系统故障检测与诊断技术的研究动态

阐述了系统故障检测与诊断技术的研究现状,指出了各种检测与诊断方法中存在的主要问题和发展方向。     

基于主元分析及粗糙集的多变量决策树构造方法

为解决故障诊断中单一方法难于处理大规模、多变量数据信息的问题,提出了一种利用主元分析方法和粗糙集理论相结合的多变量决策树构造方法.该方法利用主元分析对历史数据进行降维、去噪处理,得到由主元变量组成的决策信息.通过粗糙集理论中核属性和相对泛化的概念对此决策信息进行属性选择和样本集划分,构造出多变量决策树,并建立诊断规则知识库.基于汽轮机发电机组的轴系振动故障分析的实例验证了此方法的正确性,与其他方法相比较具有规模小、诊断规则易于提取的特点.     

齿轮早期故障的间歇混沌诊断方法

研究了小信号摄动的Ｈｏｌｍｅｓ型Ｄｕｆｆｉｎｇ振子的混沌及间歇混沌运动，发现策动力与摄动信号间的微小频差是振子产生间歇混沌的原因，得出了振相变对小信号敏感以及频差较大的周期干扰信号和噪声具有免疫力的结论，通过识别振子的间歇混沌运动可对齿轮单齿缺陷故障进行诊断。     

基于支持向量机和多Agent融合的智能故障诊断系统研究

提出一种基于支持向量机分类和多Agent的分布式智能诊断结构模型,该模型将慎思Agent和反应Agent结合起来,构造了混合结构的诊断维护Agent,同时运用支持向量机理论进行故障分类,充分发挥各自的优势,提高了故障诊断的智能性、快速性和准确性.     

冷连轧机负荷分配优化研究进展

轧制负荷分配优化可以使板带材产量最大化，能耗最小化，有效提高设备利用率和带钢成材率。本文从负荷分配的约束条件、优化目标及优化方法等方面论述了目前国内外理论研究及工程实践的进展；详细介绍了较实用的基于轧制工艺的迭代方法，并介绍了案例推理、粒子群等新兴的理论在冷连轧机负荷分配中的应用。最后指出以板形板厚综合指标为目标函数，以人工智能为寻优方法是冷连轧机轧制负荷分配优化的发展方向a     

改进的量子遗传算法在冷连轧机负荷分配中的应用研究

量子遗传算法可以克服常规遗传算法迭代次数多、易陷入局部极值的缺点,本文研究并改进了量子遗传算法的量子门旋转角度更新策略,提高了量子遗传算法的性能.应用标准函数测试表明,改进后的量子遗传算法收敛速度快,全局寻优能力更强.将改进的量子遗传算法应用于冷连轧机的负荷分配优化过程,根据Bland-Ford轧制理论以功率和轧制力均衡分配为目标建立综合目标函数,试验数据对比证明,量子遗传算法优化所得的轧制参数比经验分配和常规遗传算法优化所得结果更为合理,符合轧制工艺要求.因此,利用量子遗传算法对冷连轧机进行负荷分配优化是一种有效可行的新方法.     

图像平滑的快速算法

根据权矩阵的结构特点，提出了矩形窗口加权平滑的快速算法，充分利用相邻窗口相同运算的中间结果，显著减少了窗口运算的乘法和加法次数．提出了中值滤波的快速算法，利用已滤波的上一窗口和左一窗口的排序信息，缩短了排序过程，大幅度地减少了比较运算次数．     

一种基于正交小波包分析的混沌识别方法

以Duffing方程系统为例阐述了混沌运动的特征，比较了正交多分辨分析和正交小波包分析的频带分割能力和频率分辨率，提出了一种基于正交小波包分析的混沌识别方法。利用各子带功率在信号总功率中的分布状况，有效地识别出周期运动、混沌运动与随机运动，提取了混沌运动的特征频率。     

阴性选择算法在工业控制系统故障诊断中的应用

受生物免疫系统的启发,把免疫原理应用到故障诊断领域.分析了现有阴性选择算法在故障诊断应用中的不足之处,提出了改进后的阴性选择算法.介绍了田纳西-伊斯曼(TEP)过程仿真系统,用改进后的阴性选择算法对该系统的21种故障样本进行仿真试验,各故障的平均检出率达到85%以上,验证了此算法在工业控制系统故障诊断中的有效性.     

FFT算法中求P值的一般方法

本文在文献[1]的基础上,对另外三种基2FFT算法的P值(P为蝶形运算表达式中旋转因子的指数)表达式做了推导,提出了求P值的方法。给出了用软件实现这三种算法的程序框图。