模糊理论在设备故障诊断神经网络中的典型应用

分别阐述了如何结合模糊理论来建立单征兆域单故障诊断、单征兆域多故障诊断及多征兆域多故障诊断等3种典型的诊断模糊神经网络.给出了在实际应用中针对特定问题来建立符合应用需求的诊断模糊神经网络的一般思路,对建立基于神经网络的故障诊断系统具有参考价值和指导作用.     

基于选择性集成学习的焊接缺陷识别研究

针对射线检测焊缝图像中缺陷识别正确率低的问题,提出一种选择性集成学习的焊接缺陷识别算法.算法中的个体学习器由稳定分类器和非稳定分类器组成,使用SVM-RFE算法移除集成学习器中的冗余个体学习器,保留子学习器预测输出加权作为集成学习器的输出,有效地增强了个体之间的差异性,进而提高了集成的泛化性能.结果表明：该算法充分利用更多的缺陷特征和样本数据集信息,继承了强集成学习的优点,有效地提高分类正确率.使用一对多的方法把二分类选择性集成学习器推广到多分类问题中,所提出的算法在训练精度为92.4%时;焊缝缺陷识别率提高到85.5%.     

基于两阶段集成学习的分类器集成

为了学习集成函数,提高分类性能,提出了两阶段集成学习方法(two-phases ensemble learning,简称为TPEL).结合垃圾邮件过滤一个2类文本分类问题,在4个公用数据集上对TPEL进行了一系列实验.实验结果表明,TPEL受集成的个体分类器个数的影响甚微;利用TPEL集成异构的多个分类器时效果显著;利用TPEL集成多个同构分类器时,绝大部分情况下取得了优于朴素贝叶斯等算法的结果,对稳定或不稳定学习器的集成效果都很好;TPEL的时间复杂度较低.     

基于Adaboost.MK和SM-SVDD的变压器故障诊断方法

为了解决变压器故障诊断过程中单分类器诊断精确度不足的问题,引入一种基于改进AdaBoost算法和二次映射支持向量描述的变压器故障诊断方法。该方法训练若干个多分类二次映射支持向量描述分类器,得到弱分类器,采用改进AdaBoost算法将这些弱分类器进行集成构成一个强分类器,并在迭代训练过程中通过改变训练样本的权重,使集成多分类模型聚焦于一些难以分类的样本,从而提高分类精度。实际案例分析表明所提方法能够提高变压器故障诊断精度     

卷积神经网络多变量过程特征学习与故障诊断

为提取复杂多变量过程的有效特征,提高故障诊断性能,提出一种基于卷积神经网络（convolutional neural network,CNN）特征学习的多变量过程故障诊断模型. 将高维过程信号归一化处理转为图像信号,多层卷积滤波器与子采样滤波器交替构成的轻量级CNN网络通过多个卷积核与图像进行卷积,采用本地连接和权重共享,滤除过程噪声和干扰信息,从而获得过程数据的高层抽象化表达. 通过Softmax层有监督的微调方式学习故障特征完成故障诊断. 利用以田纳西过程为代表的多变量非线性过程验证了模型的有效性,与经典分类器和近几年流行的深度神经网络进行对比, 结果表明:将高维过程信号转为图像信号输入CNN提高了多变量过程的故障诊断精度;通过t-SNE方法对模型提取的特征进行可视化分析,说明模型强大的特征提取能力;将模型提取的特征作为传统分类器的输入时,故障识别准确率显著提升,进一步说明有效的特征提取有利于提高故障诊断的准确度和可靠性;与无监督学习方式相比,模型通过标签能获取更有效、稳定和抽象化的数据特征.     

