局部特征尺度方法(LCD)及其在齿轮故障诊断中的应用研究

局部特征尺度分解(Local characteristic scale decomposition,LCD)是一种新的自适应时频分析方法,该算法可以自适应地将一个复杂信号分解为若干个ISC(Intrinsic scale component,ISC)分量之和;将LCD算法同EMD(Empirical mode decomposition),LMD(Local mean decomposition,LMD)算法进行对比分析,仿真信号的分解结果表明:三种方法都可以有效地对信号进行分解,但LCD算法在计算效率和抑制端点效应等方面要优于EMD,LMD算法;将LCD算法和zoom-FFT分析应用于齿轮故障诊断中,分析结果表明了这种相结合的方法,可以较好地提取故障特征,显示了该方法的有效性。     

RBF神经网络在变速箱齿轮故障诊断中的应用

提出了径向基函数神经网络应用于变速箱齿轮故障诊断的基本方法.利用Matlab神经网络工具箱对变速箱齿轮进行故障诊断仿真,并创建RBF神经网络与BP神经网络来进行故障诊断.通过对比诊断结果,证明RBF网络在诊断精度、诊断速度上均优于BP网络,说明RBF网络应用于齿轮的故障诊断准确、可靠,在机械故障诊断方面具有广泛的应用前景.     

小波包滤波在齿轮故障诊断中的应用

为快速准确地判断齿轮故障的类型,提出了小波包滤波和神经网络相结合进行齿轮故障分类的方法。介绍了小波包去噪的原理和神经网络的设计方法,对阈值算法和神经网络优化算法作了改进,得到了不含噪声的信号和准确的故障分类方法。仿真结果表明,基于小波包滤波的神经网络方法具有更高的准确性和稳定性,可以满足工业故障诊断的要求。     

随机子空间深度回归方法在紫外光谱水质分析中的应用

紫外光谱法进行TOC浓度分析时存在数量多、维数高等问题。针对此问题,本文提出了一种基于随机子空间深度回归的分析方法,该算法首先采集TOC标准溶液的紫外光谱数据进行预处理,得到吸光度数据,然后在高维数据空间随机选取低维子空间来构造不同的特征子集,并采用深度信念网络对各子集进行特征提取,最后将得到的低维特征进行组合后送入BP神经网络中进行训练,建立TOC浓度反演模型。在构建的水质分析平台上的实验结果表明：本文提出的基于随机子空间深度回归的水质分析方法对每种TOC浓度反演结果的相对误差均在1%以内,且反演结果的稳定性和准确性也要优于常规的水质分析方法。     

神经网络在汽车传动系统故障诊断中的应用

本文研究基于神经网络的故障诊断系统,利用其自学习、联想记忆和客俗等良好的性能,使所建系统具有较高的推理速度和容错性,试验证明能够较好地应用于故障的在线诊断当中。     

基于信号经验模态分解与分集合并的齿轮故障诊断

为了准确地进行齿轮故障诊断,结合信号经验模态分解与分集合并,提出了一种新的故障诊断方法;首先,运用经验模态分解对齿轮振动信号进行分解得到若干个分量;其次,根据分量的峭度大小以及相邻分量的峭度是否接近,筛选、合成有效分量;然后,运用等增益分集合并技术对有效分量进行合并,即将其包络进行叠加;接着,使用快速傅立叶变换得到信号包络和的频率谱;最后,根据该频率谱进行故障诊断;通过对仿真信号和齿轮断齿故障振动信号的分析,验证了方法的有效性.     

