大坝安全监测数据误差检测的MSDF方法

应用大坝中的传感器（测点）在信息上存在的相互印证关系，进行多传感器信息融合分析。给出了在大坝安全监控专家系统中集成多支传感器的信息进行系统误差识别和监测故障判别的原理和步骤，从而及时检出存在误差的监测值并揭示误差原因。为大坝安全自动监控提供可靠依据。     

基于Dempster-Shafer证据理论的柴油机故障诊断

在简述多传感器信息决策层融合暨Ｄｅｍｐｅｒ－Ｓｈａｆｅｒ证据理论的基础上,研究了决策层信息融合的实现方法和算法,利用柴油机表面振动信号与高压油路压力信号所提供的特征信息进行融合处理,使用决策规则对柴油机供油系统工作过程多种故障进行了诊断识别。通过分析、比较基于融合信息进行诊断识别的结果与单传感器信息诊断识别的结果,说明了多传感器信息融合的诊断识别方法具有良好的稳定性、精确性和容错性,能够有效地提高     

基于信息融合技术的发动机故障诊断的研究

研究了信息融合技术在电控发动机故障诊断中的应用。研究结果表明,基于神经网络的特征层信息融合诊断效果明显优于单一传感器,而且可实现信息压缩,进行实时处理与诊断;基于Dempster-Shafer证据推理的决策层信息融合,可对异质传感器信息进行非同步处理,对发动机故障分类准确性高、可靠性强,但融合精度不及特征层融合方法,预处理代价高。在实际应用中,应根据传感器类型、信号预处理方式、系统的复杂程度等合理选择信息融合方法。     

基于BP神经网络的电控汽油机传感器故障调节技术研究

应用人工智能神经网络，提出了一套针对电控汽油机主要传感器的故障调节策略。故障调节模块根据处于正常工作状态的传感器信号输入，针对故障传感器信号进行估计输出，控制发动机继续运转。最后，通过台架试验采集的信号，对故障调节神经网络进行了训练和验证。结果显示，大部分工况下进气压力传感器和节气门位置传感器的信号重构误差可控制在10％以内，表明了所提出的调节策略是切实有效的。     

一种面向测量偏差的传感器故障诊断方法

传感器是任何测控系统中必不可少的部件,而传感器在高温、振动、腐蚀性等恶劣环境下工作,极易发生故障,因此,开展传感器故障诊断意义重大。常规的传感器故障诊断方法是直接分析传感器的测量值,这种方法测得传感器的故障信号不灵敏,且无法实现变工况下的诊断。因此,基于性能仿真模型与D-S证据理论信息融合技术,提出一种面向测量偏差的传感器故障诊断方法,并应用于燃气轮机传感器故障诊断。仿真试验结果标明,该方法可以提高监测传感器故障的灵敏度,准确地识别出各类传感器故障,并进行数据恢复,减少不必要的停机。     

基于多源数据融合技术的输电线路故障定位方法

鉴于现有输电线路故障定位算法的定位结果各不相同影响到电力系统基于故障的快速恢复问题的分析,根据两端距离继电器的多源故障测距结果,提出了一种提高输电线路故障测距精度的新方法,该方法将两端定位结果与故障位置相互关联,据此建立基于多传感器数据融合的输电线路故障测距模型,该模型将模糊推理系统作为故障场景识别的初始融合步骤,并计算加权协方差融合(WWCF)系数,确定最终融合结果。最后利用PSCAD/EMTDC和变电站现场记录数据进行算例分析,针对不同故障类型、故障位置、故障电阻、故障起始角、潮流、线路参数和两端不同步角进行测试,结果证明所提方法的可行性和有效性。     

基于神经网络信息融合的发动机失火故障诊断

对发动机气缸失火故障进行实车模拟试验,测量了发动机的机体振动信号及瞬时转速信号,并对其进行了时、频域分析.通过小波分析方法提取了振动信号能量特征,通过复杂度分析方法提取了转速信号的复杂度特征用于故障诊断.根据多传感器信息融合理论,建立了集成神经网络信息融合模型对气缸失火故障进行了诊断.结果表明,发动机机体振动能量特征和转速复杂度特征能够反映气缸失火现象,基于发动机振动和转速信息融合进行气缸失火故障诊断,诊断可靠性较高.     

针对位移传感器故障的容错式电液控制系统

针对位移传感器故障的容错式电液位置控制系统，用位移相传感器测量液压缸的位置，用压力传感器测量液压缸容腔的压力。当位移传感器出现故障时，对系统控制律进行重构，改位置反馈为压力反馈，电注位置系统仍能降糖度稳定运行。     

基于BP神经网络的电控汽油机传感器故障在线诊断技术研究

应用人工智能神经网络和推理法则，提出了一套针对电控汽油机传感器的在线故障诊断策略。以传感器采样值作为神经网络的输入，故障代码作为输出，对电控汽油机进行在线故障诊断。通过台架试验对神经网络进行了训练和验证，结果表明，提出的诊断策略对节气门位置传感器和进气压力传感器短路、断路和值不变故障诊断率达到98％，对未标定故障的诊断率也达到85％。研究表明该诊断策略是可行的。     

