利用形式化方法的机电系统概率失效模式及影响分析

针对传统的失效模式及影响分析中依靠领域专家分析判断系统单元失效与系统故障之间的关系,分析烦琐、容易出错且难以计算故障概率的问题,将形式化技术引入机电系统失效模式及影响分析中,提出了基于概率模型检测的机电系统概率失效模式及影响分析方法。基于机电系统中的状态变迁,研究了机电系统行为过程的随机模型及其形式化表达,建立了面向概率失效模式及影响分析的系统形式化随机模型;基于连续随机逻辑对系统的潜在故障进行了形式化规约,构建了潜在故障的概率形式化规约表达式;利用概率模型检测器对系统的随机模型和潜在故障进行形式化验证,从而辨识单元失效与系统潜在故障之间的关系,并自动计算单元失效所导致的系统故障概率,提高了失效模式与影响分析的准确性和效率。该方法不仅可以借助概率模型检测迅速准确地识别单元失效与系统潜在故障之间的因果关系,还可以自动计算系统故障概率。将该方法应用于数控机床进给系统,成功辨识出了限位开关失效所导致的系统故障并计算出了故障概率,从而验证了方法的可行性。     

基于优化概率神经网络法船舶柴油机燃油系统故障检测

针对船舶柴油机结构异常复杂、故障特征信息输入输出不明显,难以诊断故障的问题,提出一种基于优化概率神经网络的检测方法,该方法采用遗传算法结合概率神经网络模型将误差数值作为优化目标,将目标函数视为最小值问题映射为适应度函数,经遗传算法操作以减小误差并消除概率神经网络模型自身影响使得故障特征最大化,结合其模型强大的非线性分类能力可提高辨别柴油机复杂多变的故障类型及其相似的特征。通过建立基于优化概率神经网络故障检测模型,选取燃油供给系统故障数据作为检测样本,经仿真验证,得到优化后概率神经网络故障检测正确率较高的结果,验证了该方法有一定的研究效果。     

基于卡尔曼滤波的GPS导航系统故障检测

提出了一种将卡尔曼滤波器与神经网络相结合的导航系统故障检测结构.针对GPS系统的非线性特点,利用扩展卡尔曼滤波推算状态的预测值,并与实际观测值进行比较得到残差,同时采用Elman网络构成时延神经网络,利用残差的当前值及前多个历元的历史值进行故障检测.最后,计算机仿真验证表明,与χ2卡方检测方法比较,该结构不但可以快速检测出系统故障,提高故障检测的概率,而且能进行有效的故障隔离,具有很好的容错性能.     

基于概率的故障检测方法及其学习策略

为了充分利用机组运行的实时信息以提高机组运行的安全性,提出了基于概率计算的故障检测方法。该故障检测方法模拟运行人员的故障检测过程,首先根据运行规程和运行经验得到基本故障检测知识,然后通过对历史数据的学习得到精确故障检测知识,再在此基础上,根据相关实时数据实现运行故障检测。为减少故障检测的漏报和误报,提出了该方法故障检测知识的自适应学习策略。理论分析和实验结果表明:该故障检测方法具有鲁棒性强、检测灵敏、知识获取容易和易于模块化等优点,可以有效地构成基于厂级监控信息系统的通用故障检测软件包。     

一种自适应的低负载故障检测方法

为了研究低负载故障超时计算的粒度,在现有的低负载故障检测方法的基础上,提出了自适应DSS故障检测方法。通过动态获取近期往返时间,利用指数加权移动平均算法对超时做加权运算,根据近期网络环境的动态变化自动设置故障检测超时,从而在确保系统检测的强完整性的同时,降低故障检测的误判率。实验表明,该方法分别降低了39%故障检测时间和26%故障误判率。     

一种基于小波分时灰度矩与概率神经网络的电网故障诊断方法

为提高电网故障诊断的准确率和速度,提出一种将小波分时灰度矩与概率神经网络相结合的电网故障诊断方法,通过对小波灰度矩进行时间上的划分,计算得到故障发生后电流在不同时刻的灰度矩的值,从而得到小波系数随时间的变化情况;以小波分时灰度矩作为概率神经网络的输入,诊断结果作为输出,实现对电网故障的自动诊断,利用PSCAD/EMTDC对电网不同类型的故障进行了仿真,采用连续小波变换对电网发生短路故障后的暂态信息进行分析,提取其灰度矩信息,利用概率神经网络进行了故障识别。仿真结果表明,小波分时灰度矩具有较强的细节表现能力,可作为电网故障的故障特征,与概率神经网络相结合可有效地实现对电网故障的自动识别。     

