基于支持向量机的往复泵泵阀故障诊断方法

提出一种基于支持向量机的往复泵泵阀故障诊断方法。该方法将泵阀振动信号的小波包变换系数作为特征向量，输入到由多个支持向量机构造的一个多值分类器中进行故障模式分类。试验结果表明，该方法不仅可以对发生故障的单个泵阀进行诊断，而且还能对同时发生故障的多个泵阀进行诊断。与常用的人工神经网络方法比较，该诊断方法具有更好的有效性、鲁棒性和推广性，在机械设备故障诊断中有很好的应用前景。     

基于免疫系统的往复泵在线故障诊断方法

生物免疫系统的主要功能是检测和杀伤来自生物体内外称为抗原的非己物质，受免疫系统自己－非己识别过程的启发提出的反面选择算法能检测任何异常变化。结合故障诊断应用领域对反面选择算法进行了改进，提出了对往复泵泵阀进行在线故障诊断的新方法。通过诊断实例表明，该方法是可行的，能对往复泵泵阀故障进行准确的在线诊断，对其它设备的在线故障诊断也同样适用。     

活塞式氢气压缩机排气温度超限故障诊断方法

针对活塞式氢气压缩机各级排气温度超限的故障难以用传统故障的二态性准确描述，以及目前未见能对该故障实施自诊断的故障诊断系统等问题，以DW-(5.6-13)/(0.2-0.5)-20型无油润滑变频活塞式氢气压缩机为研究对象，对相关零部件进行了重要度分析，并设计了故障自诊断系统。首先，对该故障搭建了模糊高木-关野(T-S)故障树模型，并利用基于贝叶斯网络(BN)的T-S故障树分析法对底事件进行了重要度分析，以确定薄弱环节和故障零部件诊断顺序；然后，利用模糊数表征了零部件的故障状态，对排气温度超限故障发生概率进行了预测；最后，设计了基于规则的故障诊断专家系统，并对实例进行了故障原因的推理排查。研究结果表明：基于规则的故障诊断专家系统在对现有故障数据进行分析后，其诊断结果与事实相符，说明该系统能够准确地诊断出故障原因，并进行自诊断；同时，基于BN的T-S故障树分析法，使该系统可对顶事件故障发生概率进行预测，为活塞式氢气压缩机故障诊断提供了一个可行方案。     

连续小波变换在往复泵泵阀故障识别中的应用

探讨了小波变换在往复泵泵阀故障识别的应用。分析研究表明,通过对测取的往复泵阀箱上振动加速度信号的小波变换,可有效提取泵阀失效的故障信息,结合泵阀关闭位置信号的相位分析,可较为准确地判别三缸泵任一泵阀的故障,该方法用到的测量数据少,具有较为理想的诊断树现场往复泵泵阀状态监测与故障诊断具有重要意义。     

往复泵泵阀的谐波小波包分析及LS-SVM方法研究

针对往复泵泵阀冲击振动信号的非平稳特性,运用谐波小波包能量特征提取和最小二乘支持向量机(LSSVM)相结合的方法识别泵阀故障。通过对泵阀冲击振动信号进行谐波小波包分解,提取各频段谐波小波包系数的能量值,将各频段能量值组成的特征向量作为诊断模型的特征向量,输入到LS-SVM多类分类器中进行故障识别,并将谐波小波包与小波包在泵阀故障诊断中的诊断准确率进行了比较。试验结果表明将谐波小波包分解和LS-SVM相结合可以准确有效地识别泵阀故障类型。     

小波分析在钻井泵阀故障诊断中的应用

较详尽地讨论了钻井泥浆泵阀的失效机理，针对钻井泵使用工况恶劣、环境噪声大的特点，利用声信号诊断泵阀故障，通过对声信号的多尺度小波分解，找出了泵阀失效的故障特征，用该方法能很好地诊断出泵阀的泄漏故障。     