电喷发动机故障诊断误区

1、汽车运行时故障明显,传感器有故障而自诊断系统没有监测到. 电控汽车控制电脑(ECU)对传感器信号进行检测时,只能接受其设定范围之内的传感器非正常信号,从而判别传感器的好与坏,记录或不记录故障代码.一旦解读故障代码故障后,只要对相应的传感器、导线连接器、导线进行检查,找到并排除短路、断路的故障即可.但是,若因某种原因致使传感器灵敏度下降、反应迟钝、输出特性偏移等,则自诊断系统就测不出来了.尽管发动机确有故障表现,但是自诊断系统却输出了正常的无故障码(故障指示灯不闪烁).这时就应该依据发动机的故障征兆进行分析判断,继而对传感器单体进行针对性检测,以便找到并排除传感器故障.     

BP神经网络在高压共轨式电控柴油机故障诊断中的应用

作者运用了优化算法的BP神经网络设计高压共轨式电控柴油机的故障诊断系统，以电控发动机的传感器数值作为BP网络的输入，把发动机的故障状态作为BP网络的输出，以此来对电控柴油机进行实时的故障诊断。将诊断结果与实测结果进行比较后，证明此方法是可行的。     

基于小波包能量特征向量神经网络的旋转机械故障诊断

为精确诊断旋转机械的故障,提出一种基于小波包特征向量的神经网络故障诊断方法。用转子台信号模拟旋转机械故障,并对采集到的信号进行3层小波包分解,构造小波包特征向量,并以此为故障样本对3层BP网络进行训练,实现智能化故障诊断。实验结果表明训练好的神经网络能够很好地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。     

基于VMD和SVPSO-BP的滚动轴承故障诊断

为了提高旋转机械滚动轴承故障诊断的准确率,提出一种基于变分模态分解（VMD）和缩放变异粒子群算法（SVPSO）优化BP神经网络的旋转机械滚动轴承故障诊断方法。通过在标准粒子群算法中加入缩放因子以及粒子变异操作提升其局部与全局寻优性能,得到一个改进的粒子群算法——缩放变异粒子群算法（SVPSO）,再利用该算法优化BP网络的权值与阈值,提高BP神经网络的故障诊断精度;进一步,为了减少输入特征向量对BP神经网络分类性能的影响,采用VMD分解轴承振动信号,并计算其IMF分量时频熵的方法构建信号特征向量。通过与其他采用相同基准轴承数据集的诊断方法作对比,所提方法的故障诊断精度和算法稳定性均得到有效提升。     

基于布谷鸟搜索算法优化BP模糊Petri网的水电机组故障诊断

针对水电机组故障诊断的复杂性和传统算法存在的缺点,提出采用布谷鸟搜索算法优化BP模糊Petri网进行故障诊断。首先利用布谷鸟搜索算法的全局搜索功能对网络参数寻优,将得出的全局最优解作为BP模糊Petri网的最优初始参数,再用选取的故障样本数据对模糊Petri网进行学习训练,建立故障特征集到故障类型集的映射关系以实现故障分类。仿真试验表明,该故障诊断方法收敛速度快、准确率高,可应用于实际水电机组故障诊断。     

基于人工神经网络技术的发动机故障诊断系统

介绍了人工神经网络技术的基本概念、BP（Error Back Propagation）网络的基本结构、原理及其学习算法。分析了基于传统的专家系统理论的汽车故障诊断系统在知识获取、知识表达、及推理能力等方面的缺陷,提出了采用人工神经网络技术来解决发动机故障诊断问题的设想,研制开发了一套故障诊断装置。     

基于数据融合技术的凝汽器故障诊断研究

为了实现对核动力装置凝给水系统故障的识别和准确诊断,将数据融合技术应用于凝汽器故障诊断中,建立了BP神经网络和D-S证据理论融合的故障诊断模型,仿真实验证明该诊断系统可有效地提高诊断可信度,减少诊断的不确定性.     

基于小波神经网络的旋转机械故障诊断

研究了小波变换与人工神经网络结合起来应用于旋转机械故障诊断的问题。通过选择合适的参数，对故障信号功率谱进行小波分解，简化了故障特征向量的提取。建立了基于小波变换和BP网络的混合诊断模型，成功地实现了对故障的智能诊断。     

基于小波包特征向量弹性BP算法的故障诊断

为精确诊断转子故障,采用了基于小波包能量特征向量的弹性BP神经网络和最速下降BP算法神经网络的故障诊断方法,对采集到的信号进行3层小波包分解,构造小波包特征向量,对样本进行3层BP网络训练,实现智能化故障诊断。结果表明采用改进的BP算法优于最速下降BP算法,训练的网络可以很好地诊断转子故障。     

基于改进的BP神经网络学习算法的变压器故障诊断

电力变压器的故障除了给其自身带来重大损失外,还对电力系统的安全造成很大影响。利用BP神经网络对变压器故障进行诊断,针对BP神经网络学习率的缺点,提出了一种跟踪型自适应学习率的确定方法,该方法仅需整定一个参数,有效地提高了BP神经网络的收敛性和训练时间,进而通过构建变压器故障诊断训练样本集,验证了该方法的可行性,获得了更精确的诊断结果。