载荷的概率组合及其在船舶工程中的应用

介绍了船舶工程中的静水载荷模型、波浪载荷模型及砰击载荷模型．概述了几种工程中常见的载荷及载荷效应的概率组合模型,及其在船舶工程中的应用情况．重点探讨静水载荷效应及波浪载荷效应的一些组合方法,并比较了不同组合方法所得的结果．讨论了船舶工程中的载荷、载荷效应概率组合的研究进展及发展趋势,并对载荷组合今后的研究内容及方向提出了建议     

独立分量分析和流形学习在VSC-HVDC系统故障诊断中的应用

提出一种基于独立分量分析(ICA)和局部线性嵌入流形学习算法(LLE)的新型高压直流输电(VSC-HVDC)系统故障诊断方法.由于随机噪声的干扰,单个传感器测得的系统故障信号无法直接用于故障检测,故使用快速ICA对多通道传感器测得的直流电压和电流信号进行盲源分离处理以恢复去噪的系统故障源信号;然后利用LLE挖掘潜藏于恢复信号中的子流形,提取故障敏感特征;最后将LLE提取的故障特征量作为支持向量机(SVM)的输入,建立系统故障诊断模型.通过对系统交流相对相故障、交流相对地故障以及复合故障等仿真信号进行分析,表明所提出的ICA-LLE方法能够有效地提取故障关键特征,并在3维空间将故障特征隔离,从而得到满意的SVM故障识别效果,且SVM分类精度比只使用LLE提高了近20%.     

基于小波奇异性检测的电力系统故障检测

为了解决大容量发电机组和超高压输电系统的相继投入运行使电力系统输电距离增大、负荷加重、故障暂态过程中的暂态分量增加、持续时间变长等问题,在分析电力系统故障特性的基础上,将小波信号奇异性检测理论运用于电力系统故障检测中,给出一种新颖的故障检测算法。在原故障检测判据基础上,提出新的补充判据。仿真研究表明,该算法可快速、准确、有效地检测故障,其检测时间可达0.4 ms。     

基于MHT模型的毫米波雷达车辆检测方法

为了在智能车辆系统中检测前方车辆,该文提出了一种基于多假设跟踪(Multiplehypothesis tracking,MHT)模型的车辆检测方法。首先在多假设跟踪模型下,定义毫米波雷达量测集合与目标集合的对应关系,采用广义概率数据关联算法提取量测集合中的有效目标,从而得到有效目标集合。利用概率树模型估算目标的出现概率来维护检测的目标集合,保留稳定的检测结果。实验结果表明:该方法对于远近距离下和较差环境下黑夜灯光的前方车辆达到了准确的检测效果,克服了基于视觉的车辆检测方法对目标距离和环境光线敏感的缺点,同时在目标的保持维护上也取得了良好的效果。     

ANFIS在光电检测中的应用研究

光电检测系统会受到各种噪声和环境温度变化的影响而产生一定的误差,因此只有进行误差补偿才能够提高检测精度.为更好地实现误差补偿功能,建立了基于光电检测的自适应神经模糊推理系统(ANFIS),这种Takagi-Sugeno模型的推理系统能够自动调整隶属函数参数和自动生成模糊规则,克服了模糊控制系统缺乏在线自学习能力或自调整能力的缺点,仿真结果表明这种推理系统模型适用于光电检测并能够提高光电检测的检测精度.     

面向摄像整纬器的织物纬斜检测方法

为了解决局部阴影、疵点和噪点对图像法的检测带来不利影响的问题,设计一种基于分步大津法和窗口像素统计的图像检测方法.首先,利用图像分割技术解决在有局部阴影情况下图像二值化的问题;然后,通过窗口像素统计的方法得到纬斜信息;最后,根据统计结果得到准确的纬斜角度值.实验结果表明:该检测方法可以克服局部阴影、疵点、噪点的影响,保证检测误差低于0.3°.     

