基于小波神经网络信息融合动密封故障诊断研究

针对动密封中唇形密封的综合故障问题，应用小波神经网络技术加混合式数据融合方法，将数据级、特征级和决策级故障诊断数据融合在一起，对动密封中唇形密封的缺陷进行智能诊断，描述了小波神经网络的建模过程，探讨了通过多源互补信息减少故障诊断系统不确定性的优化方法。结果表明，采用混合式融合结构可以通过多源互补以及冗余信息来提高诊断系统的鲁棒性；采用小波神经网络信息融合的诊断方法，可有效诊断动密封中唇形密封存在的综合故障问题。     

液压泵信息融合故障诊断

针对液压泵故障特征的分散性和模糊性，提出基于振动和压力传感器的信息融合故障诊断方法。在充分分析液压泵球头松动故障机理的基础上，对振动信号和压力信号进行小波消噪处理，有效提取球头松动的故障特征。将不同类型特征参数进行特征层融合，利用主成分分析和改进算法的BP神经网络实现液压泵球头松动故障诊断。试验表明，基于不同类型传感器信息融合故障诊断方法可以有效地实现液压泵微弱故障的诊断。     

基于信息熵与信息融合的供输弹系统故障诊断研究

针对供输弹系统早期故障微弱特征难以提取等问题,提出了信息熵与信息融合的故障诊断方法。将经过降噪预处理后的信号提取样本熵作为特征参量,经Elman神经网络初步诊断,将其输出值归一化后作为证据体的基本概率分配,采用一种基于证据关联系数加权平均融合模型,最终得到决策级融合的诊断结果。结果表明:该方法能有效对供输弹系统故障进行诊断,诊断正确率高达93.71%。     

基于遗传算法的旋转机械故障诊断方法融合

针对任何单一性质故障特征、单一诊断方法难以实现在整个故障状态空间上准确诊断的局限性,提出基于遗传算法的旋转机械融合诊断方法。该方法能有效利用各种不同性质故障特征和不同诊断方法,使其发挥各自的优点,从而提高诊断的准确率。针对不同特征利用遗传算法将神经网络诊断和人工免疫诊断方法融合起来,使每一个诊断方法都在其优势空间区域发挥作用,使用小波包能量特征和双谱特征对两种诊断方法训练后,用遗传算法优化诊断融合权值矩阵对旋转机械进行实例诊断结果表明,该融合诊断方法能有效地提高故障诊断的准确率,并能提高诊断系统的鲁棒性。     

基于小波包能量神经网络的滚动轴承故障诊断方法

针对单一的信号处理诊断方法难以实现滚动轴承故障准确诊断的局限性,提出一种基于小波包能量神经网络相融合的滚动轴承诊断方法。搭建MPS-ICP滚动轴承振动信号的数据采集平台,利用小波包变换对滚动轴承内环、外环及滚动体的故障信号进行去噪、分解与重构,有效提取不同故障下各频段能量的故障特征。将提取的能量故障特征分别输入至建立的BP、RBF和Elman神经网络的诊断系统中,实验分析表明,三种神经网络都能较好的诊断电机滚动轴承的故障类型,且与实际滚动轴承的故障类型较吻合,但就诊断误差和时间综合而言,BP神经网络诊断系统更适合电机滚动轴承故障的检测。     

基于小波神经网络的车辆发动机故障诊断

为有效诊断车辆发动机的柴油系统故障,本文将小波变换与BP神经网络相结合,用小波变换来抽取故障的特征向量,以此作为BP神经网络的输入参数,从而构建了小波神经网络。该方法依据小波变换模极大值来研究油管中柴油压力信号的奇异性来抽取故障特征向量,首先利用故障采集数据来获得学习样本,然后根据网络训练来构建起BP神经网络输出与输入间的非线性映射,从而依据特征向量输入进BP神经网络进行诊断故障。通过实验我们发现该方法有较好的的诊断效果。     

变工况下基于信息融合的地铁牵引电机轴承故障智能诊断

针对传统滚动轴承故障诊断方法过于依赖先验知识和专家经验,以及单一信号对某些故障识别率偏低的问题,提出一种变工况下基于信息融合的地铁牵引电机轴承故障诊断方法.首先搭建滚动轴承试验与多信息采集系统;其次对地铁牵引电机轴承进行缺陷预制并采集轴承试验过程中的声发射和振动信号;然后用小波包分解对原始信号进行处理并提取特征,再用卷积神经网络对归一化后的特征信息进行融合;最后建立二维卷积神经网络模型,对不同工况下的地铁牵引电机轴承故障进行智能诊断.试验结果表明:变工况下基于信息融合的地铁牵引电机轴承故障智能诊断方法,可在载荷和转速变化的情况下准确识别轴承的故障类型,当神经网络训练集与测试集涵盖工况相同时,准确度可达100％.     

