旋转机械故障诊断研究现状

对旋转机械故障产生的机理、特征提取、装置的开发与研究,分别进行了阐述.并且对旋转机械故障诊断的人工智能专家系统、模式识别技术、分形理论、数据挖掘方法、信息融合技术的研究现状进行了综述.     

旋转机械故障诊断监测专家系统中的时间序列模式识别技术研究

介绍了时间序列法进行故障模式识别的基本原理和优点，并由ＡＲ（Ａｕｔｏ－ｒｅｇｒｅｓｓｉｏｎ）时间序列模型入手，建立了旋转机械的信息距离判别函数。将这一方法应用到旋转机械故障诊断专家系统的模式识别规则库中，　并进一步进行了试验台试验。     

故障诊断专家系统的开发及其在压缩机故障诊断中的应用

从专家系统推理与控制、总体结构及系统的特点等四个方面 ,介绍了基于矩阵判别筛选法的机械故障诊断专家系统的主要内容。列举了应用该专家系统对 DH型离心压缩机进行旋转失速故障诊断的实例 ,并提出了解决措施     

旋转机械振动故障诊断中专家系统知识获取方法探讨

讨论了旋转机械故障诊断专家系统的知识获取原则、知识库初始化与完善和先验的针对性知识在故障诊断专家系统中的作用。提出以模糊聚类方法获取针对性知识的数学模型和以该模型为基础的一种旋转机械故障诊断专家系统的知识获取策略     

基于Visual Prolog的旋转机械故障诊断专家系统

采用人工智能专家系统计算机技术模拟故障诊断领域专家的推理思维方式,对机械设备发生的故障实现迅速准确的诊断,同时缩短故障停机时间具有重大意义。应用Visualprolog语言,构造了旋转机械故障诊断专家系统,提出了一阶谓词逻辑子句表达知识的方法,建立了专家知识库。系统的推理机采用深度优先的推理策略。应用表明系统有效完成旋转机械常出现的十多种故障的诊断,并运行可靠。     

基于信息融合技术的旋转机械故障诊断

简要介绍了多传感器信息融合技术，并结合旋转机械振动故障诊断系统的要求与特点，探讨了信息融合技术用于故障诊断系统的基本层次结构。将信息融合的层次与故障诊断的功能相对应，提出了旋转机械振动故障诊断的信息融合模型。神经网络和证据理论相结合应用于故障诊断的新方法，提高了故障诊断系统的灵活性、效率和准确性。     

旋转机械故障诊断专家系统的属性和求解策略的探讨

本文讨论了旋转机械故障诊断专家系统的属性,提出旋转机械故障诊断专家系统是正向求解问题的、模糊的、病态结构系统的观点.并针对其基本属性,提出以频域模糊聚类分析为正向推理求解策略的思想与基本框架.同时,对知识库的容量与提高病态结构系统确定性的关系作一探讨.     

基于复调制的细化全矢谱分析研究

将全矢谱理论在旋转机械故障诊断中的优越性与传统复调制细化分析方法相结合,复调制细化全矢谱(zoom vector spectrum,ZVS)的原理为,两次频移-低通滤波-隔D(细化倍数)点选抽-FFT(fast Fourier transform)-计算全矢谱.其兼具信息全面和高分辨率的特点,运算量远小于具有相同分辨率的普通全矢谱.仿真计算表明,复调制细化全矢谱可应用于旋转机械故障诊断中,对频谱密集型多源融合矢量信号进行有效分析.     

基于神经网络的信息融合故障诊断技术

利用神经网络技术建立信息融合中心 ,对多传感器数据进行融合处理 ,通过多源互补信息减小故障诊断系统的不确定性。文中讨论了神经网络多传感器信息融合方法中数据预处理与特征提取、特征向量维数压缩与关联、归一化处理方法等 ,同时 ,对神经网络的构造以及学习训练等内容 ,也作了较为详细的讨论。通过对柴油机振动监测数据、燃油压力波动信息、以及两者融合信息的故障诊断性能的比较 ,表明神经网络多传感器信息融合方法用于复杂机械的故障诊断是可行和有效的     

基于SDP图像与VGG网络的旋转机械转子故障诊断研究

针对传统故障诊断方法对旋转机械转子故障状态识别精度较低的问题,提出了一种基于对称点模式图像特征信息融合与深度学习相结合的旋转机械转子故障诊断方法。采用SDP信息融合技术,对转子故障状态下的多通道振动信号进行了信息融合,通过SDP图形特征可简单直观地区分不同转子故障振动状态;结合深度学习VGG网络自适应提取了SDP图像的特征信息,对不同故障转化的SDP图像实现了准确的诊断识别,进而判别了其故障类型;通过变速器机械故障模拟实验验证了所提出方法的有效性,并与传统机器学习方法极限学习机(ELM)进行了比较。研究结果表明:基于SDP图像与VGG网络的旋转机械转子故障诊断方法解决了转子故障振动信号中存在的高复杂、非线性和不稳定问题,与传统机器学习方法ELM相比具有更高的识别精度。     

自组织特征映射人工神经网络用于旋转机械故障诊断

本文利用人工神经网络自组织学习和神经元连接的类型(兴奋或抑制)与征兆和故障之间的特征映射,建立了旋转机械故障诊断的自组织特征映射模型.利用这一模型使人工神经网络无指导学习用于旋转机械故障诊断,通过旋转机械中常见故障进行诊断提供了进一步解决故障诊断专家系统中知识库建立及维护的新方法.     

