基于语义网络的旋转机械故障诊断知识表示

针对旋转机械故障诊断专家系统中的知识表示问题,讨论了语义网络的知识表示方法。并以此为基础进一步探讨旋转机械典型故障诊断的知识表示模型－－语义网络知识表示模型,文中还讨论了它的计算机语言实现方式,在VC＋＋环境下开发出了一个语义网络知识表示的演示模型。结果说明该知识表示方式是有效的。     

集成旋转机械故障诊断的知识表示与推理

本文提出了一种新的基于规则和神经网络集成的智能旋转机械故障诊断方法，该法把专家经验和故障样本以统一的分布表示形式组织到知识库中，并在此基础上提出了推理算法的自学习选取，整个系统充分发挥了规则系统和神经网络的优点，具有知识表示明确、并行推理、联想和自学习等优点。最后结合实例进行了分析。     

确定性故障诊断知识节点式表示技术

基于汽车故障诊断专家系统确定性知识的特点 ,建立了子集产生式、语义网络式、框架式知识表示技术优点于一体的节点式知识表示方法 ,并进行实例分析 ,实际应用表明节点式知识表示技术 ,能提高专家系统故障诊断的效率。     

旋转机械轴心轨迹故障诊断

应用轴心轨迹图的直观性特点，对旋转机械进行状态监测和故障诊断。从轴心轨迹图上判断出振动的前期征兆，对防止故障的恶化和排除故障具有指导作用。因此利用轴心轨迹图来判断旋转机械是否处于正常状态是可行的。     

旋转机械智能故障诊断技术的发展趋势

对旋转机械智能故障诊断现状进行分析,展望发展趋势.当前的状态监测与故障诊断(condition monitoring and faults diagnosis,CM&FD)系统普遍存在的智能故障决策准确率偏低、可靠性差的状况显示出,相关研究仍面临着非常严峻的挑战.对数据库知识发现(knowledge discovery in database,KDD)和粗糙集理论的介绍表明,基于粗糙集理论工具的KDD为智能诊断向更科学化的方向发展指明了一条实现的新途径.但它也引发出对在线获得的故障知识应进行知识化保护问题研究的新课题.     

BP神经网络在旋转机械故障诊断中的应用

人工神经网络模型是在现代生物神经系统研究基础上建立的一种网状结构，是对人脑某些基本特性的一种简单的数学模拟。神经网络以其信息的并行分布式处理、联想记忆、自组织及自学习能力，在机械故障诊断领域显示了极大的应用潜力。本文就神经网络对给定知识的表达、联想、记忆能力及网络结构进行了研究，利用反向误差传播网络对旋转机械中四种典型故障进行了实例分析诊断，取得了令人满意的效果。     

大型旋转机械集成智能故障诊断系统

大型旋转机械集成智能故障诊断系统张雪江，钟秉林，贾民平，黄仁（东南大学机械工程系，南京２１００１８）随着人工智能技术的发展，国内外相继研制了一些基于专家经验知识的设备诊断系统［１～３］．由于这类系统采用单一的符号推理，忽视了对诊断对象运行信息的分析与...     

小波分析在旋转机械故障诊断中的应用

简述小波分析的数学原理和小波分析在故障诊断中的应用机理，并以透平压缩机组为例，分析了小皮分析在故障诊断中的应用。用小波进行信号降噪的方法是，先对机组轴承径向报动信号进行处理后再进行特征提取，使故障诊断过程变得容易，很好地保存了瞬态信号的尖峰和突变部分。     

面向旋转机械的嵌入式故障诊断系统

介绍了一种基于嵌入式系统技术,面向大型旋转机械设备,集数据采集、状态监测、专家系统等功能于一体的状态监测与故障诊断系统,讨论了其系统底层硬件架构以及系统上层的软件设计.该系统已成功运用于工业现场的大型水泵、鼓风机等设备的故障检测,取得了满意的运行效果.     

