基于模糊Petri网的知识表示方法在变压器故障诊断专家系统中的应用

本文给出了用模糊Petri网模型来表示变压器故障诊断专家系统中模糊产生式知识库的方法，在此模型基础上，给出了有效的推理算法，并用实例验证了其正确性和在变压器故障诊断专家系统中应用的可行性。     

峰值频率提取法及应用

设备随着运行状态劣化时，会产生某种暂态信号，因此，信号处理和故障诊断将是设备状态监测的良好途径和方法，设备出现异常或故障，必将引起频谱变化，因而提取设备状态信号的频变特性就成为状态监测和故障诊断的有效方法，状态监测和故障诊断可进行按需维修，从而可统短停机时间，降低成本，延长设备的使用寿命，该文阐述了非参数和参数频谱的年值频率提取法的基本原理和模型方法，然后介绍其在设备故障诊断中的具体应用。     

改进Elman网络及其在水轮发电机组故障诊断中的应用

针对水轮发电机组故障诊断系统，分析了改进BP网络在故障诊断中的不足，提出了利用改进Elman网络进行水轮发电机组故障诊断的方法。该方法具有精度高、收敛快、可以避免局部最小的优点，从而为水轮发电机组故障诊断提供了一种更有效的方法。     

电力电子系统故障诊断技术浅谈

该文介绍了电力电子系统故障诊断的原理及几种常用的故障诊断方法，介绍了故障诊断的可靠性分析方法并给出了一个简单的故障检测与诊断系统的实例。实际应用表明这些方法可行、有效，适应性强，具有较高的实用价值。     

飞控液压系统故障诊断方法研究

飞控液压系统作为飞机控制系统的关键装备，一旦其发生故障将对飞机的运行安全造成严重影响。以飞控液压系统——飞机舱门液压驱动系统为研究对象，基于其系统结构和基本原理使用AMESim平台进行仿真建模，并通过故障仿真模拟开展故障诊断研究工作，提出了一种基于多级注意力机制的自编码器-多层感知机故障诊断方法，可以有效指导装备的维护维修工作并提高装备的运行安全性。首先，通过自编码器进行特征提取；然后，基于多级注意力机制进一步挖掘关键特征信息；最后，利用多层感知机作为分类器开展故障诊断工作。实验结果表明，与其他传统的机器学习和深度学习模型相比，所提方法的故障诊断准确率达到了97.5%且假正类率仅为1.1%,充分证明了所提方法的有效性。     

基于小波模糊网络的电厂汽轮发电机组故障诊断

针对传统故障诊断方法在汽轮发电机组振动类多重并发故障诊断中的局限性，提出了小波变换与模糊理论相结合的诊断方法。采用二进离散小波变换获取有效的故障特征向量，利用模糊诊断方程进行故障模式分类。通过选择足够的样本对故障诊断方程进行训练，将代表故障的信息输入训练好的诊断方程，由输出结果即可判定故障类型。实际应用表明该方法可以有效诊断汽轮发电机组振动类多重并发故障，诊断结果全面、准确。     

基于神经网络的凝汽器故障诊断系统

凝汽器是汽轮机的一个重要的辅助设备，本文提出了一种基于神经网络的凝汽器故障诊断方法，该方法具有较强的故障模式识别能力，为凝汽器故障诊断的自动化、科学化提供了一种有效的方法。     

基于CNN-LSTM故障诊断的自动扶梯监测软件设计

自动扶梯的数量在我国呈逐年递增的趋势。定期检测、监督抽查等常见方法通常难以检验自动扶梯内部的潜在故障。提出了一种改进的CNN-LSTM神经网络故障诊断方法，并据此采用LabVIEW设计了自动扶梯监测与故障诊断软件。基于CNN-LSTM神经网络算法，提出将数据浅层特征与深层特征进行融合的改进方法，以提高故障诊断准确率。利用凯斯西储大学数据对提出的故障诊断方法进行实验。结果表明，该故障诊断方法快速有效，针对变工况的故障诊断准确率达到99.4%。基于此，采用LabVIEW设计了自动扶梯监测与故障诊断软件。在自动扶梯关键部件安装多个振动传感器，利用监测软件进行数据采集、数据显示和数据存储。在积累大量工况数据后，可实现典型故障的诊断。     

基于小波神经网络的电动机故障识别

本文构造了一个波神经网络，利用神经网络实现了风支机故障类型的识别。理论分析和试验结果表明，以上方法对鼠笼也电动机的故障诊断是有效的，并验证了其可行性和优越性。     

改进GAN结合SDAE的传动系统主轴承故障诊断

针对传动系统主轴承故障诊断准确率低的问题，结合辅助分类器生成对抗网络(ACGAN)与堆叠降噪自编码器(SDAE),提出一种ACGAN-SDAE的故障诊断方法。通过ACGAN生成高质量的新样本，以扩充传动系统主轴承故障样本量的大小，并利用SDAE从含噪样本中提取鲁棒性特征，提高了故障诊断的准确率。仿真结果表明，ACGAN-SDAE故障诊断方法可有效诊断不同故障样本量下的传动系统主轴承故障，具有良好的域自适应性和抗噪性能，平均故障诊断准确率达到90%以上，相较于SDAE、SVM、MLP常用故障诊断方法，具有一定的优越性。