水电机组故障诊断系统中的模糊诊断技术研究

介绍了在水电机组故障诊断系统中采用的模糊诊断技术,构造了故障诊断的模糊关系矩阵.此模糊知识已成功地应用于实际水电厂的故障诊断系统中,在故障诊断系统的使用过程中得到进一步的充实和验证.在整个系统的多年运行中,此诊断方法成功地诊断出如转子不对中、尾水管偏心涡带等机组运行问题,为电厂的维修与管理提供了有价值的依据与参考。应用效果表明,使用模糊诊断方法于水电机组故障诊断中是有效的,模糊关系矩阵也在故障诊断系统的使用过程中得到进一步的充实和验证.     

基于总体平均经验模态分解残差的故障诊断方法

为了提高化工过程故障诊断的效率,基于残差对故障状态具有敏感性以及经验模态分解(EMD)无需建模仅依据输入输出数据分析的优势,提出了一种基于总体平均经验模态分解(EEMD)残差进行故障诊断的新方法。基于历史数据的6σ控制图,确定残差的故障诊断控制限。利用在线实时数据采用贝叶斯信息准则在线确定EEMD的移动窗口。基于移动窗口的采样数据,在线获得EEMD残差最大值的变化,结合相应的故障诊断控制限在线诊断故障并确定故障发生时间及原因。该文方法与传统的希尔伯特谱分析方法相比,具有可在线诊断故障的优势,提高了故障诊断的准确率。将该文方法用于田纳西-伊士曼(TE)过程的故障在线诊断,验证了其有效性。     

模糊数学在设备故障诊断中的应用

介绍了用于故障诊断的模糊关系矩阵的建立方法,包括故障征兆论域,故障原因论域以及它们之间隶属关系的确定,在此基础上给出了基于模糊关系矩阵的故障诊断的一般方法,最后,结合作者的实际工作,介绍了一个诊断实例,并就该方法的改进提出了建议。     

模糊数学在汽车故障诊断中的应用

汽车故障征兆与故障原因间的关系是模糊的,为此,将模糊数学方法引入到汽车故障诊断中,建立汽车典型故障诊断的数学模型,提出由历史数据及专家优序数综合确定模糊隶属度的方法,建立模糊诊断模型,并在计算机上实现汽车故障的模糊诊断.     

高斯模糊核聚类的模拟电路在线故障诊断算法

为提高模拟电路故障在线诊断的运算速度与可靠性,采用高斯模糊核聚类算法对模拟电路故障进行非监督学习。该故障诊断算法的关键是利用已知故障数据类中心点确定故障类。利用模糊核聚类的高效识别树型结构减少训练样本规模、处理模糊类中的野值点,以提高分类器的训练速度和精确度。根据每一类故障数据得到的故障参数均值,设其为故障判断阈值,并赋予类标。在三种不同故障条件下,对Sallen-Key低通滤波器电路进行故障诊断的仿真实验。结果表明：与RBF监督学习方法相比,β-MKFCM方法能够高效地辩识已知故障与未知故障。该研究为电路在线故障诊断提供了参考依据。     

某转子系统初始弯曲故障诊断的模糊专家系统

以模糊数学理论为基础,提出了一个用于某转子系统初始弯曲故障诊断的模糊专家系统。利用隶属度和模糊综合评判的概念和方法有效地处理了领域知识描述和诊断推理中的不确定性问题。指出了在模糊推理模型中,模糊诊断权矩阵是专家诊断知识和诊断经验的集中体现,并且给出了确定的初始权矩阵的方法。     

基于参数优化的光伏电池故障诊断

提出一种基于参数优化的光伏电池故障诊断方法.采用优化的人工蜂群算法对影响光伏电池I-V曲线的参数进行辨识,获取不同故障类型光伏电池特征参数数据集,建立概率神经网络故障诊断模型对光伏电池故障类型进行诊断.仿真结果表明,优化的人工蜂群算法能够对光伏电池特征参数进行快速、准确的辨识,故障诊断结果与故障特征一致,验证了基于参数优化光伏电池故障诊断方法的有效性.     

特征谱分析方法及其在列车轮对故障诊断中的应用

鉴于列车轮对故障特征信息往往被淹没在背景噪声里,而一般频谱分析方法常因负载变化、转速波动而造成谱值模糊不准的缺点,提出了一种列车轮对故障在线诊断的特征谱分析方法,并根据列车轮对故障诊断的实际需要,研制了故障在线诊断特征谱分析系统.阐述了该方法的原理、信号采样、信号处理以及特征谱泄漏抑制等问题.实际运用结果表明该方法比普通的频谱分析技术更为准确地描述了故障信号的特征,是一种可靠而有效的故障诊断方法.图5,参8.     

大型汽轮发电机组混合智能诊断方法的研究

针对大型汽轮发电机组的状态监测与故障诊断问题,为了克服单一故障诊断方法的局限性,对现有大型设备故障诊断方法作了全面的分析和比较之后,提出并探讨了多种故障诊断技术集成的混合智能诊断方法.该方法根据设备故障诊断过程的不同阶段和具体任务,综合利用了模糊数学、模糊模式识别、模糊人工神经网络、基于规则的诊断专家系统等多种故障诊断原理,并且已经分别在电站热力系统的故障诊断和机组振动故障诊断中实际应用.     

