基于能量耗损的故障诊断信号分析方法

针对能量耗损的故障诊断方法,提出一种基于流形学采集的能量数据重构到高维空间中,利用扩散映射(Diffusion Maps)的方法提取高维能量信号中的低维流形特征,然后利用支持向量机(SVM)对提取的低维流形特征进行分类,并用分类的准确率作为算法有效性的衡量指标;同时,利用局部切空间排列(LTSA)方法对能量信号进行分析,以比较2种算法对能量信号特征的提取能力.结果表明,基于扩散映射的方法具有更好的低维特征提取效果,从而证明了该算法对于能量耗损信号分析的有效性,为实现基于能量耗损的故障诊断奠定了基础.习与支持向量机的能量耗损信号分析算法.该算法将     

基于能量耗损的齿轮摩擦学系统故障规则研究

针对齿轮在发生故障时输入能量耗损会发生变化这一现象,提出一种基于能量耗损的齿轮摩擦学系统故障诊断方法并建立故障规则。研究齿轮摩擦学系统与能量耗损理论;设计齿轮能量监测试验台,获取齿轮能量耗损信息;采用神经网络与模糊理论规则提取方法,选择输入功率作为齿轮能量耗损信息,对模糊控制规则进行修改,建立能量耗损信息的齿轮模糊的故障规则。研究表明,基于能量耗损的齿轮故障规则是有效准确的,为实现基于能量耗损的故障诊断奠定了基础。     

基于油液光谱分析的发动机故障诊断专家系统研究

本详细研究了基于油液分析的自行火炮发动机磨损故障诊断专家系统,具体包括系统开发语言的选择,系统知识库的建立、系统的推理机、系统冲突消解策略、系统的组成和具体功能,应用实例证明该系统具有较强的诊断能力。     

基于小波包分析的汽车发动机轴承故障诊断方法

本文旨在研究小波包分析在汽车发动机轴承故障诊断中的应用,根据小波包展开的结构材料早期损伤监测较为简单,可以灵敏的监测到早期故障损伤。对失效破坏的故障发射信号进行分析,在此基础上,采用小波包分解技术,实现对汽车发动机轴承故障振动特征参数的有效提取,并将其应用到汽车发动机轴承故障诊断方法中。通过实验验证,实现对汽车发动机轴承故障的高效诊断。     

发动机曲轴耗损分析及检验

本文主要根据发动机曲轴的结构、工作和故障特点,对曲轴的裂纹、磨损、变形等耗损形式进行详细分析,并提出了相应的检验方法,为修复提供决策依据,对预防事故发生,提高发动机使用寿命具有重要的意义。     

基于概率神经网络的发动机故障诊断方法研究

传统的故障模式诊断方法很难对复杂系统的故障进行诊断,概率神经网络作为一种自适应的模式识别技术,以其结构简单、学习速度快、具有非线性处理和抗干扰能力强等优点广泛应用在模式分类和故障诊断领域。利用概率神经网络对发动机的故障进行诊断,仿真结果表明,该网络诊断准确率高、泛化能力强,可以对系统进行实时监测和诊断。     

基于粗糙集－集成神经网络的航空发动机磨损故障诊断方法

将粗糙集理论和神经网络相结合并应用到航空发动机磨损故障诊断中,依据属性的重要性和决策表的相容性,用自组织神经网络完成连续数据离散处理这一关键环节,采用粗糙集理论对征兆信息进行属性约简,获取征兆的主要特征,为神经网络结构简化和子神经网络的构成等奠定了基础,通过基于D-S证据理论的方法得到最终的融合结果。将该方法用于某型航空发动机的磨损故障诊断专家系统中,实验证明了该方法的有效性。     

浅析汽车发动机失火故障诊断方法

本文论述了汽车发动机失火故障的相关概念,通过对其故障的定义、造成故障的原因以及故障带来的安全风险进行了叙述;在此基础上,整理当前的研究结论并结合自身的教育教学和实践经验,总结了目前我国汽车发动机失火故障的诊断方法以及诊断依据,在总结自身工作经验的基础上以期为相关工作人员处理失火故障提供可行的方法.     

基于神经网络的发动机异响故障诊断方法

针对汽车发动机异响故障诊断的特征，研究了基于神经网络的异响故障诊断专家系统的理论和方法及实现过程，并将此方法应用于具体JL368Q发动机异响故障诊断，结果表明其方法具有通用性和高效性。     

基于小波变换的引擎故障诊断方法研究

小波分析是近年来迅速发展起来的一门理论,在图像处理和故障诊断等方面都取得了成功的应用。本文从诊断理论和故障信号特点两方面说明对引擎故障信号进行小波分析是引擎故障诊断过程的内在要求;阐述了小波分析的理论基础,得到适合故障信号分析的小波母函数;应用了基于“能量-故障”的引擎故障诊断模式识别方法。通过小波包变换,成功提取了转子振动平台预设故障状态下的特征向量,通过模拟实验验证了该方法的可行性。     

