智能故障诊断技术在空调制冷领域的应用和发展展望

介绍了当前空调制冷设备智能故障诊断技术的发展概况 ,对智能诊断在空调制冷领域的两种应用 :专家系统和神经网络进行了分析 ,指出了应用前景     

智能故障诊断技术的现状及展望

智能故障诊断技术的发展为复杂系统的可靠性、安全性以及故障诊断提供了新的途径,它是故障诊断的高级阶段。该文从基于检测手段、基于知识和基于信号处理三个方面,对智能故障诊断技术做了详细的分析与探讨,并提出了未来发展方向。     

柔性制造系统(FMS)故障诊断技术研究综述

分析FMS的特点及其故障诊断的困难性。在综合大量文献的基础上,对国内外在该领域的主要研究内容、发展现状以及研究成果进行归纳和总结,指出当前研究工作的特点和已有研究存在的主要问题。对今后的发展进行了展望,指出集成诊断、多传感器信息融合、多方法综合应用的集成智能决策系统,以及网络化远程诊断服务是FMS诊断系统研究和发展的方向。     

数控机床智能故障诊断技术的研究现状与展望

数控机床产生故障的原因多种多样,在故障诊断处理的时候往往会花费大量人力和物力,所以数控机床故障诊断技术一直以来是科研人员的研究热点。综合概括了数控机床故障诊断的特点,详细阐述了数控机床智能故障诊断技术的研究现状,指出了所存在的问题,展望了未来的数控机床智能故障诊断技术的主要研究方向。     

基于神经网络的大型风机智能故障诊断系统的研究

介绍了BP网络的基本原理,研究了基于神经网络的故障诊断方法,建立了风机常见故障模式样本。由此研制了一套基于BP网络的风机智能故障诊断系统,将其应用于某大型烧结风机的故障诊断中,结果表明:该系统诊断结果准确可靠,且具有较强的鲁棒性。     

基于自动测试的智能故障诊断系统研究

从自动测试系统对获取被测设备状态信息的通用性和快速准确性出发,设计出一套集神经网络、模糊逻辑、故障树为一体的智能故障诊断系统。此系统根据已知的测试数据,利用数据库中的预存参数和工作历史数据,采用不同的诊断策略,使故障诊断从宏观和微观两个方向着手,互为补充,确保故障诊断全面性和故障定位准确性,提高故障检出率和故障隔离率,减少故障虚警率。     

数控机床的智能故障诊断技术研究

数控机床在现代制造业中发挥着重要作用。但是,数控机床的结构和运行过程较为复杂,设备容易出现故障。数控机床智能故障诊断技术能够自动预测和诊断设备故障,对于提供机床的可靠性具有重要意义。智能故障诊断技术的研究包括故障诊断系统、数据采集与预处理技术、故障诊断模型和故障诊断系统的实现4个方面。     

基于MWT和CNN的滚动轴承智能复合故障诊断方法

提出一种基于多小波变换(MWT)和卷积神经网络(CNN)的滚动轴承智能复合故障诊断方法。对滚动轴承的振动信号进行去除后处理的MWT,得到相应的多小波系数分支;用所得多小波系数分支构造特征图,建立CNN分类器组模型,以实现滚动轴承复合故障的智能诊断。基于人工轴承故障数据集进行了实验研究,同时对诊断方法作了优化改进,即对振动信号进行MWT,用所得多小波系数矩阵构造特征图,建立CNN分类器模型,并进行了对比实验研究。结果表明,该方法能有效识别滚动轴承的复合故障,改进的方法能有效提高故障识别率,降低训练成本。     

电液伺服激振系统的智能故障诊断研究

该文针对电液伺服激振系统,根据故障诊断的基本原理,结合模式识别理论、人工智能理论和计算机科学,建立了系统故障诊断的结构模式和学习算法。利用BP神经网络与遗传算法相结合的方法,对系统故障进行模式识别和诊断,缩短了平均诊断时间,提高了诊断效率和故障识别精度。     