用于水电厂设备的故障诊断的贝叶斯网络模型

通过分析水电厂设备故障诊断所面临的不确定性等问题以及当前常用诊断方法存在的局限性,研究基于贝叶斯网络的设备故障诊断方法,提出了适合于诊断问题的贝叶斯网络结构并阐述了基于贝叶斯网络故障诊断的团树推理算法.该方法综合考虑了多故障、故障症兆模糊以及电厂设备操作之间有依赖关系等情况.通过丰满水电仿真系统中水机调速器故障诊断的应用实例,证实了该方法在信息不确定条件下进行诊断决策的有效性和准确性.     

电动车用镍氢电池模块的充放电模型研究

在电动汽车镍氢电池改进等效电路模型的基础上，基于模糊化电池的荷电状态（SOC），利用模糊推理的方法来估计电路模型的时变参数，并以SOC为模糊输入量，电池模型参数为模糊输出量．由于模糊推理所确定的模型参数根据模糊SOC是动态变化的，因此不仅提高了电池模型的精度，而且降低了对SOC估计精度的要求．仿真试验表明，在不考虑温度影响的情况下，利用该方法所得到的电池模块端电压仿真数值与实测值的最大绝对误差为0．04V，相对误差为0．28％，说明这种变参数不变结构的自适应模型具有很高的可靠性和精确性．     

基于Matlab环境下高架吊车的控制及动画模拟仿真

针对高架吊车的两自由度控制,给出了模糊控制方案。介绍了利用Matlab软件中的模糊控制工具箱和Simulink仿真工具来实现模糊控制器的设计、分析和仿真研究。并利用S函数和Simulink的连接来实现控制系统的动画模拟仿真。     

全电游船锂电池组健康诊断平台

为了实时监测全电游船锂电池组的运行状态,基于阿里云服务器,采用Web浏览器、4G通信以及数据库管理等应用技术,建立基于模糊神经网络的锂电池组状态诊断模型。同时开发出集监视、通讯以及控制管理为一体的全电游船锂电池组的健康诊断平台,实现对锂电池组健康状态的自动化诊断。实船测试结果表明:平台运行稳定,对电池组的运行状况监测和健康状态诊断迅速准确,达到预期目标。     

电动车辆锂离子电池传感器故障诊断方法

为降低锂离子电池传感器故障对电动车辆安全与性能的影响,提出了一种基于观测器的电池传感器故障诊断方法。结合锂离子电池电热耦合动态模型,构建2个扩展卡尔曼滤波(extended Kalman filter, EKF)观测器,估计电池单体的状态量,对比状态量估计值与传感器测量值以生成残差,并使用累计和(cumulative sum, CUSUM)测试方法进行残差评价,根据残差组合的不同响应情况实现锂离子电池电流传感器、电压传感器以及表面温度传感器故障的诊断与分离(fault diagnosis and isolation, FDI)。在不同的传感器故障情况下对诊断方法进行测试,结果表明,该方法能够及时准确地对锂离子电池单体3种传感器故障进行诊断与定位,性能表现优异且易于实施。     

故障诊断训练系统中人的能力评价

本文根据模糊图理论，提出了一种适用于人的故障诊断能力评价的双向模糊图模型，并以机床故障诊断为例，证明了该方法的有效性，说明其能够比较客观地反映出个人的能力水平，具有一定的实用价值．     

交通分布预测模糊重力模型

为了解决交通分布预测中的模糊不确定性,以重力模型与模糊数学理论和方法为基础,基于三角模糊数建立了模糊重力模型.采用模糊线性最小二乘法标定了模型中参数.利用模糊幅度对观测值的比、观测值与估计值的隶属函数的不重合部分的面积与其面积之和的比这2种方法进行模型精度检验.研究了实现交通分布预测结果的发生、吸引平衡处理的模糊Frator增长率迭代平衡方法.通过实例详细说明了发生量、吸引量和交通阻抗均具有模糊不确定性时的模糊重力模型的应用过程,提出了根据模糊不确定性大小程度来利用模糊预测值的建议.模糊重力模型可以实现交通分布预测中的模糊不确定性.     

机械故障诊断中的模糊识别法

所讨论的诊断方法是应用模糊推理和模糊识别理论，在判断故障产生的原因及程度两方面，进行了系统的阐述，给出了故障与征兆之间模糊关系的条件分布函数及其确定方法和模糊识别理论的数学模型．通过对牙轮钻头实验台振动诊断，结果表明该方法具有良好的可应用性、合理性和有效性     

基于模糊感知器的神经模糊分类器

针对一类基于模糊感知器的神经模糊分类器,分析了隶属函数限制条件对分类结果的影响。并根据模糊密度的概念,提出一种为输入特征选择合适的模糊划分的方法。仿真结果表明了该方法的有效性。     

一种语境化模糊本体的方法

本文主要研究如何将模糊本体进行语境化,即语境化模糊本体. 具体来说,提出了一种语境化模糊OWL（Web Ontology Language）本体的方法,讨论了如何扩展模糊OWL（F-OWL）本体的语法和语义来处理F-OWL本体无法处理的问题,并进一步提出了一种模糊语境OWL本体语言FC-OWL. 该本体语言FC-OWL是一种扩展的模糊语言,具有丰富的语义,并且允许对模糊本体进行语境化表示.     

An Interval-valued Fuzzy Competitive Neural Network

Because interval value is quite natural in clustering, an interval-valued fuzzy competitive neural network is proposed. Firstly, this paper proposes several definitions of distance relating to interval number. And then, it indicates the method of preprocessing input data, the structure of the network and the learning algorithm of the interval-valued fuzzy competitive neural network. This paper also analyses the principle of the learning algorithm. At last, an experiment is used to test the validity of the network.