基于层次分析的变压器故障诊断决策支持系统

阐述了一套基于层次分析方法的变压器油色谱故障诊断决策支持系统,故障诊断模块使用改良电协研法、灰色关联熵、模糊聚类、人工神经网络等单项分析,弥补了现有诊断方法中的不足.针对每种诊断方法可能出现结论不一致的情况,系统综合分析方法采用层次分析的方法来实现,能对变压器色谱数据进行故障诊断,给出综合分析结论及建议.通过对平顶山电网中的色谱数据进行诊断及其他应用实例,验证了系统的有效性.     

模糊灰色综合评价方法的构建及应用

目的将灰色理论与模糊评价结合起来,建立一种基于模糊灰色的综合评价方法,对工程结构进行更加准确、有效的安全评价.方法利用灰色关联分析确定影响因素的权重系数;根据基于三角白化权函数的灰色评估,建立白化权函数;利用灰色聚类理论得到综合聚类系数矩阵,从而构造出模糊隶属度矩阵,再利用模糊算法评估结构安全;通过实例对方法进行证明.结果针对工程结构安全评价中专家评判信息的模糊与灰性,将灰色理论与模糊评价方法相结合,建立一种基于模糊灰色的综合评价方法.结论运用模糊灰色评估方法对工程结构安全风险进行评价是可行的.     

基于FCM-LLE的模拟电路故障诊断

针对模拟电路的故障数据具有多源异构、维度高、数据量大且传递关系复杂等特点,本文提出了一种基于模糊C均值聚类-局部线性嵌入(FCM-LLE)的模拟电路故障诊断算法,使用局部线性嵌入法对特征数据进行降维,利用模糊C均值聚类方法进行故障分类诊断,并根据诊断情况进行多轮诊断以提升诊断率.仿真结果表明该方法对较复杂的模拟电路进行故障诊断,且具有较高的诊断率.     

基于模糊聚类的谷氨酸发酵过程故障诊断研究

结合谷氨酸发酵过程,给出模糊聚类故障诊断的方法和步骤,在获取与掌握先验知识后,找到故障数据的聚类中心,运用对比方法预判故障发生的先兆,达到故障诊断的目标.以谷氨酸发酵过程生产故障为例,仿真结果表明模糊聚类的中心值随故障类别不同而不同,初步实现利用模糊聚类方法对样本数据的多级故障诊断,诊断结果与实际情况相符.     

油料装备故障智能诊断平台研究

为了解决油料装备故障智能诊断问题,构建由平台支持层、技术支持层、数据层和应用层组成的故障智能诊断平台.应用模糊神经网络、专家系统、微粒群优化算法和证据理论作为智能融合工具,对检测数据实现数据级、特征级和决策级三级数据融合,借助数据间互补信息,降低检测数据误差,消除冗余信息.建立基于案例推理CBR和规则推理RBR的故障诊断集成推理机.将最近邻方法与灰色关联理论相结合,提出分层检索匹配算法.     

基于改进模糊聚类迭代的边坡稳定性评价方法

针对影响土质边坡稳定性因素的模糊性、复杂性、和随机性问题.通过将灰色关联分析理论与模糊聚类迭代模型相结合,得到改进的模糊聚类迭代模型,提出了一种新的边坡稳定性评价方法,并结合工程实例实现了稳定性的评价.相比于以往的研究,该模型将影响边坡稳定性的内外因素确定为六个主要因素,并用灰色关联理论得到各影响因素的权重,这样避免了传统模糊聚类模型人为的主观性带来的误差,提高了模型评价精度.为验证该方法的合理性,运用该方法计算的结果与BP神经网络预测的结果以及边坡实际情况进行对比验证,得到了较为一致的结果,表明该方法可以用于边坡的稳定性评价.     

机械装备磨损金属元素光谱油料分析故障诊断研究

通过光谱油料分析，研究了机械装备磨损金属元素界限值的制定方法．为了识别故障有无、故障部位、故障类型和故障程度，应用数学诊断原理，研究了判别分析法、模糊聚类法和灰色模型预测法．文中以ＮＤＳ柴油机为应用对象，简要介绍了作者开发的ＯＡＦＩＢ故障诊断专家系统．     

液压系统故障诊断的灰色理论方法探讨

从液压系统及其故障的特殊性出发,提出液压系统是个灰色系统、液压系统故障具有灰色性质,从而为灰色系统理论应用于液压系统的故障诊断提供了前提。鉴于液压系统的状态特征参数存在三种不同模式,针对运用灰色关联方法进行液压系统故障诊断时所面临的问题提出了解决办法,并在齿轮泵故障诊断实验研究中得到了验证。结果表明,在信息量不多的情况下,灰色关联分析方法是液压系统状态识别与故障诊断的一个有效工具。     

基于因子分析和灰色关联度分析法的变压器故障诊断

变压器油中溶解气体分析是目前有效的变压器状态诊断方法,应用灰色关联度算法处理变压器油色谱数据时,变压器故障标准模式的选取直接影响诊断结果.采用因子分析方法对大量确诊故障的油色谱数据进行分析计算,将变压器故障分为高温过热、高能放电等11类故障,并通过计算其标准差、方差以及M估计值,确定表征变压器各类故障的标准模式,该标准模式充分考虑了检测数据的分散性,减小了各类故障数据间的相关信息,使诊断具有更高的分辨率.结合灰色关联度分析法进行变压器故障诊断实例分析,结果表明该方法的诊断准确率高于传统的灰色关联度诊断法.     

基于模糊神经网络火控故障诊断系统研究

针对火控系统实时故障检测与诊断难题,对火控故障诊断系统的功能结构和故障特征进行分析研究.系统将状态监控、故障诊断、诊断意见集成为一体,采用分布式主从结构,提高了系统的可靠性和适应性.诊断算法以故障征兆特征与故障原因构成故障样本,在特定故障发生时其故障征兆就会呈现,通过神经网络训练提高了故障识别的准确性;选择蕴含算子并计算了故障信息模糊隶属度矩阵,分级进程推理完成故障识别和故障源的判定以提高诊断速度.通过实验证明了算法的有效性.