基于﹒NET平台的魔芋专家系统的设计与实现

通过对农业技术应用现状的分析,指出了研制网上魔芋专家系统的必要性以及主要功能。本论文介绍了ASP.NET技术的特点、ADO.NET技术、以及初级魔芋专家系统开发的部分实例。     

一种适合于网络专家系统的通用理论(英文)

描述运用于工业自动化的一种自适应自学习方法。基于此方法,Ａｐｔｒｏｎｉｘ公司开发出一套通用软件工具－ＳＴＩＭＴＭ,并应用于不同工业领域。ＳＴＩＭ可用于构造各类专家系统。基于因素空间理论,ＳＴＩＭ具有一系列独特之处,比如自动化、自学习,以及自翻译。如果与因特网,嵌入式控制器以及可编程逻辑控制器等结合使用,ＳＴＩＭ则成为一个十分有效的工具,可应用于远程连通与控制、模式识别、机器故障诊断,以及自动化加工过程中的传感器数据融合     

基于数学形态学分形理论与PNN的轴承状态监测与故障诊断

针对滚动轴承状态监测实时性差、故障诊断准确率低的问题,提出一种基于改进局部均值分解（ILMD）和数学形态学分形理论的特征提取算法,并结合概率神经网络（PNN）完成对轴承状态的智能化识别分类.该算法首先通过ILMD分解轴承原始振动信号,选取相关性系数最大的两阶分量,求取其分形维数作为特征向量;其次,结合盒维数理论,将“形态学覆盖面积”作为第三维特征向量,同时构建起三维特征矩阵;最后将特征矩阵输入PNN以完成状态的识别分类.使用西储大学实测轴承数据验证算法,结果表明,该算法不仅能够精确识别不同状态的轴承,还能有效分类同种故障下不同损伤程度的轴承状态,平均识别率超过99.6%,平均识别时间0.21s.     

基于FrFT滤波和LMS降噪的变转速滚动轴承故障诊断

变速工况下的机械故障诊断逐渐成为旋转机械监控领域的一个热门课题,在变转速下故障更容易发生且伴随更大的噪声,而相应的降噪问题目前却没有可靠的解决方法。因此提出一种基于分数阶傅里叶变换（FrFT）滤波和最小均方算法（LMS）降噪的故障诊断方法,对变转速工况下轴承振动信号进行降噪,进而提取非平稳故障特征。首先,同时获得滚动轴承振动加速度信号和转速信号;然后对Hilbert解调后的振动信号进行峰值搜索FrFT,按照搜索得到的最佳阶次和分数阶域聚集位置进行FrFT滤波;再将FrFT滤波得到的信号作为参考信号,原包络信号作为输入信号,进行LMS自适应降噪;最后对降噪后的信号按照转速重采样进行阶次分析,将包络阶次谱中的突出特征与故障特征阶次对比,判断故障。该方法可成功应用于变转速工况下滚动轴承的试验数据处理,证明了方法的有效性。     

基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法

针对柴油机缸盖振动信号非线性、非平稳的特点,以及传统故障诊断方法需要先验知识且特征提取费时费力的缺点,提出了一种基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法。首先通过复Morlet小波将柴油机缸盖振动信号转换为时频图,该变换包含了信号的时频域信息,比单一的时域或频域信号更适合分析柴油机缸盖振动这种非平稳信号;其次将时频图输入至AlexNet神经网络进行特征自动提取并建立故障诊断模型,解决了传统手工提取特征费时费力且需要专家经验的问题;然后通过Batch Normalization和Dropout技术改进网络结构,并优化神经网络超参数以提高模型的准确度和计算效率;最后将本文方法与传统的故障诊断方法应用于柴油机气门间隙异常故障诊断并进行对比,发现其诊断准确率最高,验证了所提方法的优越性。     

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...     

均匀阻尼电力大系统的暂态稳定性分析

应用标量李雅普诺夫函数分解法研究均匀阻尼ｎ机电力大系统的稳定性,通过选取适当的线性系统作为孤立子系统,并选择简洁的李雅普诺夫函数分析电力大系统的稳定性,给出其渐近稳定性区域的估计式。最后以一个三机系统为例,说明本文采用方法的有效性和简便性。     

流程工业中模糊控制和故障诊断的建模及网络综合集成

研究流程工业中模糊控制和故障诊断的建模和网络综合集成．通过局域网集成系统实现各控制单元传感数据的共享以及流程生产过程的监控和报警,从而提高了制造系统的效率．提出了基于人工神经网和遗传算法的模糊控制建模方法,以及基于综合模型（人工神经网、案例、规则、对象模型）的故障诊断的建模和推理．     

基于节约覆盖集理论的电力变压器绝缘故障诊断模型

介绍了一种在节约覆盖集理论框架上集成概率推理的诊断模型,并在此基础上建立了用于电力设备绝缘故障诊断实用模型。该模型有利于对电力设备在多因素、多征兆,强干扰条件的绝缘故障进行诊断推理。由于该模型是以统计数据为依托,并在推理过程中考虑到征兆的不完备性,因此,具有较高的诊断可靠性和实用性。     

基于多神经网络的分布式变电站故障诊断系统的研究

提出一种基于多神经网络的分布式变电站故障诊断系统的结构和构建方法, 它具有开发耗用低、易于维护、可在线诊断等特点, 并能有效的克服单个神经网络因结构复杂而产生的学习速度慢, 难以收敛等缺点