基于RBF网络的旋转机械故障诊断方法

针对BP网络在故障诊断中存在的训练收敛速度慢且容易陷入局部极小、网络初值对学习性能影响比较大等缺陷,提出了一种基于RBF网络的故障诊断方法,介绍了RBF网络的结构和自适应正交最小方差算法（SROSL法）,并应用于旋转机械的故障诊断中,应用结果表明,RBF网络训练速度快、分类性能良好,在设备故障诊断领域具有很好的实用性。     

基于混沌的旋转机械故障诊断

研究了Duffing方程解的特性，应用分形维数来识别混沌运动及其分岔参数，说明混沌振子的非平衡相交对微弱信号的敏感性和噪声的免疫力，通过混沌振子由混沌运动到大周期运动的相交识别可对旋转机械早期不对中故障信号进行检测和诊断，为工程实际中旋转机械的早期故障诊断提供有效的依据。     

基于局域波时频分析的机械故障诊断

提出一种新的自适应时频分析方法——局域波法．结合仿真信号与故障检测信号进行分析研究,提出一种新的机械故障诊断方法并将其成功地应用到齿轮箱故障诊断中．振动信号能量在局域波时频分布中的变化,是局域波法诊断齿轮磨损故障的特征．诊断结果表明,局域波时频分析为齿轮磨损故障诊断提供了一种更为有效的手段,在故障诊断工程中具有广泛的应用前景．     

基于双参数方法的故障诊断不确定性推理问题

不确定性推理问题是专家系统需要解决的基本问题之一,已有的不确定性推理方法在规则的应用要求、加权推理及规则参数获取方法方面具有局限性。该文在分析、归纳、总结不确定性推理相关问题的基础上,提出了基于充分性参数和必要性参数的不确定性推理方法。该方法能够表示具有复杂不确定性加权关系的诊断规则,并且能够根据规则的约束条件,通过数值计算获取规则的不确定性相关参数。该方法在已开发的诊断型专家系统中得到了应用,经验表明该方法是行之有效的。     

二叉树支持向量机的旋转机械故障诊断

针对SVM二叉树多类分类优先级的确定问题,通过旋转机械故障实验平台和数据采集系统,采集旋转机械故障实验台转子正常、转子不平衡、转子不对中、转子轴承内圈裂缝、转子轴承外圈裂缝5种工况下的振动信号,进行零均值化处理;选择信号的主要频段进行信号重组,提取其时域无量纲特征值,利用并联式SVM的正检率大小确定SVM二叉树多类分类的优先级,进行故障类型的识别。通过实验,实现了训练样本的完全可分,说明此种方法的有效性。     

利用深浅两层知识诊断锅炉运行故障

本文介绍一种基于深、浅两层知识的锅炉运行故障诊断专家系统，深知识包括锅炉系统的结构知识，物理模型和故障模型；浅知识为运行专家的经验知识。系统采用面向对象的知识表达，对锅炉系统采用分级描述，减少了搜索空间。由于系统知识全面，其诊断能力强于传统的基于经验的专家系统，采用面向对象的知识表达，方便了知识的更新和移植。该系统采用ＰＤＣ－Ｐｒｏｌｏｇ编程，目前的诊断对象为锅炉的汽水系统和燃烧风烟系统。     

基于多尺度形态学的舞台机械控制系统编码器故障诊断方法

针对舞台控制系统中常用的一类传感器——编码器故障问题,提出一种多尺度形态学分解方法.通过对故障原因及故障模式的分析,采用多尺度形态学对故障信号进行分解;借助于DIF滤波器本身具有展现信号冲击特征的能力,采用其对分解后的信号进行处理,并用于信号的重构,从而使重构后的信号在故障发生时刻能够突显故障的特征,以此实现对故障编码器的检测.通过模拟不同类型的故障,仿真实验及实践应用验证本文算法的有效性.     

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.     

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。