基于径向基神经网络的新型齿轮故障诊断方法

非平稳工况下的齿轮故障检测是一项非常困难的工作,由于齿轮振动信号的复杂性,导致故障特征提取和故障诊断困难.针对这些问题,基于径向基(radial basis function, RBF)神经网络,提出一种在变速条件下齿轮的故障诊断方法 CIHDRFD.首先利用自适应白噪声的完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),将原始振动信号分解为多个固有的模态函数(intrinsic mode function, IMF),并通过计算其信息熵(information entropy, IE)筛选出IE最小的4个IMF作为特征IMF;然后利用希尔伯特变换(hilbert transform, HT)处理特征IMF并求出Hilbert包络谱,利用Hilbert包络谱构建故障特征向量;最后利用改进的双RBF神经网络进行故障检测.通过搭建齿轮故障检测平台验证CIHDRFD方法的有效性,实验结果表明, CIHDRFD方法适用于齿轮故障诊断,在速度波动为3%的情况下,诊断准确率...     

小波神经网络在齿轮故障诊断中的应用

提出了基于小波分析和SOM网络相结合的故障诊断方法,利用小波分析技术采集拖拉机齿轮故障特征信号,然后利用SOM神经网络对采集到的故障数据进行建模诊断.实验表明,该方法能有效提高齿轮故障诊断的准确率.     

基于Elman神经网络的齿轮故障诊断研究

在齿轮故障诊断过程中,针对传统的BP神经网络具有学习、记忆不稳定等缺点,提出了将Elman神经网络应用于齿轮故障诊断中,建立了Elman神经网络的应用结构模型,介绍了该网络的训练算法,阐明了齿轮故障诊断的实现过程;结果表明该神经网络学习记忆稳定,具有很好的学习功能,诊断方法具有高可靠性,达到了预期效果。     

基于Elman神经网络的齿轮故障诊断研究

在齿轮故障诊断过程中,针对传统的BP神经网络具有学习、记忆不稳定等缺点,提出了将Elman神经网络应用于齿轮故障诊断中,建立了Elman神经网络的应用结构模型,介绍了该网络的训练算法,阐明了齿轮故障诊断的实现过程;结果表明该神经网络学习记忆稳定,具有很好的学习功能,诊断方法具有高可靠性,达到了预期效果。     

基于广义多重分形维数算法的汽车变速箱故障诊断研究

提出了一种基于扩展广义多重分形维数算法的汽车变速箱故障诊断方法。该算法是基于传统的G-P关联维数算法扩展而形成的,通过该算法对变速箱上采集的不同工作状态下的振动信号进行处理,提取变速箱齿轮的振动信号的分数维,观察及分析分形维数与变速箱齿轮的磨损规律的关系,发现其反映变速箱齿轮的真实运行状态,故可以此作为齿轮磨损预测和诊断的有效依据。     

一种Volterra级数简化辨识方法及其应用研究

针对非线性故障诊断一般计算量大,难以实施在线检测的不足,提出了一种基于分块最小均方（BLMS）滤波器的简化辨识方法。该方法利用影响指数的概念,在保证一定辨识精度的前提下,根据每个Volterra核对辨识结果贡献的大小对其进行筛选,然后用筛选出的有效核函数作为对原系统的近似,从而达到降低辨识维数减少计算量的目的。将该方法应用到某型号直升机电动舵机的故障诊断中,实际测试表明了该简化辨识算法的有效性,为实施在线非线性故障诊断提供了一种解决途径,就有较大的工程实用价值。     

A Systematic Stochastic Petri Net Based Methodology for Transformer Fault Diagnosis and Repair Actions

Transformer fault diagnosis and repair is a complex task that includes many possible types of faults and demands special trained personnel. Moreover, the minimization of the time needed for transformer fault diagnosis and repair is an important task for electric utilities, especially in cases where the continuity of supply is crucial. In this paper, Stochastic Petri Nets are used for the simulation of the fault diagnosis process of oil-immersed transformers and the definition of the actions followed to repair the transformer. Transformer fault detection is realized using an integrated safety detector, in case of sealed type transformer that is completely filled with oil, while a Buchholz relay and an oil thermometer are used, in case of transformer with conservator tank. Simulation results for the most common types of transformer faults (overloading, oil leakage, short-circuit and insulation failure) are presented. The proposed Stochastic Petri Net based methodology provides a systematical determination of the sequence of fault diagnosis and repair actions and aims at identifying the transformer fault and estimating the duration for transformer repair.     

