基于虚拟仪器的发动机故障诊断系统的研究

柴油发动机维修费用很大,对于产生故障的发动机,找出其原因并有效地排除故障具有十分重要的意义.本文主要介绍了柴油发动机的主要故障以及故障树诊断的方法、步骤,再运用故障树分析法对柴油机供油系统故障做出系统全面地分析.在系统的分析之后,用LabVIEW平台模拟柴油发动机故障诊断系统,对模拟故障进行诊断,诊断结果通过人机界面输出,从而实现了故障诊断的智能化.     

基于LMD和SVM算法的模拟电路故障诊断

对模拟故障电路进行特征提取与分类是模拟电路诊断的两个重要环节。现有方法多对时域响应信号进行小波变换以提取故障特征,并用神经网络或支持向量机方法实现对故障进行分类。为提高模拟电路故障诊断率,提出一种局域均值分解(LMD)与SVM相结合的新算法。该算法运用局域均值算法(LMD),将其自适应地分解为一系列单分量调幅-调频信号(PF),通过提取电路正常和故障状态的特征,运用SVM对其分类,获得诊断效率。仿真实验结果表明,该方法对模拟电路的故障诊断精度达到98%以上,适用于模拟电路的故障诊断。     

复杂系统的MAS分布式协作求解研究

在传统故障诊断基础上,将多Agent技术应用于动态、分布、实时和不确定的复杂系统故障诊断领域，是求解复杂过程故障诊断问题的一种新尝试。讨论了基于MAS的分布武智能故障诊断方法和过程。基于一种分布式Agent诊断系统结构原型系统，重点研究了诊断问题的多Agent间的交互、协作以及诊断决策问题，提出了分布式信息交换和分布武诊断的BDI结构的推理机模型，并用CBR技术对其实现了协作求解。应用表明，该系统能快速、准确地进行故障成因分析．取得了与专家相似的诊断结果。     

浅谈模拟电路故障诊断的应用与发展

模拟电路的故障诊断的理论和方案经过多年的发展和应用,已经提出了很多有关模拟电路故障的诊断方法,主要有故障参数识别法、故障字典法和K故障诊断法。由于模拟电路本身的复杂性使得故障诊断技术的发展比较缓慢,研究出一套完善的诊断方法提高电路的可靠性具有十分重要的意义。     

粒子群算法优化特征和神经网络的模拟电路故障诊断

模拟电路受到自身特性和外界环境的影响,故障变化具有非线性、时变性,针对当前模拟电路故障诊断模型的特征和分类器参数不匹配的难题,提出一种粒子群算法选择特征和神经网络的模拟电路故障诊断模型。首先对当前模拟电路故障诊断现状进行分析,指出它们存在的缺陷;然后提取模拟电路故障诊断特征,利用神经网络作为模拟电路故障诊断分类器;最后采用粒子群算法对模拟电路故障特征与神经网络参数进行优化,在Matlab 2012平台进行了仿真实验。结果表明,该模型的模拟电路故障诊断性能要远远优于其他参比模型,具有广泛的应用前景。     

一种模拟电路故障诊断方法研究

将LSSVM算法应用于模拟电路故障诊断模型,使用PSO算法对LSSVM算法的参数进行寻优。以带通滤波器电路和双二次高通滤波器电路的故障诊断实例对该文研究的模拟电路故障诊断方法进行验证。使用三层小波包分解输出电压信号,得到8个频带能量特征向量,通过Monte Carlo仿真得到数据样本,用于故障诊断模型的训练和测试。结果表明,该文使用的改进LSSVM算法构建的故障诊断模型针对8种故障的诊断准确率均高于95%,具有较好的故障诊断性能。     

模拟电路故障诊断的PSpice与Matlab仿真分析研究

根据模拟电路故障诊断中的测前模拟诊断SBT法,本文采用PSpice对待测电路CUT故障进行模拟仿真,通过小波包分析和信息熵方法提取故障电路输出信号的特征向量,利用Matlab设计的神经网络算法构建故障分类器并对电路故障进行识别与诊断。仿真实验结果表明将PSpice与Matlab相结合的诊断方法能够有效地诊断模拟电路故障,为模拟电路故障诊断的教学和科研提供参考。     

