然后使用样本较少的肺结核数据集微调网络参数,并将多层卷积的输出作为TBNN分类子网络的输入,得到基于DR胸片的肺结核病灶检测模型.实验结果表明,该方法生成的检测模型在分类精度和性能上均优于基于传统机器学习的肺结核检测器.在同等训练数据量和训练周期下,模型性能高于其他采用传统数据增强方法的深层网络肺结核检测算法,且能标识病灶区域,准度上有不低于放射科阅片医生的表现.     

基于动态独立成分的单类支持向量机方法及其在故障诊断中的应用

针对工业过程故障诊断中数据的动态性、非高斯性和非线性特点,提出一种基于动态独立成分的单类支持向量机(OCSVM)方法。为了分析数据的动态特性和非高斯性,应用动态独立成分分析(DICA)方法提取数据变量中的动态独立成分作为特征信息,基于特征信息建立OCSVM模型并构造非线性监控统计量。检测到故障后,计算故障数据与故障模式数据决策超平面的相似度,通过相似度分析识别故障模式。在Tennessee Eastman基准过程上的仿真结果表明,提出的方法能够比单类支持向量机更有效地检测过程故障,并且能够正确识别故障模式。     

数据挖掘技术在全断面掘进机故障诊断中的应用

分析了全断面掘进机复杂的故障机理和运行参数,研究了将粗糙集和决策树应用到数据挖掘中的方法.以全断面掘进机刀盘的一些实时数据为例,采用MATLAB 7.0对数据进行离散化处理,结合粗糙集属性约简的算法对故障样本进行冗余属性的约简;然后,利用决策树算法对约简后的故障样本集进行规则提取,利用数据挖掘工具Clementine实现了C4.5算法和改进的C4.5算法,对其结果进行了对比分析;最后,运用VB编程对全断面掘进机采集的部分数据进行测试,结果表明该融合算法是一种快速、有效、可靠的故障检测与诊断的新途径.     

基于振动信号时域分析法的铣齿机故障诊断

高速干切数控螺旋锥齿轮铣齿机在铣齿加工过程中存在振动现象明显、稳定性差、加工精度低,所加工的工件齿面有振纹等技术问题。为了解决这些问题,通过对铣齿机的结构和切削受力进行分析,建立了铣齿机刀具主轴系统的振动模型。依据振动模型设计了基于铣齿机的振动测试实验方案;并完成了振动信号的采集。在信号处理中,为了从实验数据中解析出故障特征信息,采用了时域分析法中的波形诊断方法和数值分析诊断方法。根据振动信号的时域分析结果,得出了机床产生振动的根源,即机床主轴存在轻微的不平衡、主轴前轴承存在损伤和刚度不足的问题。研究结果为机床结构的优化设计提供了参考依据。     

融合Morlet小波与GA优化多模态核的轴承故障检测算法

针对轴承故障检测算法特征分辨性较低、 准确度较低等问题, 提出一种融合Morlet小波和遗传算法优化的多模态核方法轴承故障检测算法. 该算法首先针对原始轴承故障信号提取多个尺度和多个位移条件下的Morlet小波变换特征, 然后设计一个多模态核方法, 包含线性核函数与径向基(RBF)核函数, 最后在支持向量机(SVM)训练过程中采用遗传算法(GA)优化多模态核的参数, 使用最优化多模态核进行轴承故障检测. 在UoCn的智能维护中心数据集上分别测试了滚珠故障、 内圈裂纹故障和 外圈裂纹故障的检测, 并对单一核与多模态核间的错误率与效率进行对比. 实验结果表明, 改进算法能获得鲁棒的轴承故障检测特征, 且多模态核在GA的优化下能快速收敛, 获得最优化结果, 通过牺牲少量的时间效率而极大提升了轴承故障检测准确率.     

高档数控加工中心的远程动态知识库构建技术研究

为有效保障高档数控加工中心的可靠、稳定、安全运行,开展了刀具系统知识库构建技术研究.重点面向高档车削加工中心,构建以刀具系统为核心的状态监测试验平台;提出了基于粗糙集理论的知识获取方法;进行了知识库模型构建技术研究;建立了基于远程网络的知识获取试验平台,为用户提供了整机运行状态数据查询,为揭示机床运行中的动态性能和故障产生机理以及分析各特征参量与各种故障的内在相关性提供了关键试验技术.     

云模型和集成极限学习机相结合的滚动轴承故障诊断方法

针对轴承振动信号的不确定性和非平稳性以及BP神经网络学习算法收敛速度慢、稳定性差等问题,提出了基于云模型和集成极限学习机的滚动轴承故障模式识别方法.将经预处理之后的信号进行云化,产生滚动轴承在不同状态下的信号云;提取出决定信号云分布的期望、熵和超熵三个参数作为表征轴承状态的特征量并依此构造出原始的轴承状态数据集;再将故...     

断层网建模关键技术研究

面对大多数的建模方法主要采用基于多源数据交互的建模方式,需要大量人工交互且不便于计算机自动或半自动化处理等问题,本文引入空间索引和OBB碰撞检测方法来检测断层间的接触关系,使用符合地质规律的测地线进行追踪,采用路径切割方法处理两个地质界面间的线性接触关系,从而自动处理任意断层面间的截切关系,构建复杂断层网。利用某地区作为研究区域,从实际数据出发,构建该区复杂的三维断层网,以验证本文提出的断面接触关系处理技术的有效性。     

基于SSA-SVM的航空电弧故障检测

针对航空线路系统电弧故障隐蔽性高和难以检测的问题,提出一种基于麻雀搜索算法优化支持向量机（Sparrow Search Algorithm Optimization Support Vector Machine,SSA-SVM）的航空电弧故障检测方法。首先采用小波分解对电弧故障电流数据进行分解,小波分解能有效克服经验模态分解时存在的模态混叠问题。再从信号无序度的角度对电流分量提取能量熵、模糊熵与近似熵,并构造特征向量。然后,使用麻雀搜索算法对支持向量机的权值进行优化,得到最优的权值,最后用训练好的支持向量机对测试样本进行分类。为了验证所提方法的有效性,搭建电弧实验平台,模拟航空线路系统电弧故障的产生,分别采集交流串联正常和电弧故障电流数据,应用本文提出的SSA-SVM算法进行电弧故障检测,结果表明,该方法能较好地识别出电弧故障,检测准确率达到99.5%,相比于粒子群算法或遗传算法优化的支持向量机对电弧故障的检测准确率分别高出2.5%和2%。     

基于LabVIEW的电梯钢丝绳状态监测多通道数据采集

针对电梯钢丝绳运行状态存在的在线监测困难、故障检测不准确的问题,搭建模拟电梯钢丝绳运行的实验台,通过设计励磁器、检测器结构,设计基于LabVIEW的电梯钢丝绳状态监测多通道数据采集系统。对钢丝绳断丝、磨损等常见故障信号进行多通道采集并实时显示波形图、存储数据以便进行进一步分析。试验表明,该系统可以多通道采集钢丝绳的漏磁信号,提高了信号的空间分辨率,能准确地检测不同程度的钢丝绳断丝磨损等故障信号,并将采集到的数据以TDMS文件的形式保存下来进行波形回放,进一步定量分析故障部位及程度。