一种基于振动图像和结构模型的通用智能故障诊断系统

提出一种利用振动频谱图像提取旋转机械故障特征的方法.针对旋转机械设备种类多样性及专家系统诊断对象范围窄的特点,研究基于结构模型的多征兆模糊产生式规则的诊断、知识表示和以关系数据库为基础的知识库的建立与维护机制,开发基于振动图像和设备结构模型的故障诊断专家系统,系统在满足知识表示和推理模型的有效性和实用性需求下,具有构造简单,推理效率高等优点,大大提高了旋转机械故障诊断专家系统的适应性和通用性.     

旋转机械故障诊断专家系统

在旋转机械最佳诊断方法理论的指导下,依据基于黑灰白的推理机技术开发了旋转机械故障诊断专家系统。本文着重说明了故障诊断系统中推理机和知识库这两部分的设计及实现,最后根据工厂实际数据进行验证,列出了验证的结果。     

基于EXSYS的故障诊断专家系统的设计与实现

使用EXs Ys专家系统建造软件建立旋转机械故障诊断专家系统的知识库及推理机,设计并实现了集成于在线监测系统的故障诊断专家系统。故障诊断专家系统通过在线监测系统自动提取一部分征兆,调用EXs Ys进行推理并在推理过程中通过人机交互得到一些难于自动提取的征兆,最后得到故障诊断结果并生成诊断报告。通过EXs Ys进行专家系统的开发实现了知识库以及推理机与在线系统的相互独立,使知识的管理和维护可以相对独立地进行,提高了系统扩展性,并简化了知识库及推理机建立及维护的过程。同时,利用专家系统可以及时发现早期故障,提前采取相应的处理措施,避免事故的发生,对提升企业设备运行管理水平具有十分重要的意义。     

旋转机械故障诊断专家系统中不确定性问题及其测度

通过旋转机械故障诊断过程中不确定性的讨论,指出了该问题的双重性,即随机性和模糊性。针对旋转机械的特点,提出了模糊概率测度,模糊事件信任度等概念,从而将旋转机械故障诊断专家系统中的不确定性问题在统一的辨别框架Ｕ之下结合了起来。     

基于证据理论的免疫检测器在轴承故障诊断中的应用

针对旋转机械故障诊断的不确定性问题,提出一种基于证据理论的数据融合故障诊断方法,把5种无量纲免疫检测器的敏感因子和信息因子通过D-S联合规则联合多个证据组形成-个新的综合证据组,建立多故障特征信息融合诊断框架,充分利用不同证据体的冗余和互补故障信息,通过对不同轴承故障进行分析,结果表明,此方法能有效地减少诊断的不确定性,提高故障诊断的准确性.     

旋转机械振动故障机理及诊断方法分析

近年来,随着生产技术的不断成熟和发展,旋转机械已成为使用最广泛的工业机械设备之一,其故障的诊断对于旋转机械的安全运行至关重要。如果旋转机械运行过程中发生故障,复杂的内部结构很容易引起机械设备的连锁反应。因此,研究旋转机械故障诊断对于分析机械设备缺陷的原因和缺陷状况以及检查两者之间的关联有着相当重要的意义。本文首先分析了旋转机械的常见的故障类型及机理,并对目前常用的旋转机械故障诊断方法进行了详细的论述,最后叙述了故障诊断专家系统的开发研究现状。     

旋转机构故障诊断专家系统中不确定性问题及其测度

通过旋转机械故障诊断过程中不确定性的讨论，指出了该问题的双重性，即随机性和模糊性，针对旋转机械的特点，提出了模糊概率测度，模糊事件信任度等概念，从而将旋转机械故障诊断专家系统中的不确定性问题在统一的辨别框架U之下结合了起来。     

旋转机械故障诊断专家系统的知识表示法

分析了影响旋转机械运行状态的各种因素,就旋转机械故障诊断专家系统中知识库的建立及知识表达提出了一种建模方法,这种方法根据旋转机械的特点,把知识库中的故障征兆分为了５大类,１３小类,１００多个具体项。根据知识表示模型的网络传递算法,可以方便地进行知识库组织及维护。最后,列出了１２５ＭＷ汽轮发电机组知识库的实现方法。     

面向机械产品装配过程的在线故障诊断策略研究

针对机械产品装配过程扰动因素复杂众多、在线故障诊断机制响应不及时的问题，提出了一套面向机械产品装配过程的在线故障诊断策略。首先通过数据采集终端对装配过程信息的实时动态采集分析，构建装配过程故障实时状态模型；然后建立了融合故障树分析技术的专家系统诊断机制，并运用控制图对故障源持续关注，从而实现对机械产品装配过程故障的实时在线诊断。通过实例验证，该策略使得车间技术人员能够及时掌握和有效处理装配过程故障事件，提高了对装配过程的精益化控制。