基于CBR的机载雷达故障诊断专家系统研究

以故障诊断的理论和方法为基础,综合运用神经网络、基于案例推理(CBR)和专家系统理论,对雷达装备的故障诊断问题进行研究,形成一个集成的智能诊断专家系统。介绍了系统的总体结构和工作原理,并给出具体的诊断实例,此方法充分利用神经网络和CBR的优点,将提高雷达装备故障诊断的正确性和效率。     

发动机磨损诊断的神经网络技术研究

目的：利用神经网络技术诊断发动机的磨损故障，研究神经网络技术应用于机械故障诊断领域的发展方向，方法：基于油液分析技术，对发动机常见磨损故障进行诊断，具体包括发动机磨损颗粒的识别，磨损元素浓度值的预测和磨损故障智能诊断专家系统，结果：对其于油液分析的发动机故障诊断提供了新的方法，结论：使用神经网络技术可以大大提高发动机磨损故障诊断的效率，说明该技术方法在发动机磨损故障诊断领域是有效的，同时对其它机械设备的磨损故障诊断具有借鉴意义。     

冷水机组多故障耦合研究

为了提高冷水机组的运行效率、设备可靠性和能源利用率,本研究将对冷水机组的多故障耦合进行检测和诊断。首先,本研究使用RP-1043(Research Promotion)项目的故障数据,对冷水机组几种典型故障数据进行分析对比。其次,本研究使用3种树模型对数据进行训练,发现随机森林在准确率和训练预测的效率上综合表现最好。使用随机森林模型,结合专家知识,对故障等级为1的冷水机组的运行数据进行特征选取,然后建立贝叶斯网络故障诊断模型。最后,使用该模型对实际故障案例进行诊断与分析,对比附加信息层对故障诊断的影响。结果表明,该模型仅使用故障特征节点便可以对故障进行有效的诊断,合理利用附加信息层可以进一步提高故障诊断的可靠性。     

基于伪穷举测试法的雷达板级电路故障诊断

在新型雷达装备的板级电路中,组合逻辑电路占据了相当大的比例,为了快速诊断板级组合逻辑电路故障,将伪穷举测试法用于故障诊断;在介绍穷举测试法基础上,详细阐述了伪穷举测试法的原理及分块方法;利用伪穷举测试法确定了某型雷达板级组合逻辑电路的测试矢量;建立了故障诊断测试平台;并以实例在平台上对雷达板级组合逻辑电路进行故障诊断....     

基于L-M算法的雷达板级电路快速故障诊断

新型雷达可更换的板级电路很多,为了快速诊断板级电路故障,将一种基于L-M算法的神经网络用于故障诊断;分析了L-M算法BP网络进行雷达板级电路故障诊断的原理;建立了故障诊断样本训练和测试平台;并以实例在该平台上对L-M算法BP网络进行训练和实际诊断,结果表明,该方法诊断准确性高,比其它方法更为快速有效,较好地解决了雷达可更换板级电路的故障诊断问题。     

某装备电路模块故障诊断研究

目的：研制某装备的智能化检测仪器,方法：利用“黑盒子”原理,分析了装备的电路模块输入输出信号特征,提出了电路模块故障诊断方法。结果：部分试验结果表明此方法有效,可行,结论：该方法对研究具有模块结构的其它电子设备故障诊断具有一定意义。     

基于注意力BiGRU的机械故障诊断方法研究

为了解决机械故障诊断领域传统方法自适应性差、参数选择过于依赖人工的问题,提出了一种基于循环神经网络的机械故障诊断算法。该方法利用预处理后的机械振动信号,搭建了双向门控循环单元的故障诊断模型,并进行了基于注意力机制的模型优化,提高了特征提取效率。经过美国凯斯西储大学轴承数据集以及自采集的柴油机故障实验数据验证,相比于传统神经网络算法提升了计算效率和诊断准确率,并表现出了良好的抗噪能力。结果表明,该方法可以有效适用于基于机械振动信号的故障诊断,具有一定的工程应用价值。     

基于关联规则分类的冷水机组故障诊断研究

鉴于现有基于数据驱动的故障诊断方法多以黑箱模型为主,诊断过程和结果难以解释的问题,本文提出一种基于关联规则分类的冷水机组故障诊断和故障作用机理解释的方法,在保证较好故障诊断精度的前提下,利用故障诊断模型中的规则库对诊断过程进行逆向分析,解析故障作用机理和模型的诊断过程,提升了基于数据驱动的故障诊断方法的可靠性。通过ASHRAE研究项目1043的实验数据对该方法进行验证。结果表明,基于关联规则分类的冷水机组故障诊断方法可以有效地识别7种典型冷水机组故障,平均故障诊断准确率高达90.84％。此外,提取的规则能够较好地吻合制冷原理及热力学相关知识,可用于故障作用机理分析与故障诊断的进一步研究。     

