一种改进的基于遗传模糊规则的故障识别方法

研究了遗传算法与模糊分类相结合的故障识别方法,应用于除湿机的故障诊断。实现了模糊规则的自动提取以及模糊隶属度函数的优化,并对规则的优化方法进行了改进,降低系统运算复杂度,同时也提高了精度。该方法不需过多依赖专家经验知识,减少了人工劳动。实验结果证明方法是有效并可行的。     

基于图像处理与神经网络的内燃机故障诊断研究

在提出应用图像处理进行故障诊断的基础上，探讨了利用内燃机振动信号产生图像的方法。在对振动信号进行重抽样处理的基础上，实现了振动信号的灰度图像表示，从缸盖振动信号的灰度图像中提取图像特征并对图像特征进行模糊化处理，设计神经网络分类器，实现了对气阀机构故障的诊断与分类。     

基于小波包的气门故障诊断

本文利用小波包将信号按任意时频分辨率（满足测不准原则）分解到不同频段的特点，论述了小波包特征提取的方法。利用这一特性对柴油机气门间隙和漏气故障进行了诊断，取得了满意的结果。     

用于内燃机振动诊断的一种特征参数选取方法

针对内燃机振动诊断提出了一种新的特征参数选取方法,计算每个特征参数对各类工况的类识别率,选取对各类工况类识别率最高的前2个特征参数形成联合诊断向量.针对内燃机气门机构间隙异常故障的诊断问题,对缸盖振动信号的常用幅值域特征参数进行了选取,并采用人工神经网络模型进行了验证.结果表明:使用基于类识别率的特征参数选取方法将特征维数缩减一半时,诊断准确率的下降小于1%.     

基于Hilbert-Huang变换和多元状态估计技术的内燃机气缸压力识别

提出了一种新的内燃机气缸压力识别方法。为了实现对内燃机运行状态的实时监测与故障诊断,通过缸盖振动信号反演内燃机气缸压力曲线是一种行之有效的重要手段;本文在对缸盖振动信号特性进行分析的基础上,应用Hilbert-Huang变换对缸盖振动信号进行模态分解,提取最能反映内燃机气缸压力变化特性的振动本征模态分量;使用多元状态估计技术(MSET)建立该振动本征模态分量的Hilbert谱与气缸压力信号之间的非线性非参数回归模型;利用所建立的模型从缸盖振动信号中重构出内燃机气缸压力曲线。试验结果表明,基于Hilbert-Huang变换和MSET的气缸压力识别方法简单有效,可满足对内燃机的实时监测需求。     

车辆电气系统智能故障诊断仪的研制

车辆电气系统智能故障诊断仪由电参量、继电器状态、发动机起动和蓄电池测试电路,信号调理板、数据采集卡、工控机组件及专家系统组成.设置扫描方式、采样频率和点数并进行A/D转换后,通过程序可绘制起动电流、电压曲线,计算起动时间,单位时间内电池端电压变化率及蓄电池剩余电量.基于诊断基元和产生式规则的专家系统,根据初始故障现象找出最底层故障基元,通过多层正反向混合推理实现故障最终定位.     

导弹控制系统信息传输的网络化研究

针对当前导弹控制系统采用点对点通信方式存在的不足,提出了基于网络的导弹控制系统信息传输模式,分析了导弹控制系统信息传输网络化的基本特征,详细讨论了网络化导弹控制系统中的数据总线技术和实现导弹控制系统信息传输网络化的若干关键技术.     

智能蓄电池性能测试仪的研制

本文设计开发了一种智能蓄电池性能测试仪,用电压、电流法和比例法分别对蓄电池内阻进行检测,并可根据蓄电池内阻变化情况分析蓄电池的性能.该仪器以ADuC812单片机作为主控芯片,采用新型信号发生电路和信号采样转换电路,可根据被测蓄电池型号和工作环境的不同适时改变交流信号的频率和幅值,并能与上位机进行通信.     

基于计算机处理的畸变图像相关识别

论述了运用综合判别函数实现畸变图像识别的理论和实现方法，用计算机编程制作综合判别函数模板，并对比例、旋转等畸变图像的识别进行了实验研究和分析。     

基于神经网络信息融合的柴油机故障诊断

本文论述了神经网络信息融合的原理与方法，首先就BP网络训练速度慢，易陷入局部极小点的问题，提出将附加动量项与自适应学习速率相结合的改进BP算法，有效地抑制了网络陷于局部极小并提高了收敛速度。最后，将振动信号与血管压力信号作为特征参数，分别采用传统BP算法，改进BP算法对供油系统的三种故障进行信息融合诊断分析。实践表明，神经网络信息融合方法非常适用于多征兆机械系统的故障诊断。