基于信息融合技术的变频器隐性故障诊断研究

针对变频调速系统中常用的电机诊断方法难以准确判断隐性故障类型的问题,采用基于D-S证据推理的信息融合故障诊断方法,将三相电压传感器和三相电流传感器的判断结果进行融合,以识别变频器不对称运行的故障;将A,B,C三相定子电流信号进行融合,以识别转子断条故障.该方法通过小波包频带能量提取电动机隐性故障特征信息,然后利用D-S证据理论融合计算故障特征信息进行故障识别.诊断测试结果表明,该方法可提高电动机故障诊断的精度,并能满足诊断的实时性要求.     

基于BP神经网络和D-S证据理论的粮情评价研究

针对D-S证据理论的基本可信度分配函数难以确定和单一BP神经网络输出的评价结果不稳定的特点,提出了一种BP神经网络和D-S证据理论相结合的信息融合处理与状态评估方法用于粮情评价。该方法是将多个BP神经网络的输出结果作为证据理论的基本可信度分配函数（BPAF）,然后依据证据组合规则进行融合,得出粮情的安全程度。本方法降低了单一BP网络输出结果的不稳定性,且提高了融合处理的可信度和精度,增强了系统的容错性。     

基于D-S证据理论的机器人多传感器信息融合方法研究

基于D-S证据理论,采用加权平均和证据相似度思想对Dempster合成法则进行改进,然后对光电编码器、激光传感器和CCD摄像机探测到的信息进行融合.融合结果表明,改进后的方法可以消除噪声干扰,实现信号平滑处理;机器人可以自主导航,进行障碍检测、轨迹规划,从而实现安全避障.     

基于集成神经网络的织物主观风格预测研究

针对织物主观风格评价问题,建立了基于D-S证据理论的集成神经网络风格预测模型。分别采用径向基函数(RBF)神经网络和反向传播(BP)神经网络进行预测,得到初步的预测结果,经过归一化后得到2组基本概率分配函数,运用D-S证据理论进行融合得到最终预测结果。对510块来自中国国际纺织面料及辅料博览会的面料进行试验表明,使用基于D-S证据理论的集成神经网络进行织物主观风格预测比单一神经网络的准确率最高可以提高17.74%,将集成神经网络模型通过织物成分分类器优化,预测准确率可以更高。     

粮情监控系统中多数据信息融合技术的应用

采用二级数据融合算法对粮情信息进行监控,通过自适应加权数据融合算法剔除冗余信息,再使用D-S证据理论等技术方法将得到的各类特征数据进行二次数据融合。相对传统粮情监控方法能做到对粮情数据进行更深度处理,加强了监控系统的鲁棒性。     

基于倒频谱分析的烘缸传动齿轮箱故障诊断

鉴于烘缸传动齿轮箱的振动信号中调制源多、频率成分复杂，功率谱中存在大量非对称的边带及周期性结构的频率，传统的傅立叶变换或者细化谱技术难以把混杂的周期分量分辨出来。运用倒频谱分析能将输入信号与传递函数区分开来，使原来功率谱上成簇的边频带谱线简化为单根谱线，分离和提取出密集泛频信号中的周期成分、多成分边频，快速准确诊断分组烘缸传动齿轮箱故障。     

基于多信号特征和D-S证据理论融合的下肢运动模式识别

针对下肢运动模式识别中出现的单一信号特征识别方法不能准确、可靠地识别出下肢的运动模式,以及多信号特征识别方法所带来的维数灾难问题。提出一种利用神经网络特征级融合多信号特征以及D-S证据理论对预识别结果进行决策级融合的下肢运动模式识别方法。对采集到的下肢表面肌电信号以及髋关节信号进行特征提取,对两种来自不同信号源的特征向量分别建立各自的神经网络,利用神经网络的特征级融合属性得出不同信号源特征对下肢动作的预识别结果。最后利用D-S证据理论融合来自不同信号源特征对待识别动作的概率信度,以实现决策级融合的目的。通过文中方法对五种下肢常见动作的识别效果进行了验证。实验结果表明,文章方法相比于单一信号源特征的识别方法具有更高的可靠性和正确率。     

基于证据理论的曲柄滑块机构可靠性优化设计

介绍证据理论的基本概念以及证据组合方法,建立基于证据理论的可靠度分析、计算的替代模型.以曲柄滑块机构的连杆截面面积最小为优化设计目标,考虑连杆的屈服强度可靠性约束条件,建立可靠性优化设计数学模型.采用基于证据理论和遗传算法的可靠性优化设计方法进行求解,得到可靠性优化设计方案.设计实例可验证该方法的有效性和实用性.     