指挥控制系统智能故障诊断技术研究

为有效提高指控装备故障诊断效率,将故障树分析法引入到故障检测专家系统的推理机制中,把指控装备中复杂的诊断分解为多个相对独立的故障树,建立基于故障树的专家系统诊断模型。通过对被测对象信号描述及适配器描述工具和诊断流程输入工具的开发,可快速完成对被测对象的需求信号和故障树的配置。通过仿真表明,该方法诊断效率高,能够快速地定位故障单元,准确率高,具有较高的实用性。     

基于D-S证据理论和AHP的故障诊断方法研究

提出了一种基于D-S证据理论和AHP的故障诊断方法，给出了基于AHP法的基本概率分配构造方法．最后，结合故障诊断实例，详细阐述了该诊断方法的应用过程，在对多个传感器提供的证据进行合成后，诊断结论的可信度明显提高，不确定性明显降低，证明该诊断方法合理有效．     

神经网络在电路诊断中的应用

目的：阐述了目前电路基于数据库技术和人工智能专家系统及神经网络原理的故障诊断系统。方法：将所记录的模糊症状输入到系统中，通过模糊运算后，运用神经网络学习算法来寻找故障类型。结果：介绍了人工神经网络技术在电路诊断中的应用，并给出系统故障诊断软件的设计，结论：所用专家系统和神经网络相结合的方法改进电子电路故障诊断是可行的。     

使用表达式分析的通用故障诊断系统设计与实现

基于知识的故障诊断专家系统在应用时面临知识获取、知识表达和知识与诊断推理有机融合等几方面的困难。本文论述了一种使用表达式解析的故障诊断方法,并将其用于某型雷达系统的故障诊断保障系统中。该方法将知识表示为逻辑表达式,推理机使用表达式解析的方法推理知识。使用该方法,知识的获取和更新更加方便,并且推理机和表达式相互独立,具有相当的通用性。     

神经网络专家系统在数控机床机械故障诊断中的应用

依据单一的专家系统或神经网络在处理故障诊断中各自存在着局限性,提出将神经网络技术与专家系统融合的集成式故障诊断专家系统,并用于数控机床的机械故障诊断中。介绍神经网络专家系统结构、特点及诊断方法,利用获得的机床机械故障知识、故障样本数据对系统进行验证。结果表明该系统人机界面友好,操作简单,有效地提高数控机床机械故障诊断的水平和效率。     

面向柔性制造环境的多模型故障诊断系统

为克服第一代诊断专家系统的缺陷,提高诊断系统的性能,研制了一个面向柔性制造环境的多模型故障诊断系统。介绍了该系统的组成、结构及功能以及实现技术。     

人工神经网络和机械故障诊断

智能化诊断是现代故障诊断技术发展的主要趋势,人工神经网络技术的出现为这种智能化提供了一个全新的途径。本文首先简单介绍了人工神经网络的基本性能及几个重要模型,着重探讨了人工神经网络技术在机械故障诊断领域中预测与控制、工况监测与故障分类诊断、模糊诊断和基于专家系统的故障诊断等几个主要方面的应用,指出人工神经网络技术与现有的信号处理、模式识别、模糊逻辑、专家系统等技术相结合,以解决故障信号分析与处理、故障模式识别以及故障论域专家知识的组织和推理等问题,必将加快智能化诊断发展的进程。可以预料:基于人工神经网络的故障诊断技术将具有广阔的发展与应用前景,并且随着VLsI 技术的发展,这一新技术必将广泛地应用于各种诊断实例。最后讨论了进一步值得研究的方向。     

基于决策树算法的多联机气分插反故障诊断

本文将决策树算法应用于多联机气分插反故障诊断中,搭建了多联机实验平台采集数据,根据专家知识及数据变化模型验证选取了建模的特征变量,采用决策树C5.0算法构建气分插反故障诊断模型,进一步对由模型分类规则生成的最优变量即过冷器的EEV（电子膨胀阀）进行深入分析和验证。结果表明：将决策树算法应用于多联机气分插反故障诊断的方法,准确率为96%,有较高的准确性和可靠性,此诊断方法能满足多联机故障诊断实际运用的需要。由于多联机发生气分插反故障时,系统过热度降低,为保证多联机系统的制冷效果和能效比,可通过增大过冷器EXV开度调节。     

故障树分析法在某型飞机火控系统故障诊断中的应用

故障树分析法是系统安全、可靠性分析研究中常用的一种方法。基于故障树分析法与专家系统相结合的某型飞机火控系统故障诊断仪,以机载火控系统不工作为顶事件,建立了故障树,并对故障树作了定性分析,本系统不但具有故障诊断能力,还具有较强的自学习的功能。结果表明,故障树分析法是机载火控系统故障诊断的一种有效方法。     

基于专家系统与神经网络集成的故障诊断的应用研究

本文针对工业生产中使用的直流电动机,应用人工智能的相关理论对其故障进行了广泛深入地研究。在此基础上,探讨了专家系统与人工神经网络相集成的电动机故障智能诊断方法并加以实现。实践证明,网络的学习时间显著缩短,整个系统的推理效率明显提高,并验证了集成式专家系统的诊断效果比传统的专家系统或神经网络更为全面、准确和迅速。电动机故障的集成式智能诊断方法是一个既有理论研究意义又有实际使用价值的课题与方向。