粗糙集理论在柴油机故障诊断中的应用

以柴油机故障诊断为背景,研究了基于粗糙集理论的参数优化在故障诊断中的应用.首先采用小波包能量谱方法提取振动信号的特征参数,并用粗糙集理论对其进行属性约简,最后用RBF神经网络对各类故障进行辨识,结果表明:利用粗糙集约简后,通过减少神经网络的输入节点数,简化网络的结构,提高了诊断的准确率及效率.     

防盗装置在抽油机减速器的应用

抽油机减速器工作在野外,无人看护,经常会发生润滑油被盗的情况。润滑油一旦被盗,减速器的轴承及内部零件就会因干摩擦而损坏。偏心螺栓的出现能有效地防止润滑油被盗,在油田应用广泛。     

大型复杂装备智能化故障诊断方法

为提高大型复杂装备故障诊断的准确率和效率,提出了一种智能化故障诊断方法。该方法以粗糙集理论为基础,实现信号采集位置优化和特征值约简,应用信息融合技术将振动和噪声信号融合诊断,通过人工神经网络进行故障模式分类,以柴油机为例,验证了方法的正确性和有效性。     

基于变精度粗糙集的柴油机监测点优化

为获得有效的柴油机振动信号监测点,提出了一种基于变精度粗糙集模型的测点优化方法。该方法在保证集合相对可辨别性的前提下,计算各个测点的阈值,并以此作为测点优劣的评判标准。以某大功率柴油机为例,采集不同测点位置的振动信号,并提取频域特征值;应用基于变精度粗糙集的方法进行测点的优化计算,与实验结果进行对比,表明该方法能够有效区分不同测点位置以及不同故障类型的敏感程度,从而得到效果较好的振动信号监测点位置,同时减小噪声对故障诊断的影响,有利于提高故障诊断的准确率和效率。     

基于粗糙集和神经网络的柴油机故障诊断

介绍了粗糙集理论的核心内容和ROSETTA软件的特点,给出了基于粗糙集理论的柴油机缸盖振动信号的故障诊断系统。以某型号大功率柴油机为例,首先将提取的缸盖振动信号经过小波包消噪和时域、频域分析,构造出用于故障诊断的特征值,然后应用ROSETTA软件约简特征属性,最后通过神经网络进行故障模式分类。通过对比ROSETTA软件处理前后神经网络的输出结果,表明粗糙集理论能优化特征属性,有效地减少神经网络的输入节点数,提高故障分类的准确率。     

基于博弈论的内河港口作业车辆协同选路方法

针对以汽车运输为主且吞吐量较大的内河港口的交通拥堵问题,提出一种基于博弈论的内河港口作业车辆协同选路方法。首先,基于港口路网特征与车辆作业特点,将同时请求路径规划的作业车辆间的交互建模为不完全信息博弈,采用满足均衡（SE）的概念来分析该博弈。假设每个车辆对选路效用都有一个预期,当所有车辆都得到满足时博弈即达到均衡。然后,提出了一种车辆协同选路算法,算法中每个车辆首先按照贪心策略初始选路,之后将所有车辆按规则分组,组内车辆根据历史选路结果进行适应性学习并完成博弈。实验结果表明,当港区同时作业车辆数为286时,协同选路算法的车辆平均行驶时间分别比Dijkstra算法和自适应学习算法（SALA）少50.8%和16.3%,系统收益分别比Dijkstra算法和SALA提高51.7%和24.5%。所提算法能够有效减少车辆平均行驶时间,提高系统收益,更适用于内河港口车辆选路问题。