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。     

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。     

基于模糊专家系统的矿用风机故障诊断

针对矿用通风机故障具有不确定性和复杂性的问题,对矿用通风机的故障诊断提出一种基于模糊数学和专家系统的矿用通风机故障诊断系统。通过模糊关系矩阵及隶属函数的设定,实现了模糊理论在风机故障原因与征兆之间的模糊关系的表达。用风机转子的故障实例进行验证,结果表明该系统诊断效率、准确率高,为矿山风机的故障诊断提供了新的诊断方法。     

神经网络数据融合的风机智能诊断系统研究

以信息融合和神经网络为理论基础,建立了风机融合神经网络模型和风机神经网络故障诊断模型。模型中,通过最近邻聚类学习算法对同类信息融合,应用人工神经网络对多源信息加以合成,并将融合结果作为输入层,进行神经网络故障诊断,实现了风机故障的智能诊断,并收到了良好效果。     

基于多源信息融合的异步电机故障诊断

针对异步电机的单一故障诊断模型易出现错判、误判问题,引入了1种基于改进证据理论的多源信息融合方法。通过采用蚁群神经网络、BP网络以及Elman网络分别作为电机故障诊断的初级模块,并将其输出结果作为证据理论的独立证据体,再由改进证据理论进行信息融合决策。仿真实例表明,该方法可充分利用不同数据源的冗余互补信息,具有更高的诊断准确性。     

基于粗糙集-RBF神经网络的采煤机液压泵故障诊断

针对采煤机液压泵故障征兆多、故障诊断模糊性强的特点,提出了一种基于粗糙集-径向基函数(RBF)神经网络的故障诊断方法,对液压泵内泄漏故障进行诊断。运用粗糙集理论对液压泵原始故障数据集进行属性约简,去除输入冗余信息,得到最小条件属性集。根据最小条件属性集确定RBF神经网络初始拓扑结构,通过网络训练建立故障征兆和故障类别的映射关系,使用Python编程语言实现了故障诊断。试验对比表明,该方法网络结构更加简单,网络学习效率及诊断准确性更高,在采煤机液压泵中有很好的实际应用效果。     

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。     

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。     

模糊技术在柴油发动机故障诊断中的应用

以模糊理论为基础,结合柴油发动机实际运行状况和现场专家经验,分析了故障与征兆之间的模糊关系,形成了模糊故障诊断规则,建立了柴油发动机模糊故障诊断模型,最后用一个具体故障诊断实例加以分析,验证模糊理论及方法在柴油发动机模糊故障诊断中的应用。     

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。     

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。     

基于神经网络与证据理论的煤矿通风机故障诊断

为了能够从多方面反映煤矿通风机系统状态,实现对故障模式的自动识别与准确诊断,将数据融合技术与神经网络相结合,建立通风机故障诊断系统。采用并行神经网络进行局部诊断,获得彼此独立的证据,再运用D-S证据理论融合算法对各证据进行融合,实现对通风电机故障的准确诊断。     

提升机故障诊断不确定性推理方法

针对提升机故障诊断过程中的若干不确定性问题,提出一种新的基于本体和贝叶斯网络的故障诊断不确定性知识融合推理方法。该方法对本体贝叶斯网络进行了形式化的定义,运用OWL本体语言扩展了本体对领域知识的不确定性表示,通过一系列的翻译规则和程序,实现了本体结构到贝叶斯网络结构的转换;然后建立了基于本体和贝叶斯网络的融合推理模型,利用本体推理完成对故障诊断本体知识的语法检查、语义一致性的验证以及本体的解析,采用基于启发式搜索树的贝叶斯网络进行不确定性推理,并在贝叶斯网络可视化推理平台Netica上进行了验证。矿井提升机制动系统故障诊断实例表明,该融合推理模型具有较好的故障识别效果,处理所得的诊断结果具有较高的可信度。     

机械故障诊断中的温度诊断技术研究

讨论了机械故障诊断中温度诊断的方法,并提出通过建立温度故障诊断资料库和应用电脑辅助工程（ＣＡＥ）分析软件ＡＮＳＹＳ来研究温度变化与机器故障诊断的初步方法。同时,提出采用信息融合技术将温度诊断与其他诊断方式联系起来的问题。     

基于多维度数据融合的电网机组故障自动诊断系统

设计基于多维度数据融合的电网机组故障自动诊断系统,降低电网异常运维次数、提升电网安全性。系统数据采集层使用采集器和智能移动终端采集电网机组数据后,利用网络通信层将电网机组数据传输至数据存储层的SQL数据库存储,服务层调用数据存储层内的电网机组数据完成消息推送、故障查询等功能,并将电力机组数据推送至逻辑层,逻辑层利用多维度电网机组数据,构建基于深度置信网络的多维度数据决策融合模型,结合推理机诊断电网机组故障,并通过人机交互层将接收到的电网机组故障诊断信息以可视化方式呈现给用户。实验表明:该系统通信损失值较低,可保障电网机组数据完整,具备较好的数据融合性能,且故障诊断精度高,可降低电网异常运维次数,应用性较好。     

基于全息谱的矿用通风机故障诊断虚拟仪器

对通风机进行故障诊断是及时发现安全隐患,保证通风机安全运行的有效手段。将多传感器信息融合理论的全息谱技术用于矿用通风机的故障识别诊断,并结合虚拟仪器技术,研究开发了矿用通风机故障诊断虚拟仪器。试验表明,此仪器能充分、直观地反映被测对象的振动状态,可更加准确有效地实现通风机的故障诊断。     

基于FASTICA与PNN的齿轮箱故障诊断研究

机械设备运行中得到的诊断信息往往存在信噪比低、信号混叠等问题,严重影响提取真实的故障信号特征,降低了诊断准确率。针对上述问题,提出一种新的基于快速独立分量分析与概率神经网络的设备故障诊断方法,FASTICA对振动信号降噪处理后提取特征,PNN实现故障识别。通过算法仿真以及LMS齿轮箱实验证明,该融合算法处理后的动态故障诊断能力和诊断精度都明显提高。