模拟电路故障诊断中最优特征提取方法的研究

传统的模拟电路故障诊断方法有很多种,传统方法诊断的成败主要取决于模拟电路故障诊断的优化模型,而且模型一旦确定就无法更改,缺乏诊断的灵活性。本文将主要对模拟电路故障诊断中的最优特征提取方法进行研究。     

一种基于神经网络的模拟电路故障诊断方法

模拟电路故障诊断一直是一项富有挑战性的研究课题。文章在简要介绍BP神经网络基本原理的基础上,以差分放大电路为例,设计并实现了基于BP算法的模拟电路故障诊断方法,建立了模拟电路故障诊断BP神经网络模型。实验表明,该模型的辨识精度高,能实现对模拟电路故障的正确诊断。     

基于FSSA-ELM的模拟电路故障诊断方法

在大规模电路中，模拟电路的故障率高达80%。针对模拟电路故障诊断方法准确率低、耗时长的问题，提出了一种分数阶麻雀搜索算法结合极限学习机(FSSA-ELM)的模拟电路故障诊断方法。利用核主成分分析与局部线性嵌入(KPCA-LLE)联合方式对电路故障数据进行特征提取，通过分数阶与麻雀搜索算法(SSA)相融合，对极限学习机(ELM)的权重和阈值进行寻优，将提取后的特征数据输入到FSSA-ELM模型中进行训练和测试。T型反馈网络反相比例运算电路诊断实例表明，FSSA-ELM的故障诊断用时相较于SSA-ELM缩短了8.91 s,单故障诊断准确率可达97.2%,比SSA-ELM和ELM分别提高了1.9%和2.8%;双故障诊断准确率可达95%,分别提高了0.4%和1.0%。该故障诊断方法准确率高、耗时短，具有较强的模拟电路故障检测能力。     

基于输出频谱和支持向量机的模拟电路故障诊断方法

针对模拟电路的特点和其故障诊断中存在的问题,提出了一种基于输出频谱和支持向量机的新型模拟电路故障诊断方法(FMSVM)。该方法采用多音信号作为模拟电路的激励信号,并用其输出频谱中的有限个频率点的幅值作为故障特征,采用多分类支持向量机(MSVM)进行故障模式判别,实现了模拟电路的故障诊断。实验结果表明,该故障诊断方法具有速度快、准确率高的特点,具有重要的实用价值。     

基于残差神经网络的轴承声发射信号故障智能诊断

近年来,随着人工智能的发展与普及,深度学习算法以其高准确率和鲁棒性成为了目前分类识别技术的热门。传统的轴承故障诊断采用振动信号,对早期故障不敏感。由于传统的人工特征提取方法难以准确的表征滚动轴承状态,深度学习算法便逐渐应用于滚动轴承的故障诊断。因此采用滚动轴承的声发射信号并结合神经网络进行故障检测,以更好的对轴承运行中的早期故障进行识别,为此提出了一种基于一维卷积残差神经网络的轴承故障诊断模型,通过多层卷积叠加以提取出数据中更加关键重要的信息。该模型在诊断中能够自适应的从输入数据中学习出所需要的特征。模型采用categorical crossentropy交叉熵损失函数及Adam优化算法实现滚动轴承的故障诊断。在试验台上模拟了早期轴承内圈、外圈、滚动体、保持架故障等四种故障,并利用模型进行了故障的分析和诊断,研究结果表明文章提出的模型对故障的声发射信号拥有良好的识别能力。     

基于SDG模型的故障诊断技术

本文介绍了基于符号有向图（SignedDirectedGraph）模型的故障诊断技术的原理,包括SDG模型中节点和支路的物理意义,SDG模型的建模方法,推理机制以及利用sDG模型进行故障诊断的步骤。详细阐述了sDG故障诊断技术的发展过程和各阶段的进展。最后,分析TSDG故障诊断的优缺点及其改进方法。     