非均质地基的地震随机反应

基于改进的一维剪切梁模型,利用随机振动理论,并基于基岩输入地震加速度的功率谱密度函数--白噪声谱和过滤白噪声谱,研究了非均质地基对地震的随机动力反应问题.计算结果表明：（1） 在基岩输入地震加速度的功率谱为白噪声谱的情况下,地基的最大期望反应,均有别于过滤白噪声谱时的相应值;（2） 平稳输入与输出过高地估计了地基的随机反应.     

玉米中黄曲霉毒素B1的太赫兹时域光谱检测与识别

针对近红外和传感器方法检测精度差的问题,采用太赫兹时域光谱技术,研究了黄曲霉毒素B1对太赫兹波的响应。首先研究了玉米中黄曲霉毒素的提取过程和保存方法,根据B1溶液在不同频率范围内的光学参数(主要是折射率和吸收系数)的不同,对B1溶液的太赫兹光谱进行定性分析,利用一种改进的多重D-S证据理论对其进行了识别。试验和分析结果表明,利用太赫兹时域光谱技术结合信息融合技术能够对不同浓度的黄曲霉毒素B1溶液进行精确识别,为以后建立黄曲霉毒素太赫兹谱库和快速检测食品中的黄曲霉毒素提供了理论依据。     

基于支持向量机的造纸废水处理过程故障诊断

故障检测和故障诊断是工业过程监控的主要内容。针对造纸废水处理过程的多变量、非线性、大时变等特点,本课题首先采用主成分分析（PCA）对故障进行检测,然后分别采用马氏距离判别分析和支持向量机(SVM)对偏移、漂移和精度下降3种故障类型进行故障诊断。计算结果表明,基于主成分分析的故障检测率达97.50%;基于支持向量机故障诊断方法的故障分离能力为90.00%,而基于马氏距离判别分析方法的故障分离能力为73.75%。相比基于马氏距离判别分析的故障诊断方法,基于支持向量机的故障诊断方法更适合于非线性时变的造纸废水处理过程。     

频段能量统计法在机械设备工作状态监测中的应用

提出了一种对振动信号频谱新的分析方法,该方法通过对机械设备振动信号进行分段多次FFT变换和1／3倍频程谱计算,并对特征频率段能量值作直方图图谱,获得其能量分布特征,与处于正常工作状态的对应能量直方图图谱作偏移比较,从而实现对机械设备工作状态监测与故障诊断。结果表明,该方法对振动信号的频谱变化具有相当强的敏感性,能有效地分辨机械设备工作状态的一些微小变化,为机械设备的工作状态监测或故障诊断提供了1条新的准确、高效的途径。图6参13     

基于PCA模型的食品高温杀菌过程故障诊断技术研究

针对食品高温杀菌这类典型的工业生产过程,运用主元分析(principal component analysis, PCA)模型进行了故障检测与诊断的研究。讨论了基于PCA模型的故障检测与诊断理论的几个主要方面和实现技术,建立了火腿肠高温杀茵锅生产过程的PCA模型,进行了3种典型的生产故障的诊断与分析。结果表明,该方法对过程故障能实现有效的检测与诊断。     

基于Welch法功率谱和广义回归神经网络的禽蛋裂纹辨识

为建立一种快速无损检测禽蛋裂纹的方法,构建了基于磁致伸缩振子扫频式振动的禽蛋裂纹检测系统。系统以声学特性为基础,通过利用Welch法功率谱分析禽蛋振动音频信号,利用主成分分析法提取特征向量中的有用信息并构建基于广义回归神经网络（generalized regression neural network,GRNN）的禽蛋裂纹检测模型。实验对290 枚鸡蛋进行检测（训练集200 枚,测试集90 枚）。结果表明,测试集中无损蛋与裂纹蛋的判别率分别达到96.7%和98.3%。研究表明,利用磁致伸缩振子扫频和Welch法功率谱分析,通过主成分分析法提取特征向量中的有用信息并结合GRNN模型检测禽蛋裂纹是可行的。     

积分滑模变结构双馈风力发电机控制

针对电网故障对双馈风力发电机网侧变换器的影响,采用滑模变结构控制方法,提出了增加功率前馈补偿的积分滑模变结构控制策略.该策略根据网侧变换器的数学模型,通过对网侧变换器采用电网电压定向矢量的控制,实现交流侧单位功率因数和直流环节电压控制.仿真结果表明,该策略提高了系统响应速度,克服了参数变化和外电压波动的影响.     

现代智能技术在电液控制系统故障诊断中的应用研究

通过比较分析基于控制系统数字模型的故障诊断方法以及包括基于模式识别的专家系统和基于故障树、模糊控制策略、人工神经网络、信息融合等的现代智能诊断理论与方法在电液故障诊断系统中的应用,提出电液系统智能诊断领域未来的发展趋势,即发展复杂液压系统故障智能诊断,加强传感器等硬件和故障诊断通用软件的研发,以及开展基于Web的远程化、网络化故障诊断技术的研究.