基于故障树的专家系统在雷达电源故障诊断中的应用

故障树是故障诊断专家系统问题求解策略的一种重要方法,为了减小知识表示和获取的难度,可将基于故障树的专家系统应用到雷达电源故障诊断中,通过构建和实现某雷达通用电源故障诊断系统,可达到简化和诊断高效的目的。经实例验证,基于故障树的雷达电源故障诊断专家系统,具有较高的诊断效率和准确性。     

基于CBR的火控雷达故障诊断专家系统研究

将基于案例推理(CBR)和专家系统理论应用到故障诊断领域,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.本文浅析了基于案例推理,介绍了系统的总体结构和工作原理,并给出了具体的诊断实例.利用CBR技术建立的故障诊断专家系统可提高雷达装备故障诊断的正确性和效率.     

基于模态逻辑的通信设备故障诊断系统研究

针对通信设备故障的复杂性、渐变性和知识的不确定性,提出了一个基于模态逻辑的通信设备故障诊断系统。首先,定义一个时态逻辑来预测设备状态,然后用改进的模态逻辑来对通信设备的故障进行知识表示和推理,通过对故障征兆和故障知识库的交互自动地识别出具体的故障,找出具体的维护方法,通过人机接口将结果提供给用户,并利用基于Agent的更新器来更新知识库。最后用一个故障诊断的例子来证明系统的可行性。     

模糊神经网络及其在控制系统故障诊断中的应用

针对控制系统中模拟电路故障诊断时的不确定性问题,提出了将模糊理论和神经网络相结合的方法;首先利用模糊理论描述不确定性信息,然后利用人工神经网络完成不确定性推理,最后利用模糊理论对推理结果进行解释和决策,从而得出故障诊断结论;结合某型船舶主机遥控系统中延时电路板的故障诊断问题,阐述了将该方法应用于实际控制系统的故障诊断过程;结果表明,该方法能够较好地处理模拟电路故障诊断过程中的不确定性问题,有效地提高故障模式的识别能力,将故障准确地定位到元器件.     

一种自学习智能故障诊断分析系统的应用

针对目前DJ-1型电力机车在故障诊断方面的迫切性和研究不足,提出了基于自学习的智能故障诊断分析系统;文中介绍了该系统的总体设计方案,详细说明了诊断系统知识库的建模过程和具体实现方式,并讨论了专家系统应用协议的实现方式,最后介绍了该系统应用于DJ-1型电力机车的优越性。     

复杂系统的智能故障诊断技术现状及其发展趋势

智能故障诊断技术为保障工程技术系统的可靠性和安全性开辟了新的途径,随着系统设备和功能的日益复杂化,发生故障的机率以及由此带来的损失越来越大,现有单一、固定的故障诊断方法却难以满足复杂系统诊断的全部要求。该文针对复杂系统故障现象的特点,分析了现有基于规则、基于结构和行为、案例、模糊逻辑、神经网络及其集成知识诊断技术的各自特点和局限性,指出了机器学习对于当前复杂系统智能故障诊断发展的重要性,有利于改变现有单一、固定的故障诊断思维,并对未来的主要发展方向进行了一些探讨。     

农用柴油机故障诊断系统的研究与开发

根据小型拖拉机的常见故障,利用Microsoft Visual FoxPro编程工具和人工智能专家系统原理,建立了知识库和相应知识表达推理机制,设计并组建了农用柴油发动机故障诊断专家系统,缓解了故障诊断专家供不应求的矛盾,提高了农用柴油机的常见故障诊断的效率和准确率。该系统主要实现的功能包括:发动机故障诊断;故障模糊查询;用户诊断数据库浏览、打印;知识库维护修改和扩充。