基于粗集理论的高精度伺服仿真转台故障诊断研究

介绍了粗集理论基本原理，详述了某型高精度伺服仿真转台机电控制系统的实现方案。将粗集理论应用于该仿真转台的故障诊断，提出的策略以决策表为主要工具，直接从故障样本集中导出诊断规则，并揭示了仿真转台故障信息内在冗余性。实际应用表明了用粗集理论对高精度伺服仿真转台进行故障诊断的有效性和可靠性。在该高精度伺服仿真转台上已完成多项含实物实时仿真综合试验任务。     

基于粗集理论的模糊神经网络建模方法研究

智能控制研究发展到了模糊神经网络阶段,其中5层模糊神经网络结构的物理含义清晰,而Max-Min模糊神经网络反应快,实时性强。在分析两者优缺点的基础上,提出了基于粗糙集构建模糊神经网络的方法,并通过比较3种方法对同一个事例的建模,说明了基于粗糙集方法的优点。     

基于小波包与粗集的往复压缩机故障诊断方法

提出了基于小波包与粗集的往复压缩机故障诊断的新方法。该方法使故障特征提取及规则的提取都由计算机自动完成，经诊断实例表明，使用该方法可对往复压缩机进行有效的故障诊断。     

基于神经网络的大型风机智能故障诊断系统的研究

介绍了BP网络的基本原理,研究了基于神经网络的故障诊断方法,建立了风机常见故障模式样本。由此研制了一套基于BP网络的风机智能故障诊断系统,将其应用于某大型烧结风机的故障诊断中,结果表明:该系统诊断结果准确可靠,且具有较强的鲁棒性。     

基于粗集故障诊断系统中VB调用MATLAB程序的实现

VB应用程序是一种可视化的编程技术,并且与用户的交互性强,MATLAB具有强大的数值计算分析功能、数据输入与数据输出灵活的特点.设计实现了基于粗集的故障诊断系统,介绍实现了运用VB应用程序调用MATLAB编写的故障诊断程序进行混合编程的详细步骤.     

基于粗集理论的往复泵泵阀故障诊断方法

提出了一种基于粗集理论的往复泵泵阀故障诊断方法。该方法可以直接从经过小波包处理的泵阀振动信号中提取故障诊断观测，并由此建立基于规则的泵阀故障诊断系统，该系统不仅可以对发生故障的单个泵阀进行诊断，而且还能对同时发生故障的多个泵阀进行诊断，试验结果表明了这种方法的有效性。这种方法的可行性也为其它复杂机械的故障诊断提供了新思路。     

基于粗集约简预处理的模拟电路故障诊断

基于人工神经网络的智能故障诊断系统作为人工智能技术在模拟电路故障诊断领域的应用,在实践中取得了一定的成效。但将神经网络用于电路故障诊断时,知识具有隐含性,可解释性差,且对输入数据的冗余难以约简,获得每一个训练样本都要进行一次测试或模拟计算,样本花费代价很大,而粗糙集理论作为处理不确定、不完整、不精确知识的有力工具,具有强大的知识约简和定性分析能力。因此,该文提出了对模拟电路的故障特征进行粗集约简预处理研究的智能诊断方法。并举例说明诊断系统的具体实现方法,仿真结果表明:在相同的精度要求下,该算法的训练时间远小于普通的进化神经网络,对模拟电路的故障诊断有一定的实际意义。     

基于自动测试的智能故障诊断系统研究

从自动测试系统对获取被测设备状态信息的通用性和快速准确性出发,设计出一套集神经网络、模糊逻辑、故障树为一体的智能故障诊断系统。此系统根据已知的测试数据,利用数据库中的预存参数和工作历史数据,采用不同的诊断策略,使故障诊断从宏观和微观两个方向着手,互为补充,确保故障诊断全面性和故障定位准确性,提高故障检出率和故障隔离率,减少故障虚警率。     

基于智能代理者和神经网络的数字电路故障诊断

介绍了一种对板级数字电路多个故障同时进行智能诊断的新方法.该法融合了智能代理和神经网络两种技术的优点,前者是根据专家经验,通过对电路板自动测试的结果进行分析实现电路故障的快速定位,而后者则利用被测电路所对应的约束电路神经网络模型快速实现故障的完备测试集.该法在板级数字电路的多故障并行诊断方面具有较高的智能性和实用性.     

基于概率粗集理论的故障诊断知识提取方法

结合工程设备系统故障发生具有随机性的特点 ,基于概率粗集 (PRS)理论模型实现了故障诊断知识的提取。通过改进的模糊 C-均值聚类算法对原始故障数据加以量化 ,采用正则条件熵进行诊断知识系统的统计约简 ,对不协调的诊断规则利用最小风险 Bayes决策理论加以分析处理。仿真实验表明 ,该方法弥补了现有方法的不足 ,克服了基本 RS模型方法无法处理不协调规则的缺点 ,可得到有效的简化诊断知识     

基于粗糙集-神经网络系统的轴承故障诊断

针对神经网络在故障诊断中存在着输入属性维数多和数据量庞大的缺点,利用粗糙集理论对原始数据进行约简,并剔除其中不必要的属性,构建了优化的粗糙集-神经网络系统.实例分析表明,使用该系统能够减少故障诊断的时间.     

