基于信息融合技术的提升机控制系统故障诊断方法的研究

针对提升机控制系统故障诊断方法存在的局限性,提出了一种基于多传感器信息融合的智能故障诊断方法。该方法采用D-S证据理论决策级融合进行故障识别,利用统计证据获得Mass函数。通过一实例论证了在提升机控制系统故障诊断中,采用此方法比单传感器信息故障诊断方法更具准确性和可靠性。     

信息融合技术在变频器故障诊断中的应用

针对变频器故障诊断方法存在的局限性,提出了一种基于多传感器信息融合的智能故障诊断方法。利用D-S证据理论决策级融合进行故障识别,实例分析表明,信息融合技术用于变频器故障诊断对提高诊断的可靠性和准确性有重要作用。     

基于多征兆信息融合理论的转子故障诊断

在研究了Dempster-shafer证据理论及其算法的基础上,提出了一种基于多征兆信息融合理论的故障诊断方法。以转子故障为例,论述了该方法的实施过程。结果表明,多征兆信息的信息融合诊断方法具有良好的稳定性和容错性,提高了转子故障诊断的准确性和可靠性。     

基于智能信息融合的变压器故障诊断

提出将模糊理论、神经网络、遗传算法和信息融合技术相结合,建立基于智能信息融合的故障诊断模型,有效地利用已有的经验知识和各种状态信息,主客观证据相融合,应用到变压器故障诊断中,实例证明此方法是有效可行的,实现了对变压器更准确可靠的诊断。     

基于证据理论混合算法的煤矿通风机故障诊断

为了提高煤矿通风机故障诊断的准确性,提出了基于证据理论的混合诊断算法。即先用灰色建模方法实现故障特征量的累加处理,以增强数据的规律性。然后,采用2个并联的灰色BP网络进行故障局部诊断,获得彼此独立的证据。最后,再用证据理论融合算法对各证据进行融合,最终实现通风机的故障诊断。实例结果表明,该方法可有效提高诊断的可信度。     

D-S证据理论在变压器故障诊断中的应用

为了充分利用各种状态信息和已有的知识进行故障诊断,提出将故障树、遗传神经网络和D-S证据理论相融合进行故障诊断,从而扩大信息覆盖范围,增加了置信度,实现了决策层的时空信息融合,使得诊断结果更准确可靠。并通过变压器诊断实例证明此方法是有效可行的。     

基于多传感器信息融合的矿井通风机故障诊断

为了提高矿井通风机机械故障诊断的准确性,提出了将多传感器信息融合技术用于故障诊断的检测方法.由多个传感器采集振动信号,经小波变换预处理后获得故障特征值,再经BP神经网络进行故障局部诊断,获得彼此独立的多个证据,然后运用D-S证据理论对各证据进行融合,实现对矿井通风机机械故障的准确诊断.     

基于SVM-DS融合的破碎机故障智能诊断技术研究

针对矿山旋回式破碎机结构庞大,运行机理复杂以及故障关联性较强的问题,在利用传感器系统采集多源异质数据的基础上,提出一种基于支持向量机(SVM)和D-S证据理论的破碎机故障诊断方法。首先,利用所采集的破碎机的振动、声音、温度和压力数据信息构建多个特征证据体;然后,使用"一对一"多分类SVM对每个证据体进行初步的训练、测试、分析诊断;其次,利用D-S证据理论将初步的SVM诊断结果进行融合,得出最终结果;结果表明:D-S融合后的故障诊断正确率平均为93.2%,与融合前的单一证据体SVM故障诊断正确率高16.8个百分点。由此可得,基于SVM和D-S证据理论的矿山破碎机故障智能诊断方法准确、可靠,在矿山企业具有较高的应用实践价值。     

带式输送机故障准确诊断方法

针对带式输送机运行过程中的典型故障，提出了一种基于特征级与决策级的双层融合故障准确诊断方法。建立了带式输送机故障诊断信息融合模型，提取带式输送机故障信息的基本特征和小波包特征，实现特征级融合，并使用量子粒子群优化的核极限学习机与支持向量机2种分类器进行特征级的故障诊断；采用D-S证据理论将2种分类器的特征级故障诊断结果再融合，实现决策级的故障诊断。利用2种分类器的概率输出构造基本概率赋值函数，有效解决了D-S证据理论中基本概率赋值函数的构造。搭建带式输送机实验台，使用MATLAB进行实验验证，结果表明该方法的故障识别准确率可达97%，提高了故障诊断的准确度。     

基于多传感信息融合的采煤机远程故障诊断方法

为了对煤矿井下采煤机进行远程故障诊断,在实现采煤机顺槽控制系统和机载控制系统远程通讯的基础上,利用多传感信息融合理论D-S证据融合算法对采煤机新型故障进行诊断并存入智能化的专家系统故障诊断数据库,实现了采煤机的远程故障诊断和自学习功能。