汽轮机故障诊断中的信息熵融合

在汽轮机轴系振动故障模拟试验的基础上,对大量故障模拟试验数据进行计算,建立了典型故障的4种信息熵样本.采用概率神经网络对故障信号的4种信息熵特征进行融合研究,并将融合结果与最小距离分类器的分类效果进行了对照分析.研究表明,概率神经网络可实现对训练样本100%的正确识别率,对"陌生"样本的正确识别率也超过80%,其识别效果远远超过最小距离分类器.可见,概率神经网络综合了贝叶斯分类器和神经网络的优势,在汽轮机故障模式分类方面具有明显的优势,利用概率神经网络融合信号的信息熵特征实现汽轮机轴系故障模式识别是一种可行有效的方法.     

水轮发电机组故障诊断模糊专家系统研究

针对水轮发电机组故障原因与症兆之间的复杂关系,充分利用综合监测数据和领域专家的经验知识,采用数据驱动和基于知识的目标驱动控制的正反向推理方法进行诊断.研究了基于数据库管理系统的模糊知识库设计,为知识库的建立、维护、扩充和完善提供了一种实用方法.研究了模糊推理算法,以加权模糊推理进行多种信息的融合,解决了故障诊断中不确定性问题的求解.建立了水轮发电机组故障诊断模糊专家系统.诊断实例结果表明,该系统推理效率高,可信度好,满足了水轮机组故障诊断的有效性和实用性要求.     

基于混合模型的多重故障诊断

介绍了基于模型的多重故障诊断，它可通过ＡＴＭＳ来实现，能克服基于规则的诊断系统的一些局限性，但当运行模型和故障模型同时被运用或者等级模型被运用时，普通ＡＴＭＳ不能处理这种情况．本文应用分层ＡＴＭＳ来实现基于混合模型的故障诊断方法，同时给出广义最小诊断的定义，从而克服关于最小诊断定义中的不足．由于分层ＡＴＭＳ能表示和处理论据之间的优先级，因而能运用混合模型，能结合基于模型和基于规则的诊断，及提高诊断效率．     

大功率高压输入的IGBT高频直-直变换器

在高频高压输入的情况下,开关器件绝缘门极双极晶体管（ＩＧＢＴ）的耐压不能满足要求．文中论述了一种逆变单元串联的结构,它将输入的高电压分成几部分,每一部分有一个ＤＣＡＣ逆变器．此时,ＩＧＢＴ的工作电压等于各部分电压．为了提高输出功率,输出整流二极管通常并联连接,变压器的副边漏电感作为二极管的均流电感．并分析了高压输入的大功率ＤＣＤＣ逆变器的工作情况,同时给出了模拟结果和实验结果．     

分层结构故障诊断中具有容错特性的聚类算法

分层结构方法是目前在复杂系统故障诊断中常用的方法．但由于电路系统中元器件的容错性问题,如直接采用一般的聚类方法,效果并不理想．因此,在构造加性模糊聚类模型的基础上,提出了一种适合电路容错特性的模糊聚类模型匹配算法．将各故障在特征空间中的容错区间作为集合,用Ｈａｕｓｄｏｒｆ距离测定集合间的相似程度来决定类别．文中用一个实用电路作为例子,采用本算法对故障集进行了聚类分析,并与模糊Ｃ－划分法进行了对比分析．结果表明,该算法是有效的．     

故障诊断专家系统知识获取的变精度粗集方法

针对故障诊断专家系统知识获取的问题，利用变精度粗集(VPRS)理论模型进行知识简化，并采用正则条件熵和互信息熵对故障特征的选择进行评价，实现最简诊断知识的提取，以建立专家系统知识库。对滚动轴承故障诊断的实验表明，该方法有效地弥补了传统故障诊断专家系统知识获取的不足，可正确地实现故障诊断功能，在实际系统的故障诊断中具有应用价值。     

FCM属性约简方法在汽轮机故障诊断中的应用

文章通过汽轮机故障样本数据的空间分布状态分析,基于模糊c均值(FCM)聚类方法实现故障征兆参数属性的离散化处理;采用粗糙集(RS)属性约简方法对原始特征向量进行优化,去除冗余特征,提取特征向量的本质信息;基于约简后的特征向量建立支持向量机(SVM)故障诊断模型.实验结果表明,该文所提出的方法不仅可以提高故障诊断的准确性...     

基于并行感知器的制冷系统故障诊断分析

选择热力参数集组成反映制冷系统故障状态的特征向量,提出一种并行感知器神经网络,通过模式分类来尝试联系系统故障状态与热力参数特征向量之间的映射关系.对故障模拟实验结果的应用表明,基于并行感知器网络的诊断方法可行且有效,为开发以人工神经网络为框架的制冷系统故障诊断系统提供了研究基础.     

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EEMD-Renyi熵和PCA-PNN的滚动轴承故障诊断

针对滚动轴承故障特征提取与状态监测问题,提出一种基于集合经验模式分解(EEMD)、Renyi熵、主元分析(PCA)和概率神经网络(PNN)的新方法.首先,将轴承振动信号通过EEMD分解成一组本征模态函数(IMF),计算每个IMF分量的Renyi熵值作为表征故障特征的向量,采用主元分析(PCA)对特征降维,提取主元输入概...