现代模拟电路故障诊断新方法

介绍了模拟电路故障诊断技术的发展历史及现状，探讨了基于专家系统、神经网络、模糊理论、小波变换等理论的模拟电路故障诊断新理论和新方法。同时，重点介绍上述各种方法的基本原理和优缺点，分析存在的问题，最后指出了模拟电路故障诊断技术的发展趋势。     

铁路信号联锁设备的故障诊断

信号联锁设备的故障诊断对铁路运输行车安全具有很大影响。故障诊断技术的优劣,直接影响信号设备的安全性、可靠性,危及行车安全,甚至导致行车事故。首先介绍了四类联锁设备故障诊断技术：传统故障诊断方法、基于信号处理的方法、基于解析模型的方法和人工智能的方法。其次,给出了故障诊断技术的典型应用,即故障处理流程图法、故障树分析法、故障诊断专家系统以及故障诊断与容错控制等。最后针对联锁设备的特点,提出了诊断领域存在的问题和未来的研究重点。     

基于多智能体系统的故障诊断技术在智能电网中的应用

伴随着智能电网系统的升级换代,电网规模日趋庞大,电网结构愈加复杂,智能电网的故障诊断与继电保护技术越发显得重要。当大规模智能电网系统发生复杂或多重故障时,仅靠单个系统信息和单一诊断手段很难解决故障诊断问题。文中针对大规模智能电网的故障诊断技术,引入了人工智能领域中具有分布式智能特性的多智能体系统模型,通过分模块故障特征信息捕捉机制及区域智能体并行诊断和全局智能体总体诊断的分单元协调诊断机制,在全局信息基础上实现智能电网的故障诊断。仿真测试案例表明,基于多智能体系统的故障诊断技术有效而可靠,并且具有较好的实时监测应用价值。     

基于RS优化的电力变压器故障诊断方法

针对现有的故障诊断技术应用在电力变压器故障诊断中存在的冗余信息过多,诊断结果不准确等问题将粗糙集理论与概率神经网络相结合,先利用粗糙集理论对故障系统前期数据进行最大限度的约简,再经概率神经网络进行故障模式分类,可简化故障诊断网络规模,且相比于单一的概率神经网络的诊断方法,能够更精确地诊断出变压器故障类型,其研究成果在油浸式电力变压器故障诊断方面具有广阔的应用前景。     

模拟电路智能故障诊断系统的设计研究

模拟电子技术作为重要设备、重要技术发挥着重要的作用，其电路集成度日益增高，主要体现在一些电路内部节点存在不可及性。基于神经网络、专家系统以及模糊技术进行有机的结合，将其各自的优势融合在一起，形成优势互补，最终以寻求集成智能为核心的有效的诊断措施，使得模拟电路智能故障诊断系统设计呈现出重要性。文章就模拟电路故障诊断技术的发展现状以及模拟电路智能故障诊断系统的设计进行了深入的分析和探讨。     

模糊神经网络在汽车变速器故障诊断中的应用

本文提出了一种基于模糊神经网络的车辆变速器故障诊断方法,介绍了该方法的原理、结构及其实现算法。将该诊断方法运用到某汽车变速器轴承的故障诊断中,建立了基于模糊神经网络的变速器轴承故障诊断模型。该诊断模型通过模糊神经网络的双向模糊联想,对输入的故障征兆进行模式识别。通过实验表日月,该诊断方法对各种故障模式具有较高的识别率,并具有较强的泛化能力,是一种较好的故障诊断研究方法。     

嵌入式LVQ技术在通信电源故障诊断中的应用

为了能够快速诊断出通信电源故障产生的原因,文章把LVQ神经网络模型和分类诊断理论运用到了通信电源的故障诊断中。文中以多个故障模式为实例,通过运用Matlab仿真技术,验证了此方法的故障诊断的准确性,结果表明基于LVQ神经网络模型的故障分类诊断方法能够为通信电源维护人员和开发人员提供准确的信息,提高了电源系统的鲁棒性和稳定性。