基于广义粗糙集与神经网络集成的旋转机械故障诊断研究

故障诊断规则中判断条件的冗余、不完全和不确定性不利于实际应用。采用广义粗糙集理论对旋转机械振动故障诊断的非完备决策系统进行了约简 ,得到了更为简明的最优诊断规则 ;根据约简结果 ,建立了基于神经网络的故障诊断系统 ;网络的训练对比结果表明 ,基于粗糙集理论的约简处理简化了神经网络结构 ,提高了网络的训练效率 ;以诊断实例验证了广义粗糙集理论与神经网络集成进行故障诊断的可行性     

概率粗糙集模型的机械故障诊断研究

故障诊断中故障产生的机理比较多,故障的表现形式不唯一,实际应用时得不到理想的诊断结果。概率粗糙集模型能充分利用近似边界区域提供的统计信息,并能对给定概念一个更完整的刻画,因而可以提取带有确定性因子的决策规则。旋转机械振动故障诊断实例验证了统计概率和粗糙集理论相结合进行故障诊断的可行性。     

基于粗糙集理论的柴油机异响故障诊断研究

针对工程装备柴油机工况复杂、故障诊断特性参数多、故障诊断模糊性强的特点,提出应用阶比分析方法消除与振动信号无关的噪声干扰,然后利用粗糙集理论对故障诊断决策表进行约简,获得最优决策系统,形成了柴油机故障诊断规则,有效提高了柴油机故障诊断的精度和效率。     

基于粗糙集－集成神经网络的航空发动机磨损故障诊断方法

将粗糙集理论和神经网络相结合并应用到航空发动机磨损故障诊断中,依据属性的重要性和决策表的相容性,用自组织神经网络完成连续数据离散处理这一关键环节,采用粗糙集理论对征兆信息进行属性约简,获取征兆的主要特征,为神经网络结构简化和子神经网络的构成等奠定了基础,通过基于D-S证据理论的方法得到最终的融合结果。将该方法用于某型航空发动机的磨损故障诊断专家系统中,实验证明了该方法的有效性。     

MMAS与粗糙集在轴承复合故障诊断中的应用

在分析振动加速度信号的基础上,提出了新的粗糙集属性约简算法,并应用于轴承复合故障诊断.将最大一最小蚂蚁系统(max-min ant system,简称MMAS)引入条件属性约简中,以最坏Fisher准则函数作为启发式信息以提高搜索效率,综合考虑分类正确率和条件属性个数两方面因素,利用粗糙集理论约简故障诊断决策表,有效地提高了轴承故障诊断的效率.     

变精度粗糙集在齿轮故障诊断中的应用

在二级齿轮箱的变负载过程中,为了有效地处理非平稳信号,采用小波包提取特征参量(条件属性值);为了有效地处理带噪声的数据,将变精度粗糙集理论引入到齿轮的故障诊断中,提出了一种条件属性约简方法.首先对连续属性进行离散化;然后定义集合M,根据实际情况,选取不同的正确分类率β,利用变精度粗糙集的近似分类质量进行条件属性约简,并与加入噪声数据后所得的约简结果进行了对比;最后通过齿轮故障实例验证了此方法的有效性和实用性.     

基于粗糙集与支持向量机的电动机转子断条故障诊断

提出了一种基于粗糙集与支持向量机的电动机转子断条故障诊断方法。首先将电动机在不同故障状态下的振动信号离散化,再应用粗糙集软件rosetta对数据进行进一步的约简,得到约简后的数据应用于支持向量机的训练从而得到基于支持向量机的多分类器。实验证明:该方法检测电动机的转子断条故障是可行的。     

基于粗糙集神经网络的非线性系统动态参数预测

为建立非线性系统辨识和预测模型,利用粗糙集和人工神经网络方法进行动态参数预测.考虑非线性系统中影响因子之间的高度非线性和不确定性,结合粗糙集和人工神经网络的优点,提出了一种动态参数预测的新方法.该方法充分考虑了学习样本的数据特性,简化了决策规则从而降低了网络拓扑结构规模,计算速度快,容错能力强,误差小,精度高.计算结果表明,该方法用于非线性系统动态参数分析是有效可行的.     

基于阶次小波包与粗糙集的轴承复合故障诊断

针对齿轮箱启动过程中振动信号表现为非平稳非高斯特征,传统诊断方法诊断精度不高的现状,将阶次小波包和粗糙集理论引入到轴承的复合故障诊断中,利用计算阶次跟踪算法对瞬态振动信号进行重采样,采用小波包对该信号分解-重构,并对每个频段的能量进行归一化,构成一个特征向量,通过粗糙集理论得到清晰、简明的决策规则.并通过复合故障实例验证了此方法的有效性.