基于特征筛选和集成学习的轴承故障诊断

为了提高不同工况下的轴承故障诊断准确率,提出了一种基于特征筛选和集成学习的轴承故障诊断方法。考虑到特征向量复杂冗余的问题,结合特征有效性和最大均值差异提出了新的特征评分函数,并在此基础上进一步考虑特征关联度和特征维度,筛选出有利于变工况故障诊断的特征子集。针对单一机器学习模型故障诊断准确率不高的问题,将AdaBoost和Stacking算法相结合构造集成学习故障诊断模型。实验结果表明:筛选出的特征子集在相同分类器下拥有更高的故障诊断准确率;集成学习模型相较于单一模型有更高的故障诊断准确率和鲁棒性。     

基于XML技术的异构数据库集成方案设计

针对企业中各部门异构数据库的数据集成和共享问题,研究了如何利用XML技术屏蔽数据库间的异构数据难题.提出了使用XML数据库作为中间数据库,将多种数据库数据进行集成的方案.并以某电厂故障诊断系统为例,设计了BizTalk数据交换平台.通过异构数据库集成方案,实现了诊断系统支持多数据库的要求.     

利用旋转森林变换的异构多分类器集成算法

为了增强集成系统中各分类器之间的差异性,提出了一种使用旋转森林策略集成两种不同模型分类器的方法,即异构多分类器集成学习算法．首先采用旋转森林对原始样本集进行变换划分,获得新的样本集;然后通过特定比例选择分类精度高的支撑矢量机或分类速度较快的核匹配追踪作为基本的集成个体分类器,并对新样本集进行分类,获得其预测标记;最后结合两种模型下的预测标记．该算法通过结合两种不同分类器模型,实现了精度和速度互补,将二者混合集成后改善了集成系统泛化误差,相比单个模型集成提高了系统分类性能．对UCI数据集和遥感图像数据集的仿真实验结果表明,文中算法相比单一分类器集成缩短了运行时间,同时提高了系统的分类准确率．     

基于宽带时频图的多路摩尔斯信号自动检测

针对现有算法没有涉及的宽带环境下多路摩尔斯信号自动检测问题,提出一种基于宽带时频图和集成学习分类器的算法.首先,通过提出一种基于宽带时频图的信号快速窄带滤波方法,实现噪声背景中各类型信号窄带时频图的快速获取;然后,为从上述窄带时频图中识别出多路摩尔斯信号,提出3个新特征与局部二值模式特征构成特征向量;最后,采用集成学习算法设计分类器实现摩尔斯信号的自动检测.与现有算法对比实验结果表明:针对多组实际数据,该算法的正确率均可达95%以上,同时误检率低于10%,具有良好的鲁棒性和应用价值.     

EWT与GS-SVM在断路器机械故障诊断中的应用

针对高压断路器故障诊断中振动信号识别的难点,提出了经验小波变换与支持向量机相结合的故障诊断方法,并在k折交叉验证(k-fold cross-validation,k-CV)思想下采用网格搜索寻找SVM分类器的最优内部参数。首先通过EWT将原始多分量振动信号分解得到一组单分量的固有模态函数(intrinsic modal functions,IMF),然后结合希尔伯特变换与信息熵理论计算信号的特征熵向量,最后在训练集上利用GS与k-CV得到最佳SVM分类器,并用测试集评价该分类器,测试集识别率达100%。实验表明,相对于EWT-PSO-SVM、EMD-GS-SVM故障诊断模型,在小样本数据下EWT-GS-SVM具有模型健壮、识别率高、收敛速度快的综合性能。     

模糊神经网络故障诊断专家系统

模糊诊断和神经网络有机结合能够提高设备故障诊断技术水平，文章阐述了单症兆诊断模型及多症兆诊断模糊模型与神经网络的有机结合；论述以模糊诊断原理为根据发展的扩展神经网络子网和子节点的可塑性学习方法和以模糊模式识别理论指导学习样本的组织方法。简述基于上述模糊神经网络的诊断系统及诊断系统的生产现场实例验证。     

基于多源信息融合的变压器检测与评估技术

传统电力变压器状态检测大多针对单类传感器获得的数据进行处理,忽视了不同传感器之间的潜在联系,导致误判时常发生。为了避免信息孤岛,高效利用多源信息,根据多源信息的差异和互补性,将不同来源、不同模式的多类传感器信息进行多级别、多方面、多层次的信息检测,以获得电力变压器故障状态和特征估计,进而实现被测电力变压器故障态势的精确描述。首先,设计了多维状态参量的带通滤波器、能级放大及脉络检波等信息处理电路,有效提高了传感信息精确度。其次,建立基于信息融合的变压器健康状态评估模型,提高了系统整体的在线检测水平和故障诊断能力。最后,利用多源信息融合模型,验证了该方案的可行性和优越性。     

