红外诊断技术在变电站设备运行维护中的应用

该文介绍了变电设备红外诊断技术的原理、特点和方法,并通过一起应用红外诊断技术发现220kV线路阻波器重大缺陷的实例,分析了红外成像诊断技术在变电站设备运行维护方面所发挥的作用。     

基于遗传算法的肝病诊断学习系统

提出一种用遗传算法来构造肝病诊断学习系统的方法,其中引入了肝病领域专家对规则打分的适应度评估机制,通过选择、交叉和交异等遗传操作使知识集得到不断地精炼,最后,用这种方法对模拟的专家知识进行学习,实验结果表明。该方法能使系统比较有效地学习专家知识。     

浅谈常用工程机械液压系统的故障诊断及维修保养要点

分析了工程机械液压系统常见故障,并提出故障诊断方法、维修保养要点.     

基于结构响应的损伤诊断方法及其应用

为适应在线结构健康监测的要求,基于统计模式识别技术提出了一种新的结构损伤诊断方法.采集结构在健康和损伤两类工况下的动力响应数据,并对数据样本分段建立ARMA模型,对模型中的AR参数进行特征提取,获得主成分矩阵.计算健康、损伤状态主成分矩阵间的Mahalanobis距离.分析结果发现,损伤前后两状态Mahalanobis距离存在差异,因而提出以该距离的平方值作为损伤敏感特征DSPR,并建立基于假设检验t检验的方法辨识结构的状态.以环境激励下IASC-ASCE Benchmark结构的损伤试验为例,运用该方法进行了损伤诊断研究.试验表明,损伤敏感指标DSPR可有效辨识结构的健康与损伤状态,具备在线实时损伤诊断的应用价值.     

智能化监测诊断技术中的故障模式识别方法

在简要介绍以模式识别方法为前提的设备状态监测与故障诊断技术的基础上,详细论述了时间序列法的基本原理以及在设备故障诊断专家系统中的应用,对时间序列法在系统应用过程中的几个数学问题,结合实际,进行了认真探索.通过对时间序列法AR模型的研究,旨在铺平企业设备智能化监测诊断控制技术的应用之路.     

基于PSO的支持向量机多元控制图均值偏移诊断模型

为了诊断多元控制图发出的报警信号是由哪一个或者哪些变量组合发生均值偏移引起的,提出了基于粒子群优化（PSO）算法的支持向量机（SVM）多元控制图均值偏移诊断模型．模型中使用丁。控制图对多元过程进行控制,在假设过程方差．协方差矩阵保持不变的前提下,根据不同的均值偏移模式,产生SVM训练数据集和测试数据集,用Ps0对SVM的参数进行优化,最终得到优化的SVM模型．结果表明,基于粒子群优化算法的支持向量机模型（SVM．PSO）比基于SVM和基于神经网络（ANN）模型的分类能力更强,分类准确率超过85％．     

基于注入法的配电网接地故障检测方法

外加诊断信号法检测中低压配电网单相接地故障是一种行之有效的故障选线和定位方法。本文分析了外加诊断信号检测中低压配电网单相接地故障的基本原理，对外加诊断信号源的技术要求及其加入故障系统的方法作了探讨，介绍了诊断信号的探测方法，从受过渡电阻和分布电容的影响方面分析了外加信号法的性能。     

基于代价敏感SVM优化组合算法的微钙化簇识别

微钙化簇是乳腺癌一个重要的早期发现,现有的检测技术为了达到高敏感性要求,产生很多假阳性数据.根据微钙化簇特点,提出一种整体和局部相组合的分类识别策略,并根据真假阳性样本错分代价的不同,使用代价敏感SVM方法进行分类学习.在构造分类器模型过程中利用粒子群进行分类器的参数优化及特征集合的选择,以提升分类学习的泛化能力.该算法在保证高敏感性的同时,降低了过多的假阳性数据,并删除了冗余和不相关的特征.实验结果表明,基于粒子群优化的代价敏感SVM组合分类算法提高了传统方法的识别能力.     

贝叶斯诊断网络平台的开发与实现

针对贝叶斯诊断网络在实际应用时需要对具体对象建立相应诊断网络的问题,开发了一个贝叶斯诊断网络平台.重点讨论了网络的数字化、网络拓扑顺序的确定和赌轮选择等平台实现的3个关键问题.采用数字形式来描述网络的拓扑模型,刻画了网络的全部信息.节点间的关系则用关系矩阵简洁、直观地予以表达,并据此确定网络的拓扑顺序.利用赌轮的选择功能,实现了网络节点状态的实例化.该平台简单易用,为网络的建立和推理提供了一个有效、便利、通用的运行环境.利用该平台为天津石化炼油厂的一台烟机建立了贝叶斯诊断网络,实例表明,该平台能够用于贝叶斯诊断网络的构建和推理,也为贝叶斯诊断网络的工程应用提供了一个有力的工具.     

基于贝叶斯网络的钻井作业现场风险评估

针对高投入、高风险和不确定性的钻井作业现场,展开了安全评价研究。提出了一种基于贝叶斯网络定量评
价钻井作业现场风险、寻找风险源的方法。通过分析历史数据与借助专家经验识别不安全因素,将影响钻井作业现场
安全性的32 个因素分为“人的不安全行为”和“物的不安全状态”,同时构建了钻井作业现场安全性的贝叶斯网络拓
扑结构,并进行了概率推理向前预测和向后诊断,定量评估了钻井作业现场安全性,找出了影响最突出的不安全因素。
将其应用于龙岗气田L 井钻井作业现场,得出人为的不安全行为和物的不安全状态概率分别为0.108 和0.165,整个L
井作业现场不安全概率为0.137,并诊断出过程监控缺陷、安全防护设施缺失、作业导致隐患、井控设备缺陷、生产管
理缺陷不安全因素最突出,与现场实际情况一致。该评价方法为现场安全作业提供较为准确的诊断依据。