基于张量Tucker分解的发动机故障诊断

传统的发动机故障诊断方法通常基于向量模式进行数据特征的提取,可能丢失数据之间的结构信息及破坏数据间相关性。针对此问题,提出了一种张量模式下提取发动机数据特征的方法,构建了“信号类别×曲轴转角×转速”的三阶张量形式的发动机状态样本,基于交替投影的思想,使用HOSVD-HOOI张量Tucker分解的联立求解算法,对数据特征进行提取。分别以不进行数据特征提取和基于张量Tucker分解进行数据特征提取两种情况,对发动机正常工作、单缸失火和轴系不对中三种状态下的实验数据进行处理,并分别采用网格参数优化法、遗传算法、粒子群算法对分类模型中的参数进行优化。以预测准确率和模型学习时间为评价指标进行对比分析,实验结果表明,基于张量Tucker分解的发动机数据特征提取及诊断方法预测准确率更高,分类模型学习时间更短。     

基于层次分析法的发动机故障诊断专家系统

运用故障树分析法进行康明斯发动机的故障分析,建立了发动机常见故障的层次树模型,并将其转化成二叉故障树以构建专家系统的知识库;研究了系统的推理诊断流程:采用层次分析法设计了故障诊断专家系统.基于Windows平台和Delphi7.0语言开发了故障诊断专家系统.提供了一套简单、实用的故障诊断工具,给装备的故障诊断带来了极大的方便.     

基于故障树的康明斯发动机故障诊断专家系统

运用故障树分析法进行康明斯发动机的故障分析,并转化成二叉故障树;采用产生式规则和框架表示法相结合构建知识库;采用层次分析法设计了故障诊断专家系统.基于Windows平台和Del-phi7.0语言开发了故障诊断专家系统.为工程兵部队提供了一套简单、实用的故障诊断工具,给部队装备的故障诊断带来极大的方便.     

基于GA-BP神经网络的发动机失火诊断

为了提高神经网络在发动机失火故障诊断中的准确率,提出了GA-BP神经网络算法。分析了发动机故障时的尾气变化情况,提出了发动机故障诊断规则;分析了BP神经网络原理,指出其训练速度慢、容易陷入局部极值问题;使用遗传算法对神经网络结构和参数进行优化,得到最优网络结构,将优化后的模型参数作为初始值再次进行BP算法优化;将此算法与自适应动量BP神经网络进行对比,GA-BP神经网络不仅缩短了训练时间,而且故障诊断准确率也大大提高。     

舰载柴油机信息融合故障诊断技术研究

介绍了基于信息融合的舰载柴油机故障诊断技术.融合柴油机热工、油液及振动3大类信息,采用自适应谐振理论( ART)和BP网络相结合的决策级融合技术,建立了融合诊断技术模型,结合实例说明了该模型的诊断原理,并验证了该诊断方法的有效性.结果表明:新型神经网络模型既可以解决并发故障诊断问题,也可以解决新的故障类型诊断问题.     

基于模糊理论的某型四余度舵机故障诊断研究

针对机电液高度耦合的某型四余度舵机,提出了一种基于模糊理论的智能故障诊断方法。根据实际需求,将系统分为元件、部件及系统3种不同层次的故障诊断问题。然后根据模糊故障诊断理论,分别建立了故障原因与故障征兆的模糊关系方程,即模糊故障诊断模型。最后介绍了故障模糊诊断专家系统的实现及功能。     

基于时间序列模型的发动机磨损状态诊断方法

基于发动机磨损变化的时间序列模型,提出基于模型的特征根位置诊断方法、Green函数诊断方法和残差方差变化的3种发动机磨损状态诊断方法,并通过仿真和发动机磨损实测数据对上述诊断方法进行了验证。特征根方法和Green函数方法是从产生观测数据的系统稳定性度研究磨损状态变化,而残差方差方法则是从观测数据的统计特性来研究系统的变化。特征方程根位置诊断方法对于判定磨损状态在理论上给出了严格的阈值,Green函数方法同样可以用来诊断系统的稳定性,但这一方法对于轻微的磨损现象表现出不敏感,而参差方差方法对系统的变化最为敏感。     

基于虚拟技术的汽车发动机故障远程诊断系统

将虚拟技术与网络技术有机结合,开发出基于虚拟技术的汽车发动机故障远程诊断系统,给出系统的框架结构,介绍了硬、软件系统的组成与功能,是建立汽车发动机故障诊断系统一种新的尝试。     

一种基于活塞杆动态能量指数的故障监测诊断方法

活塞杆是往复机械核心运动部件,在大载荷气体力、往复惯性力作用下易发生疲劳断裂,进而导致活塞撞缸、压缩介质外泄、着火爆炸等恶性事故发生。活塞杆运行状态的有效监测是避免恶性故障发生的关键。本文基于在线监测系统数据提取了活塞杆轴心动态能量指数,用以评价活塞杆实际运行状态,通过实测活塞杆纵向与横向位移信号,计算活塞杆轴心运行轨迹,获得轴心在纵向与横向上的瞬时运动能量,结合常规活塞杆位移监测信号,可对典型的磨损故障、松动故障与断裂故障进行故障预警。实际故障案例数据验证了本文方法的有效性。