基于灰色关联理论非开挖机器人气动冲击机构故障诊断方法的研究

在传统振动诊断技术的基础上,结合灰色系统理论,提出了非开挖机器人气动冲击机构灰色故障诊断系统,并运用灰色关联度对样本进行聚类分析,实现对设备运行状况的监测与诊断.实例表明该方法简单实用,具有一定的工程应用价值.     

液压故障智能诊断逻辑方法的研究

在智能诊断系统中，液压故障诊断的基本逻辑推理方法是化整为零，层层深入，聚零为整，综合评判，由此及彼，触类旁通，抓住关键，顺藤摸瓜等，分析与综合相结合，定性分析与定量分析相结合，机理分析与逻辑分析相结合，假设与验证相结合等是故障诊断的基本原则。     

设备故障的二级模糊综合诊断方法的研究

在设备故障诊断中,由于故障原因繁多且相互交织和影响,导致设备故障具有一定的模糊性。本文将模糊理论引入设备故障的诊断过程中,针对每种故障原因,建立一个故障原因两两比较模糊矩阵,通过故障原因两两比较模糊矩阵,确定故障症状对故障原因的隶属度,从而建立了模糊诊断矩阵,在模糊综合诊断过程中,由于模糊算子对信息的取舍均带有一定的倾向性,为抑制其偏激,我们首先分别采用5种模糊算子进行综合诊断,然后根据诊断的结果,将可信度较高的3种模糊算子诊断的结果加权平均,作为最终诊断结果,以提高诊断结果的可靠性。最后,通过实例演示了故障的诊断过程。     

数控机床典型故障的粗糙集诊断方法

将粗订合论与数控机床故障诊断经验法相结合,提出了有别于现有故障诊断的粗糙集诊断法RSD。此法可将一组诊断规则中的冗余规则剔除,大大简化了现场故障诊断的过程。RSD应用于经济型数控车床典型故障诊断结果表明,该法实用且高效。     

液压故障模糊神经网络诊断方法探讨

本文提出了一种新的液压故障模糊神经网络诊断方法,即从症状和故障源两个方面对故障进行诊断,再综合两个诊断结论,此方法具有学习机能,且能显示知识结构。     

设备故障诊断方法

对设备故障诊断方法进行分类,并对目前一些常用的设备故障诊断方法进行综述。     

设备旋转部件故障的短期预测研究

根据机械故障诊断技术，建立设备各旋转部件的多维故障特征参量模型，并针对故障预测数据的短期性和非线性，提出模糊-灰色自动寻优预测方法。此方法可以自动寻找最佳优化因子τ^＊，使预测值和实际值最贴近。通过对各部件多维故障特征参量的预测和故障模糊评判，可以自动分析出部件存在的故障及可能性概率。研究结果表明，预测数据精度检验结果优良，该方法是可行和有效的。     

基于级联粗糙集的数控机床智能诊断方法的研究

采用级联粗糙集进行数控机床故障诊断.以数控机床主轴、进给和刀库各部件振动信号幅值为条件属性,进行第一级粗糙集决策并诊断出主轴故障;进而通过主轴的转频、振动幅值、高频成分的能量及频率分布情况为条件属性,进行第二级粗糙集决策并诊断出产生故障的具体原因.级联粗糙集分析方法减小了由条件属性较多导致决策精度变差的可能性,提高了数控机床智能诊断的精度.     

一种聚类分层决策的SVM模拟电路故障诊断方法

支持向量机用于模拟电路多种故障诊断时,其多分类扩展策略与诊断的效率和正确率密切相关。本文提出模糊聚类与支持向量机集成的算法,通过分析电路故障特征数据的空间分布特性,以多级二叉树结构的SVM实现故障的分级诊断。通过对各故障模式两种小波特征的逐次聚类二分获得二叉树,根据F测度为每个节点的SVM选择具有最大分类间隔的故障子类及特征,避免了不可分故障区域的出现,从而优化了SVM的组合策略。采用该方法组建的SVM结构简单,在滤波器电路的故障诊断中获得良好的效果。与几种常用的SVM方法相比,本文方法有效地提高了故障诊断的精度和效率。     

液压设备故障诊断技术的研究

对故障诊断的各种方法在液压系统中的应用和实践进行了讨论,并简要分析了从传统诊断技术到智能诊断技术的特点。     

基于粗糙集理论的系统建模与故障诊断

应用粗糙集理论,可以从原始的数据中提取有用的知识或规则.依据这一思想,本文建立了一个实际非线性系统的粗糙集模型.在建模过程中,首先用系统输入输出的采样数据构成原始信息表,然后离散化,再利用粗糙集算法得到系统粗糙集模型的不完备规则集,通过实验和线性插补法实现规则集完备化,最后完成模型的设计和校验.校验结果表明所建的粗糙集模型是有效的,并利用该模型实现了系统的一种故障诊断.     