柴油机智能故障诊断技术及其发展趋势

总结了灰色理论、神经网络、专家系统和分形理论等智能方法在柴油机故障诊断技术中的应用,并指出了柴油机故障诊断技术的智能化、网络化和仿真化的三大发展趋势。     

基于神经网络的智能故障诊断系统的开发研究

针对传统专家系统在故障诊断领域应用中的局限性,提出了将神经网络理论与专家系统技术相结合的混合方法用于现代制造系统的故障诊断过程,并介绍了神经网络的智能故障诊断系统的体系结构,并对系统性能和构建中的一些关键技术,如神经网络构造、数据准备和网络训练等进行了探索和分析。     

机械产品智能化故障诊断技术研究现状与展望

阐述了机械产品故障诊断技术发展的三个阶段以及各阶段特点，并重点分析了90年代研究最多的两种智能故障诊断技术，最后结合目前研究工作对智能故障诊断技术进行了展望。     

粗糙集理论在智能故障诊断中的应用

神经网络和规则推理是智能故障诊断的两种重要方法。给出了粗糙集理论在这两种系统中的应用，粗糙集－神经网络（RNN）系统，粗糙集作为神经网络系统的预处理，仿真结果表明RNN系统提高了诊断准确率和诊断速度，粗糙集用于故障诊断专家系统的规则获取，可得出确定性规则和可能性规则。结果表明粗糙集方法能处理由于类重叠引起的样本信息不精确，不一致情况下的规则获取，消除故障诊断中的误报和漏报现象对诊断性能的影响。     

液压系统故障智能诊断技术的研究与发展

介绍了液压系统故障的特点、液压系统故障智能诊断技术的发展历史和研究现状;提出了液压系统故障智能诊断领域目前和将来的研究方向。     

连续采煤机运煤系统智能故障诊断

运煤系统是连续采煤机重要的组成部分,如果发生故障将导致连续采煤机停止工作,严重影响其生产率。本文在对连续采煤机运煤系统常见故障及其原因分析的基础上,通过比较分析采用遗传算法(GA)和粒子群算法(PSO)混合优化BP神经网络的方法,对连续采煤机运煤系统故障诊断进行研究。结果表明,这种方法可有效地避免BP神经网络进入局部极小值,提高学习效率和收敛精度,能更快、更准确地对连续采煤机运煤系统进行故障诊断。     

基于两级BP网络伺服阀故障诊断专家系统的研究与应用

运用人工智能提高电液伺服阀的故障诊断水平,研究伺服阀静态特性曲线和伺服阀状态的对应关系,在特性曲线上提取状态特征参数作为人工神经网络样本,把训练好的经网络作为专家系统的知识库。状态特征参数提取方法能提高训练样本的质量。利用两级ＢＰ网络建立的伺服阀故障诊断专家系统已成功应用于液压ＡＧＣ测控系统,并具有推广价值。     

人工神经网络在飞控系统故障诊断中的应用

某型飞机的作动器已有的故障诊断系统在故障检测方面较为有效,但在故障隔离方面性能较差,为此采用ANN技术时其诊断系统进行改善.针对作动器的典型故障,采用了三层前馈人工神经网络结构,介绍了共轭梯度BP算法及其编程实现过程,给出了诊断结果.诊断结果表明人工神经网络可以准确识别作动器的三种典型故障,提高了故障诊断效率及故障隔离能力.     

浅谈液压系统故障诊断的方法

介绍了液压系统故障的主观诊断法、数学模型诊断法和智能诊断法,以及各种具体故障诊断方法的特点及应用,指出专家系统与神经网络的有机结合,将成为智能故障诊断技术的发展方向.     

直升机旋翼不平衡故障诊断试验研究

通过试验验证了仅用机体振动实现直升机旋翼质量不平衡和桨距不平衡故障诊断方法的可行性.在某旋翼试验台上分别设置不同程度桨叶质量不平衡和桨距不平衡,测取台体振动信号并利用FFT做频谱分析,分析了台体振动1Ω分量大小与故障程度的关系.利用概率神经网络实现了两种不平衡故障的正确分类,用径向基神经网络实现了故障程度识别.试验结果证实.不测旋翼桨尖轨迹,仅利用机体振动可以实现旋翼不平衡故障诊断.