信息融合技术在带式输送机故障诊断中的应用

针对带式输送机故障诊断过程中存在的不足,利用信息融合技术在故障诊断中的应用,有效地进行带式输送机的故障诊断。详细论述了将基于多传感器数据融合、神经网络和D-S理论的信息融合方法应用在输送机上,说明信息融合技术在带式输送机故障诊断分析中的有效性,为信息融合技术在输送机上的应用提供借鉴。     

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。     

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。     

电机匝间短路故障信息融合诊断方法研究

针对目前应用的各种异步电机定子绕组匝间短路故障诊断方法都存在单一诊断技术问题,提出有选择地进行信息融合的理论,并给出了一个简单举例。结果表明,故障信息融合诊断方法可以大大提高电机匝间短路故障诊断的准确性和可靠性。     

基于信息融合的机械故障诊断

信息融合原理与技术是国内外近年迅速发展的一个技术领域。本文介绍了信息融合的发展历史和信息融合的层次结构,对信息融合在机械故障诊断中的应用进行了讨论,并论述了带式输送机故障诊断的原理。     

基于DL联合信息融合技术的刮板转载机故障诊断

采用深度学习(DL)算法和信息融合技术对刮板转载机进行故障诊断。对刮板转载机故障类型进行分类,建立刮板转载机故障诊断模型。为提高信息融合技术的准确率与效率,将一种典型的DL算法——深度置信网络(DBN)应用于数据层信息融合,提出基于DL联合信息融合技术的故障诊断流程。对比MATLAB仿真结果与真实情况,基于DL联合信息融合技术故障诊断结果的准确率比信息融合技术的高。     

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。     

基于决策层的提升机减速器故障诊断方法研究

针对提升机减速器提出了一种决策层融合结构模型应用在齿轮故障诊断中。对各个传感器的信息进行神经网络属性判决,再将各神经网络的属性判决进行决策层融合,此种方法具有较强的灵活性,当传感器数目增加时,只需增加神经网络个数就可。对以上信息融合故障诊断方法经过试验研究,证明了方法应用在提升机减速器诊断系统中,减小了错判和漏判,提高了系统的可靠性,保证了提升机安全运行。     

基于新一代信息技术的矿用变频器故障诊断系统设计

电气化、智能化逐渐成为煤矿开采的未来方向,而变频器的故障将直接影响整个控制系统甚至智能化生产的正常工作。从矿用变频器故障诊断系统的主要关键技术入手,通过总结新一代信息技术的主要特征,分别提出了基于物联网、新一代移动通信、云计算等技术解决监测数据采集、远程无线传输、结构优化与集成,以及关键信息快速挖掘的思路和方法。     

基于信息融合技术的电路板无损检测

多传感器信息融合技术已成为一个十分活跃的研究领域,它应用的范围越来越广。通过检测电路工作时电子元件的温度和关键点电压两方面的数据信息,对数据信息进行融合,从而确定故障元件,达到电路板无损检测。分析了多传感器数据融合算法,并将该算法有效地应用于电路板无损检测系统中,提高了系统诊断能力。     

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ASGSO-SVR模型的瓦斯传感器故障诊断

针对现行煤矿瓦斯传感器常见的卡死、冲击、漂移等故障,运用支持向量回归机建立多传感器数据融合的瓦斯浓度预测模型,详细研究影响该预测模型精度的相关参数选择方法,提出用ASGSO算法自适应优化支持向量机预测模型参数的算法,将模型预测结果与现场实测瓦斯浓度相比较得到残差δ,用于对瓦斯传感器故障的诊断。用现场监控数据对该方法进行离线仿真实验,得到残差信号的变化曲线。通过选择合理的阈值,判断传感器是否处于故障状态。结果表明,ASGSO算法参数优化对提高SVR预测模型的精度有很大帮助,此方法对瓦斯传感器的常见故障的诊断是正确和有效的。     

多传感器模糊信息融合算法在煤矿瓦斯监测中的应用

多传感器信息融合识别的精确率高于单只传感器。文章阐述了多传感器模糊信息融合的理论,并对多传感器信息融合的发展趋势进行分析研究,进而对多传感器模糊信息融合算法在煤矿瓦斯监测中的应用进行研究。     

信息融合技术在矿井提升机制动器故障诊断中的应用研究

提出了一种2层信息融合方法,特征层采用RBF神经网络进行空间上的融合,决策层采用DS证据理论进行时间上的融合,充分利用了各传感器在时间和空间上的互补和冗余信息,提高了提升机制动系统诊断的可靠性和正确性。