用于胎压监测系统的一种改进贝叶斯估计数据融合算法的研究

针对小型汽车胎压监测系统(TPMS)利用单一传感器测量数据不确定性的问题,提出一种将贝叶斯估计和卡尔曼滤波相结合的多传感器数据融合的方法.设计满足系统功能要求的方案,运用贝叶斯估计对SP370轮胎模块中传感器采集的数据进行融合,排除失效的数据以及故障的传感器,提高系统的精度.结合卡尔曼滤波器优化融合的结果,消除噪声信号.研究结果表明,采用上述的数据融合方法能够有效的解决单一传感器测量数据的局限性,抑制传感器引入的噪声,并通过仿真验证了本系统的可行性、可靠性.     

嵌入式系统在液压状态监测与智能故障诊断中的应用

针对国产地F元轨采矿设备液压系统故障率高,而其检测和故障诊断手段落后的背景,提出了一种基于嵌入式系统的液搓状态监测与智能故障诊断模型,陔故障诊断模型通过没置在液压系统中的多源异质传感器实时采集设备特征信息,并采用模糊神经网络来实现数据的融合处理,诊断结果通过界而友好的LCD显示,实现了故障状态的实时岭测和故障的智能诊断。通过该故障诊断模型,有效地解决了无轨采矿没备液搓系统故障率高而其检测和故障诊断手段落后的问题。提高了设备故障诊断的自动化和错能化．增强了设备的市场竞争力。     

基于ARM与ZigBee的矿用通风机监测系统设计

针对传统通风机监测模式的弊端,设计了新型矿用通风机在线监测系统.采用ARM-Linux嵌入式架构与ZigBee无线传感器网络技术实现对通风机运行状态的实时监测.无线传感器网络负责状态数据的采集与传输;采用Qt开发上位机监测软件,实时显示通风机相关部位的温度、振动、风压、风量以及电动机的电量参数,同时对通风机异常状态进行报警;通过手动与触发方式控制通风机传感器节点采集振动加速度数据,并以.txt格式存储于SD卡中以用于通风机故障诊断.整个系统安装简单、使用灵活,实际应用表明该系统能够很好地完成通风机状态监测任务.     

基于贝叶斯网络的变压器在线监测与分析系统设计

为提升对变压器运行监测水平,全面掌握其性能状况,提前发现故障隐患,在研究变压器各项参数监测的基础上,构建了变压器在线监测与分析系统.以研华PCI-1712数据采集卡为核心搭建系统硬件平台,构建了贝叶斯网络的性能分析模型,以LabVIEW设计算法和调用DLL库函数节点完成数据信号处理和系统分析、推理以及故障诊断报告的生成.仿真及实验表明,该系统能高效全面地监测变压器运行状态并做出状态分析、推理,功能丰富、易于扩展,具有广阔的应用前景.     

基于混合差分蜂群算法的贝叶斯网络结构学习

贝叶斯网络的结构学习是贝叶斯网络理论模型的核心,而现有的贝叶斯网络结构学习算法一般存在效率偏低的问题.针对此问题,文中提出基于混合差分蜂群算法的贝叶斯网络结构学习算法.该算法首先利用最大生成树准则得到初始种群,然后利用差分进化算法中的交叉、变异规则优化初始种群.在使用差分进化算法的过程中,分别将蜂群算法应用于变异阶段和优化改进交叉阶段,并且将云自适应理论应用于选择阶段选择生成个体.在经典贝叶斯网络上的仿真实验证明,文中算法在贝叶斯网络结构学习中具有较强的寻优能力.     

基于扩展贝叶斯理论的飞机液压系统效能评估北大核心

飞机液压系统准确效能评估,是分析实际作业中飞机液压系统运行情况及其结构功能优化设计的基础。针对传统效能评估方法普遍依赖专家决策的问题,以贝叶斯理论为基础,提出了一种考虑评估指标数据可信度的扩展贝叶斯效能评估模型。模型利用提出的改进灰色关联分析法获得评估指标数据的可信度量化值,将其与指标数据作为评估指标的二维数组表达,并通过扩展贝叶斯理论进行专家数据和仿真数据等异构数据的分析融合。以某型飞机液压系统为例,验证了上述方法在飞机液压系统效能评估中的有效性,并可用于多源数据的系统效能评估中。     

基于卷积神经网络的飞机液压系统故障诊断

现代飞机系统的复杂度和集成度均大幅提升,使得其故障诊断存在难度高和准确率低等特点。采用一维卷积神经网络方法对军用飞机液压系统的故障诊断问题进行了研究,构建了满足多传感器数据分析要求的卷积神经网络模型。考虑到神经网络的输入来自不同的传感器数据序列,各数据序列之间的空间关系不明显,因此,即使网络输入是二维形式,而实际的卷积操作均在一维上进行。通过解决某飞机液压系统的故障诊断问题,证明将标准化后的多传感器数据序列及对应故障模式作为训练样本对卷积神经网络模型进行训练时,采用满足训练要求的网络对飞机液压系统进行故障诊断时具有较高的准确率。     

基于幂均算子和证据理论的故障诊断方法

将证据理论在处理不确定性信息方面的优势用于故障诊断，可提高诊断的精确度和准确性.从证据理论的角度来看，从每个发动机传感器获得的信息可以看作一条证据，基于多传感器信息的发动机故障诊断即是一个证据融合问题.本文使用证据理论作为描述发动机状态的多传感器信息建模方法.首先，在处理特征值样本数据时，引入幂均算子的方法以提高整个故障诊断系统的准确性；通过量化待测特征值和故障原型之间的距离生成基本概率分配函数；然后引入证据信息量的方法对融合后的结果进行性能评估；最后通过发动机故障案例对该方法进行验证，并与其它方法进行对比，结果充分证明了该方法的真确性与可靠性.     

改进BP神经网络的EPS扭矩传感器的诊断

为了准确检测到EPS(电动助力转向系统)扭矩传感器的具体故障部位,及时发现可能出现的故障,提高扭矩传感器的可靠性.针对BP神经网络的不足,提出了一种基于改进型BP神经网络的扭矩传感器故障诊断方法,通过对隐层神经元的修正,改进了BP神经网络的网络结构和训练方法,并应用于EPS扭矩传感器的故障诊断中.对扭矩传感器故障诊断系统进行仿真,结果表明,该方法在扭矩传感器的故障诊断方面能够取得很好的效果.     

内燃机工况数据采集与处理系统设计

针对内燃机在线监测和故障诊断的需求,利用研华PCL-818HD数据采集卡构建了内燃机工况参数数据采集系统的总体硬件框架;设计了包括加速度传感器、外卡油压传感器和电流电压传感器等在内的信号调理电路;介绍了基于VB和DLL技术的Windows环境下数据采集程序的编制;研究了模糊模式识别方法在内燃机各子系统故障诊断中的应用和基于D-S证据理论的信息融合方法对内燃机整机状态进行性能评估的策略.