基于遗传优化推理的液压故障诊断方法

文章提出运用遗传算法进行优化推理实现故障诊断的方法。针对某实际的液压系统,在进行仿真的基础上,通过设定故障,利用遗传算法寻优得到故障参数。仿真与实验结果表明该方法能够准确实现故障的定位与诊断,验证基于遗传优化推理的液压系统故障诊断方法的有效性。该方法可以应用于大型液压系统的故障诊断。     

基于神经网络联想记忆的数控机床故障诊断系统

文章根据数控机床故障诊断的特点,分析了数控机床故障诊断系统的故障原因和故障源,然后引入一种带联想记忆功能的神经网络模型,并介绍了这种模型的原理和算法;最后利用所得的神经网络模型,对该故障系统的样本进行学习并记忆,再就检测或用户输入得来的故障原因进行联想回忆,得到诊断结果。实验结果表明,这种基于神经网络联想记忆的数控机床故障诊断系统简单,且能满足数控系统的故障诊断要求。     

三缸往复泵泵阀故障诊断系统的应用

介绍了往复泵泵阀故障诊断系统的原理与结构,阐述了系统并对之进行分析、诊断的基本方法与过程,通过可靠的振动信号分析结果,证明了该系统的有效性。     

基于神经网络的余度敏感器结构故障诊断方法

针对飞行载体中余度敏感器结构的故障诊断，讨论了基于神经网络的直接比较测量值的诊断方法。应用自适应线性元件能实现线性，感知器具有分类的特点，设计出一种神经网络，可用于余度敏感器结构的故障诊断。仿真结果表明：这种方法不仅可以检测出故障、故障的类型和发生的时间，而且灵敏度高，为余度敏感器结构的故障诊断提出了一种有实用价值的方法。     

A hybrid approach of rough set theory and genetic algorithm for fault diagnosis

This paper proposes an integrated intelligent system that builds a fault diagnosis inference model based on the advantage of rough set theory and genetic algorithms (GAs). Rough set theory is a novel data mining approach that deals with vagueness and can be used to find hidden patterns in data sets. Based on this approach, minimal condition variable subsets and induction rules are established and illustrated using an application for motherboard electromagnetic interference (EMI) test fault diagnosis. This integrated system successfully integrated the rough set theory for handling uncertainty with a robust search engine, GA. The result shows that the proposed method can reduce the number of conditional attributes used in motherboard EMI fault diagnosis and maintain acceptable classification accuracy. The average diagnostic accuracy of 80% shows that this hybrid model is a promising approach to EMI diagnostic support systems .     

基于免疫机理的往复压缩机气阀故障检测方法

气阀故障是往复压缩机最常见的故障类型之一,由于往复压缩机的工作机理复杂,故障样本缺乏,难以应用常规方法对其进行有效的故障检测。为了能够准确检测气阀的各种故障,基于生物免疫系统的反面选择机理及反面选择算法,首先对设备故障检测问题进行了描述,引进了设备状态空间、自己—非己空间及模糊空间的概念,继而提出了适于往复压缩机气阀故障检测的新方法。通过对气阀常见故障的检测结果表明,所提出的方法能够以异常度曲线的形式较好地反映出气阀的各种故障,表明了该方法的有效性。基于免疫机理的设备故障检测方法,是在对设备正常运行数据学习的基础上,实现对设备的故障检测,不需要设备运行的故障数据,它适合对故障数据缺乏的设备进行有效的故障检测。     

基于小波包与粗集的往复压缩机故障诊断方法

提出了基于小波包与粗集的往复压缩机故障诊断的新方法。该方法使故障特征提取及规则的提取都由计算机自动完成，经诊断实例表明，使用该方法可对往复压缩机进行有效的故障诊断。     