基于多级观测器的液压伺服系统自适应故障检测与隔离

针对传统的基于固定阈值的故障检测及诊断方法虚警率高,无法有效实现液压伺服系统的故障检测与隔离,提出了一套基于多级观测器的液压伺服系统自适应故障检测与隔离方法。首先,采用第1级RBF网络作为液压伺服系统观测器,通过比较观测器估计输出值与实际系统输出得到残差信号。其次,采用第2级RBF神经网络产生自适应阈值,实现了液压伺服系统自适应故障检测。最后,采用小波包分析提取残差信号特征,利用第3级RBF神经网络实现系统的典型故障隔离。实验结果表明,利用多级观测器模型能够有效实现液压伺服系统的自适应故障检测及隔离。     

小波分析在视频检测中的应用

针对复杂背景下机器视觉系统中运动目标的检测,提出一种基于小波分析的运动目标检测方法。首先,利用双Haar小波软阈值法,去除视频图像的噪声。然后,建立了一种基于小波变换的运动目标检测算法,直接在二进小波变换域提取运动区域,从而检测出运动目标。实验结果表明,本文方法可以有效地从图像序列中检测出完整的运动目标,而且在平滑噪声的同时还可以保护图像边缘细节不受损失,效果要好于传统帧差法。     

基于混合滤波器的Canny边缘提取算法改进

在Canny最佳边缘检测算法准则的基础上,提出了用混合滤波器代替高斯滤波器,并通过计算像素四个方向差分替2×2领域内有限差分来确定梯度幅值的方法,提高了Canny算子在提取图像边缘细节和抑制假边缘噪声方面的性能。另外,通过实验验证了该方法具有较高的信噪比和高精度边缘定位,并能达到良好的边缘视觉效果。     

光纤甲烷气体传感器可行性研究

从理论上提出了一种基于比耳-朗伯定律的新型煤矿安全系统瓦斯检测方法．这种方法利用光纤作为探测器件，在甲烷的红外吸收谱线处利用强度吸收法实现对甲烷气体体积分数的检测，并利用差分法实现外界误差的消除，从而达到准确测量的目的．由实验室模拟实验证实这种方法可以大大提高系统的灵敏度．     

用小波变换和神经网络检测心室晚电位

提出了一种基于小波变换和神经网络的晚电位时域检测改进方法 .对矢量幅值波进行连续小波变换 ,然后从矢量幅值波的时频能量分布中提取心室晚电位的 8个特征值 ,送入人工神经网络进行晚电位的自动检测 .实验结果表明 :这种检测方法可有效降低噪声影响 ,提高心室晚电位的检测准确率 .     

色心晶体微弱信号测试抗干扰技术的研究

色心晶体红外荧光信号在检测过程中,尤其检测其变化值会遇到一种十分微弱的光信号。为了将这种微弱光信号从各种干扰噪声中准确地检测记录下来,本文分析了各种干扰的起因,研究了相应的抗干扰技术,并在色心晶体荧光光谱仪组装过程中得到实际应用,提高了整机的信噪比,结果较为满意。     

图象处理在脉冲加热红外热成像定量检测中的应用

在红外热图象的分析研究中,由于噪声和热扩散效应,引起图象模糊和边缘扩散,影响了图象的进一步分析和面积大小的确定．为了改善图象质量,对本实验系统中得到的红外热图象进行了图象平均、中值滤波、二值化和梯度变换等处理．经过处理后的图象特征清楚,定量检测缺陷面积误差一般小于６％．     

基于加速度传感器的心率信号处理及检测方法

为了提高穿戴式设备心率检测的准确性,提出了一种新的基于加速度传感器的光电容积脉冲波(PPG)信号处理方法。从加速度信号中判定是否存在运动伪迹并获取运动伪迹的频率。该方法以均值滤波为基础,去除原始信号中的基线漂移与运动伪迹,重构出理想的PPG波形,准确地检测出每分钟心跳数(BPM)。通过多种运动状态下的实验测试表明:该方法能够有效去除PPG信号中的噪声,提高BPM检测的准确性,可应用到穿戴式设备连续性实时监测。