基于模糊理论的机械设备故障诊断方法

以机械设备的故障特点的研究为基础,应用模糊数学理论,结合经验分析,建立了机械设备故障的模糊诊断模型,提出了机械设备的模糊诊断方法,并结合实例介绍了这一方法的具体应用．     

模糊集理论在故障诊断中的应用

将模糊集理论引用到故障诊断方法中,通过对因果矩阵推导、诊断结果的确定原则分析、隶属度函数确定方式的论述,推导出面向故障诊断的模糊理论方法,并将该方法应用到某型机机载雷达故障诊断过程中。结合对某型机机载雷达故障诊断分析,证明了该方法的有效性。     

基于随机集理论的并发故障诊断信息融合方法

为了诊断并发故障,提出一种基于随机集理论的信息融合方法.首先构造包含并发故障的论域,并在此论域的超幂集上定义扩展型随机集.基于该随机集和广义集值映射给出证据组合规则的随机集模型,用其构造可以同时适用于单发和并发故障诊断的新型组合规则.此外,根据传感器提供的故障信息构造故障样板模式与待检模式的模糊隶属度函数,利用模糊集的随机集表示以及随机集似然测度,获得两种模式匹配的程度作为待融合的诊断证据.最后通过在电机柔性转子平台上的试验,证明了所提方法可有效地减少单一传感器信息诊断的不确定性,显著提高转子系统故障诊断的精度.     

多分辨率能量波动-近似熵方法的设备故障诊断研究

结合小波包分解(WPT)方法和近似熵(ApEn)方法,提出一种多分辨率能量波动-近似熵方法的设备故障诊断技术.首先利用小波包分解将振动信号分解为各频率成分正交、无冗余和无遗漏的子信号,然后对子信号进行能量波动检验,给出故障的存在性诊断;对于存在故障的子信号进行近似熵计算,根据近似熵值的大小,分析信号的复杂性程度,即故障的严重程度.仿真及工程验证结果表明,提出的方法可以有效诊断设备故障的存在性及严重程度.     

复杂电子设备的故障诊断策略优化方法研究

诊断策略是故障检测和故障隔离的测试顺序。针对电子设备的分布式的特点．根据故障诊断知识获取中测试节点和诊断策略的确定问题。提出了一种可行、有效的工程化维修策略方法。文中提出了局部诊断策略的概念以及全局诊断策略接合的概念。利用测试的信息熵确定局部最佳测试点：确定局部的最优故障诊断策略．通过接合最终确定全局的最优故障诊断策略。最后,通过实际装备建模分析得到的诊断策略验证了该方法的有效性,证明它是一种优化的诊断策略。并能减小计算复杂度。     

齿轮箱故障边缘智能诊断方法及应用研究

针对齿轮箱运行状态监测数据量大而数据价值密度低导致的数据传输和存储困难、受到带宽影响导致的故障辨识实时 性差以及大而深的深度学习模型难以有效部署至边缘端硬件等问题,本文提出了一种基于乘法-卷积网络(MCN)的齿轮箱故 障边缘智能诊断方法。 首先,综合考虑信号滤波在特征表征以及深度学习在特征提取的优势,设计了一种轻量化的 MCN 模型, 同时在嵌入式微处理器搭建了一套端侧边缘智能处理原型与系统。 该系统可以直接部署于齿轮箱边缘,通过云服务器训练和 更新 MCN 模型参数并部署至边缘端,于边缘端完成数据采集、处理和故障状态辨识等功能,将大量传感器数据直接消耗在边缘 端。 实验结果显示 MCN 具有 99. 75% 的平均识别精度,且部署 MCN 的齿轮箱故障边缘智能诊断系统可以在 0. 696 s 内准确识 别出故障状态。     

基于RS-SVM集成的排气阀故障诊断方法研究

提出了一种基于粗糙集理论和支持向量机算法的阀门故障诊断方法。该方法可完成对不确定,不完整数据的约简,然后在此基础上设计支持向量机多分类器进行故障诊断。     

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。