故障检测与诊断技术在暖通空调领域的应用和展望

介绍了暖通空调系统(HVAC)故障检测与诊断(FDD)的概念,发生故障的原因以及主要的故障检测与诊断方法,比较了常用的故障检测与诊断方法的优缺点,分析了国内、外暖通空调故障检测与诊断的研究现状和应用情况,对暖通空调故障检测与诊断的发展过程与方向进行了总结和展望。     

基于参数测量法的液压系统故障诊断

本文从选择液压系统故障诊断的特征参数出发,探讨了液压系统故障诊断的理论与方法,提出了基于参数测量法的液压系统故障诊断方法与诊断步骤,并进行了故障的实例诊断。结果表明,参数测量法诊断机械设备的液压系统故障是方便、有效的。     

机械设备诊断技术的发展与研究(上)

本文分析了采用机械设备诊断技术的必要性,介绍了国内外机械设备诊断技术发展与研究的现状;接着提出机械设备诊断技术的目的、任务、内容与诊断过程,建议按信号的测取方式、信息的提取方式、状态的诊断方式对诊断方法进行分类;最后展望了专家系统在设备诊断中的应用前景。     

旋转机械故障智能诊断与预报方法综合研究

系统地介绍了由灰色理论、模糊理论、神经网络理论及模糊神经网络理论等各类先进的诊断技术汇总开发的一套旋转机械故障智能诊断与预报系统软件 ,实现了多类方法进行综合诊断的功能 ,并且通过实例验证了该诊断与预报系统软件的可行性 ,从而为旋转机械故障诊断与预报专家系统的研究与开发提供了一定的借鉴。     

基于混合推理的给水泵故障智能诊断系统

阐述模糊推理与规则推理相结合的混合诊断推理方法,提出给水泵振动故障诊断的数学模型.确定诊断流程,给出一个现场诊断实例,其诊断结果与现场检查结果基本一致,验证了这种方法用于给水泵振动故障诊断的可行性.     

基于LabVIEW的发动机异响监测与诊断系统研究

对虚拟仪器技术和LabVIEW虚拟仪器开发平台进行概述,对不同类型、不同状态下的发动机异响诊断原因和诊断方法进行研究,对比人工诊断和基于现代信号处理的诊断方法,基于LabVIEW开发出发动机异响监测与诊断系统,对发动机的异响进行分析与诊断,实现对发动机运行状态的识别和发动机故障的诊断。     

设备故障智能诊断与预测支持系统在PDP生产线绑定机上的应用

设备故障智能诊断与预测支持系统是诊断与预测支持系统与人工智能的集成,主要功能是对设备故障进行分析、诊断和预测。本文对IDPSS在PDP生产线邦定机上对故障智能诊断与故障预测的应用进行了分析,并对IDPSS在生产设备上的推广进行了前景展望。     

机械故障快速诊断技术

机械故障快速诊断技术是体现诊断效益的客观要求。提高设备诊断速度必须实施综合诊断,它包括诊断手段、分析方法、和诊断层次三个方面,机械设备维修方案的确定则应根据具体的设备和现场情况确定,实施综合诊断,加强针对性维修策略是实施快速诊断与维修的发展方向。     

第十三讲 功能安全认证过程中对诊断的判别、计算与测试

准确的诊断可以检测安全相关子系统的故障,有效提高安全性与可用性.在功能安全认证与功能安全平估过程中,需要对每一种诊断措施进行分析判别、测试其有效性,并计算诊断覆盖率.本文介绍了安全完整性等级(SIL)与诊断的关系及相关技术.     

基于模糊理论与规则的减速机故障诊断专家系统关键技术研究

为克服减速机故障传统诊断方法存在的诊断效率低、缺乏科学性等弊端,采用专家系统的开发思想与技术实现故障的智能诊断,并将基于贴近度的模糊诊断与基于规则的不精确推理相结合的故障诊断推理技术运用于诊断专家系统的推理中,旨在能够实现故障诊断的快速准确性,保证设备安全、可靠的运行.     

神经网络和证据理论融合的故障诊断方法研究

针对传统故障诊断方法存在的诊断准确率不高的问题，利用数据融合原理，将神经网络和证据理论进行有机结合，使两者优势互补，提出了神经网络和证据理论融合的故障诊断方法。通过简化网络结构提高了局部诊断网络的诊断能力，并使证据理论的基本可信度分配不再完全依赖专家进行的主观化赋值，从而实现了赋值的客观化。充分利用各种故障的冗余和互补信息，显著提高了故障诊断的准确率。在材料试验机伺服系统的液压泵上进行了模拟故障诊断试验，验证了该方法的有效性。     

Hybrid modified evolutionary particle swarm optimisation-time varying acceleration coefficient-artificial neural network for power transformer fault diagnosis