基于小波包分析的数控机床主轴滚动轴承故障诊断

滚动轴承损伤类故障的分析诊断基础是提取故障信息。利用小波包分析对机床主轴滚动轴承振动信号进行分解,求出各频段的能量,提取了轴承故障的特征频率并对故障进行定位,表明了小波包分析方法在滚动轴承故障诊断的有效性和优良性。     

汽轮机组振动故障诊断模型

使用自适应谐振理论（ＡＲＴ）和误差反向传播（Ｂ）两种神经网络，开发了汽轮发电机组振动故障诊断模型。该模型可以进行多征兆域综合诊断，既能诊断单故障又能诊断并发故障，并且具有识别新故障的能力。经试验台数据和经典样本验证，模型合理可行。     

基于神经网络和证据理论的液压系统故障诊断

针对液压系统故障多样性和复杂性等特点,基于信息融合原理,提出了一种基于神经网络和D-S（Dempster-Shafer）证据理论相结合的液压系统故障诊断方法。该方法通过构建多子神经网络分类模块进行局部诊断,利用各子神经网络的输出值作为证据理论中的基本可信度,经过证据理论的再次融合得出最终的诊断结果。实例表明,该方法通过简化神经网络结构,提高了局部诊断网络的诊断能力,通过对多源多特征参数的融合,充分利用各传感器的冗余和互补的故障信息,与单一故障特征的诊断相比,显著提高了故障诊断的准确率,降低了决策的不确定性。     

不同插值方法在断层检测模型中的应用效果对比分析

为了了解同一断层检测模型在不同插值方法下的检测效果和同一插值方法在不同断层检测模型的检测效果.对比视觉几何组VGG(Visual Geometry Group)、多层感知机MLP(Multi--layper Perceptron)、支持向量机SVM(Support Vector Machine)三种断层检测模型在lin...     

基于信息融合的传感器故障检测方法

在回转机械振动状态监测中通常采用二个互成９０°的测振传感器监测某一测点的振动状态,考虑到传感器布置上的这种双余度特点,运用信息论数学方法,得出了两传感器在融合过程中的冗余和互补特性;在充分利用二传感器冗余信息的基础上,提出了一种基于冗余率运算的传感器故障检测方法,试验结果良好     

矿山多源安全管理系统设计与实现

针对风险管理、设备安全管理、职业卫生管理等模块中涉及的异构系统数据集成问题,运用第三方信息流模型,将系统划分为数据物理存储层、数据逻辑存储层、应用层、控制层及用户层,设计了系统框架,并重点研究了框架中数据逻辑存储层和控制层的实现方法.控制层运用单点登录技术,以中央认证服务（CAS）开源项目为平台,采用服务票根的方式实现了用户身份的统一验证及授权.数据逻辑存储层通过将数据请求过程分为请求、分发、访问、收集、组织及响应六个步骤,通过用户请求和异构系统的业务请求间的变换,并以可扩展标记语言（XML）为标准,将多源数据融合成统一格式的单源数据,实现了异构系统数据集成.通过这种系统框架可以解决异构系统数据集成中的数据提取、写回及安全控制问题,消除矿山安全管理过程中的信息孤岛,提升系统的维护性和扩展性.     

基于XML的异构数据库集成研究

探讨了异构数据库集成方法,并采用XML的异构数据库中间件技术实现异构数据库之间信息交换.利用中间技术对来自不同数据库的数据进行转化和处理,从而更有效地整合并利用信息资源,在实际应用中有着较广阔的应用前景.     

基于异质模体特征的社交网络链路预测

现有链路预测方法大多是针对同质网络,没有考虑到真实网络多数是节点或连边性质具有差异的异质网络,无法充分利用不同类型节点或连边的拓扑结构信息.提出了一种基于异质模体特征的链路预测方法,将网络中的用户以性别差异作为节点类型划分,构建区分节点类型的异质模体特征进行异质网络中的链路预测.在此基础上,提出融合同质模体与异质模体特...