基于信息熵属性约简的航空发动机故障诊断

针对不协调信息条件下的航空发动机故障诊断问题,研究了基于信息熵属性约简的故障诊断方法。首先定义了故障诊断信息系统来描述不协调故障样本数据,针对基本粗糙集模型分类能力不足的问题,引入变精度粗糙集模型处理不协调诊断信息系统;然后针对现有条件熵不能区分不确定性规则的缺陷,提出了变精度条件熵作为属性重要度的度量标准,设计了启发式属性约简算法,提取故障诊断规则。将该方法用于航空发动机故障诊断,验证了该方法可有效处理不协调信息,显著提高了航空发动机故障诊断的准确率。     

基于粗糙集理论的装载机故障诊断研究

采用粗糙集理论来进行装载机故障知识的获取，给出了装载机诊断推理的策略和流程。该方法提高了诊断系统的容错性，为在不完备信息下的装载机故障诊断提供了一种新的思路。实例诊断结果证明了该方法的有效性。     

活塞压缩机气阀故障检测的免疫神经网络方法研究

气阀故障是活塞压缩机最常见的故障类型之一。为了能够准确地检测出气阀的主要故障,从免疫系统反面选择机理出发,结合神经网络,提出了基于免疫神经网络的活塞压缩机气阀故障检测的方法。通过对2D12活塞压缩机气阀故障状态的检测,获得了较高的检测准确率,证明了所提方法的有效性。所提出的故障检测方法具有普遍的适用性,特别适合于故障样本缺乏或无故障样本设备的故障检测。     

基于知识与模糊神经网络的故障诊断专家系统

提出了一种基于知识与模糊神经网络专家系统故障诊断方法,设计构造了诊断专家系统的整体框架,在框架中体现了在任务工机控制下,规则符号推理和模糊神经网络推理综合诊断的思想。知识库是诊断专家系统的核心,在本系统中定义了广义三层规则库结构,即元规则、故障诊断规则、结论合并规则。Ｒｕｌｅ型的模糊联想记忆器实现专家系统中的分类和综合功能,并讨论了模糊神经网络输入和输出模糊化的问题。本文为旋转机械故障诊断专家系统     

Data mining diagnosis system based on rough set theory for boilers in thermal power plants

Large amounts of data in the SCADA systems’ databases of thermal power plants have been used for monitoring, control and over-limit alarm, but not for fault diagnosis. Additional tests are often required from the technology support center of manufacturing companies to diagnose faults for large-scale equipment, although these tests are often expensive and involve some risks to equipment. Aimed at difficulties in fault diagnosis for boilers in thermal power plants, a hybrid-intelligence data-mining system based only on acquired data in SCADA systems is structured to extract hidden diagnosis information directly from the SCADA systems’ databases in thermal power plants. This makes it possible to eliminate additional tests for fault diagnosis. In the system, a focusing quantization algorithm is proposed to discretize all variables in the preparation set to improve resolution near the change between normal value to abnormal value. A reduction algorithm based on rough set theory is designed to find minimum reducts from all discrete variables in the preparation set to represent diagnosis rules succinctly. The diagnosis rules mining from SCADA systems’ database are expressed directly by variables in the database, making it easy for engineers to understand and use in industry applications. A boiler fault diagnosis system is designed and realized by the proposed approach, its running results in a thermal power plant of Guangdong Province show that the system can satisfy fault diagnosis requirement of large-scale boilers and its accuracy rangers from 91% to 98% in different months.     

基于矢谱和粗糙集理论的旋转机械故障诊断

矢谱融合了转子同源双通道的信息,能准确反映转子运动状态．粗糙集理论是一种对决策表进行简化,去除冗余属性的数据分析和处理方法．提出了基于矢谱和粗糙集理论的旋转机械故障诊断方法．计算了旋转机械振动4种典型故障的矢谱征兆,使用粗糙集理论对其进行约简,根据约简的结果生成矢谱诊断规则,并利用得到的规则对故障测试样本进行了诊断．结果表明：相对于单通道数据,基于矢谱和粗糙集理论的故障诊断不仅简化了诊断规则,而且明显提高了故障诊断的准确率．