In power transformer fault diagnosis, dissolved gas analysis (DGA) has been widely used to identify the type of the fault. The common methods of DGA are IEC 60599 method, Doenenberg’s ratio method and Roger’s ratio method. The accuracy of the DGA diagnosis will determine the cost, duration and workload of the maintenance since it can influence the error in the maintenance. Although DGA methods have been used widely, sometimes they still yield incorrect diagnosis results. Thus, many works on transformer fault diagnosis have been proposed previously, which include artificial intelligence methods, to improve the accuracy of transformer fault diagnosis. However, the accuracy of the previously reported works is believed to have rooms for improvement. Therefore, in this work, hybrid modified evolutionary particle swarm optimisation-time varying acceleration coefficient (MEPSO-TVAC)-artificial neural network (ANN) was proposed for transformer fault diagnosis based on dissolved gas data. This is due to these two methods have never been proposed for transformer fault diagnosis in the past. The performance of the ANN was optimised through the proposed MEPSO-TVAC. The superiority of the proposed method was demonstrated through comparison with the existing DGA methods, unoptimised ANN and previously reported methods in literatures. The comparison shows that the proposed hybrid MEPSO-TVAC-ANN obtained the highest accuracy among all methods, which can then be used for power transformer fault diagnosis.     

BP神经网络在滚动轴承早期故障诊断中的应用

滚动轴承是旋转机械中应用普扁而又易损的元件之一，其故障在机械故障中占有很大的比例．因此，轴承故障诊断、特别是早期诊断很受重视．本文将神经网络应用于轴承早期故障诊断，简要说明了ＢＰ神经网络的基本原理、算法及特点，介绍了实验数据的分析过程和参数选择原则．实验结果表明，选择适当的网络结构进行训练、学习和检验，可以把良好轴承、内环缺陷轴承、外可缺陷轴承、滚子缺陷轴承及具有三种综合缺陷的轴承区分开来，并能初步估计出缺陷的大小．     

基于人工神经网络的数字电路板故降诊断

讨论了故障诊断的原理和方法,介绍了人工神经网络在数字电路板故障诊断中的应用,阐述了采用BP神经网络进行电路板故障诊断的结构.     

小波分析和神经网络在超声波检测中的应用

小波分析和人工神经网络的引入,让检测得到了从定性到定量的提高。运用小波分析从超声波检测装置提取的信号,得到的特征值可作为神经网络的输人参数,用于训练和识别,实践表明,通过这种智能诊断系统可以得到令人满意的定量诊断结果。     

Gear fault detection and diagnosis under speed-up condition based on order cepstrum and radial basis function neural network

Varying speed machinery condition detection and fault diagnosis are more difficult due to non-stationary machine dynamics and vibration. Therefore, most conventional signal processing methods based on time invariant carried out in constant time interval are frequently unable to provide meaningful results. In this paper, a study is presented to apply order cepstrum and radial basis function (RBF) artificial neural network (ANN) for gear fault detection during speedup process. This method combines computed order tracking, cepstrum analysis with ANN. First, the vibration signal during speed-up process of the gearbox is sampled at constant time increments and then is re-sampled at constant angle increments. Second, the re-sampled signals are processed by cepstrum analysis. The order cepstrum with normal, wear and crack fault are processed for feature extracting. In the end, the extracted features are used as inputs to RBF for recognition. The RBF is trained with a subset of the experimental data for known machine conditions. The ANN is tested by using the remaining set of data. The procedure is illustrated with the experimental vibration data of a gearbox. The results show the effectiveness of order cepstrum and RBF in detection and diagnosis of the gear condition.     

人工神经网格在机械制造工程中的应用

对应用人工神经网络（ＡＮＮ）方法解决制造工程中的问题进行了深入分析与探讨。分析了在制造工程中应用ＡＮＮ的必要性和可行性，并具体针对质量保证、机器故障诊断、过程控制和工程设计等进一步讨论了如何在制造工程中应用ＡＮＮ。     

往复压缩机故障诊断技术中若干问题研究

介绍了往复压缩机故障诊断技术中的若干问题，包括：故障模式与诊断方法、数学模型与故障样本、分级诊断策略与人工神经网络、智能诊断系统构造等的研究结果。提出应根据故障模式来选择诊断方法；对于多级压缩机应采用两级诊断方案等观点。文中还简述了基于人工神经网络的智能诊断系统构造，并给出该系统的结构简图。     

风力发电机组故障诊断与预测技术研究综述

随着风力发电机组装机容量的快速发展,累计运行时间的持续增长,风电机组的维护问题日益突出,迫切需要研发有效的风电机组故障诊断与预测系统。从故障诊断和故障预测两个方面,归纳风力发电机组的主要故障特点;针对故障诊断难点问题,分析和总结基于振动、电气信号分析和模式识别算法的故障诊断方法的研究现状,指出各种方法的技术特点、局限性和今后的发展趋势;针对风电机组中机械结构和电子系统性能退化的各自特点,归纳当前的研究进展,提出物理失效模型和数据驱动模型融合的故障预测方法;最后,归纳了利用风力发电机组数据采集与监控系统(SCADA)数据进行故障诊断与预测的最新进展及需要进一步研究的问题。     

基于人工神经网络技术的产品可装配性评价

讨论了以往产品可装配性评价方法的不足,并根据人工神经网络的特点,阐述了人工神经网络在可装配性评价中运用的适用性和基于人工神经网络的可装配性评价的实现方法,根据Ｂｏｏｔｈｒｏｙｄ方法中提供的实验数据,通过神经元网络学习建立了评价模型,依此模型可以对表征产品可装配性的装配时间等指标进行评价,为优选设计方案和改进设计提供决策支持。