基于小波神经网络的电路故障诊断方法

本文根据小波神经网络故障诊断的基本思想,提出了一种基于“小波系数特征故障”的小波预处理神经网络模拟电路故障诊断方法。实验仿真结果表明,使用该方法提取故障特征加快了BP神经网络的训练速度.能迅速有效地进行故障检测和定位。     

基于小波包-神经网络的电厂发电机组故障诊断研究

电厂发电机组齿轮箱通常工作在高速高负载和润滑不良的恶劣环境中,研究对其工作过程的有效监测和故障诊断具有重要意义。针对齿轮箱故障信号的非平稳特征,提出了基于小波包分解和神经网络的故障诊断方法。以故障信号小波包分解后的能量信息作为输入向量,以BP神经网络作为分类器对其进行识别和诊断。通过对齿轮箱的正常工况、齿面磨损、缺齿和复合故障等4种类型的分析表明,提出的小波神经网络故障诊断方法可以识别齿轮箱的故障类型。     

基于信息融合技术的磁轴承转子故障诊断

故障诊断信息融合过程可表述为检测层、特征层和决策层的信息融合。文中根据磁轴承转子振动分析的特点,提出了信息融合的故障诊断方案:检测层的融合创新性采用了基于小波分析的加权算法,特征层以希尔伯特-黄变换(HHT)分析法为基础,对边际谱进行特征频段能量的计算,采用BP神经网络对磁轴承转子故障类型进行特征层的识别诊断。决策层采用经典的D-S证据理论,对特征层获得的多个诊断结果做决策融合处理,最终确定磁轴承转子的故障类型。实验结果表明该方法有效地提高了故障诊断结果的可靠性,充分显示了该系统方案的有效性。     

基于信息融合与神经网络的复合振动故障诊断

依据复合故障特性,提出了一种基于信息融合与神经网络的复合振动故障诊断方法。进行了传感器级的时间跨度的特征融合,然后再实行全局的空间跨度的融合。融合过程基于神经网络式特征提取,该方法可以在系统状态未知的情况下。自适应地融合不同故障测点的信息。从而较全面、准确、及时地反映系统的振动故障状态。并以汽车动力系统复合故障的诊断事例详细说明了该方法的具体实现步骤。结果表明,经过多故障特征信息融合,诊断结论的可信度明显提高,不确定性明显减小,显示了该诊断方法的有效性。     

基于多源信息融合技术的动车故障诊断

介绍多源信息融合故障诊断方法,以及动车故障诊断特点和常见故障类型。以制动系统为例,分析该方法的可行性和实现步骤。建立基于多源信息融合和神经网络的故障诊断系统,通过多种信号的融合诊断,减小系统的不确定性,从而提高故障诊断的可靠性。     

多传感器信息融合方法在钻井事故诊断中的应用

论述了信息融合技术的特点、形式结构和具体的处理方法,并从信息论的角度论证了信息融合技术在故障诊断中的可行性和有效性;在此基础上,将钻井事故诊断与信息融合相结合,提出了一种基于信息融合技术的钻井事故诊断模型和方法。提出了一种在不同识别框架下的证据组合规则,用现场采集的多组数据进行试验,及时发现数据异常,并诊断可能的事故发生倾向。可充分利用传感器的冗余或互补信息,减少传感器状态的不确定性,提高了识别事故的精度和准确度。     

基于三层信息融合的提升机制动系统故障诊断

为了充分利用矿井提升机运行过程中的监测历史数据,判定故障原因并进行准确定位,将信息融合技术引入提升机的故障诊断中,提出了一种基于三层多源信息融合的故障诊断方法。该方法依据主成分分析法(principal component analysis,简称PCA)建立主元模型,对原始完备数据集进行降维去噪,实现特征提取,完成数据层的融合;特征层采用具有记忆功能的Elman神经网络作为融合算法,不断调整权值对数据层各信息源提取出来的特征进行训练,通过压缩融合信息量完成时间上的融合;决策层使用DS(dempster-shafer,简称DS)证据理论对特征层训练输出的信息进行融合,判定故障原因,实现了空间上的融合;最后依据PCA故障诊断原理,定位故障发生的部位,完成诊断过程。该融合方法通过对监测系统所测信息的合理选择、综合与利用,对其进行空间和时间上的融合互补。试验结果表明,该方法能够充分利用大量历史数据对系统进行诊断,可以显著提高系统的可靠性。     

基于GPRS的矿井提升机制动系统故障远程监测诊断系统研究

研究利用中国移动GPRS公网进行矿井提升机制动系统故障诊断技术,提出通过Internet将现场设备与科研、高校等研究单位紧密联系起来,共同诊断,并解决矿井提升机制动系统故障的系统架构。系统采用多传感器信息融合和组态平台技术,提高了故障诊断效率和准确性,改变了传统的设备诊断方法,降低了设备维护成本,提高了设备管理水平,增加了经济效益。     

无线传感器网络多级融合的机械故障诊断方法

针对无线传感器网络(wireless sensor networks,简称WSNs)在机械故障诊断应用中大量振动信号不能实时传输的问题,提出基于无线传感器网络多级分层信息融合的机械故障诊断方法。采用簇树网络结构扩大网络监测覆盖范围,将WSNs信息融合分为数据级融合、特征级融合及决策级融合3个级别,终端节点对原始振动信息进行数据级融合以提取特征信息,簇头节点对特征信息进行特征级融合得到模式识别结果,网关节点对识别结果进行决策级融合以评估机械设备运行状态。实验表明,该方法能有效应用于机械故障诊断。     

基于D-S证据理论技术的发动机转子故障诊断

从D-S证据理论的基本概念和证据的融合推理方法出发,建立了多故障特征信息融合诊断框架,将信息融合思想引入到故障诊断领域,并应用D-S证据理论方法,解决在多传感器条件下的数据融合问题.最后,给出了一个发动机转子多故障信息进行故障诊断的实例,结果表明该方法能够有效的提高诊断可信度,减小诊断的不确定性.     

基于可加性模糊系统的多传感器数据融合诊断

基于可加性模糊集系统理论,提出一种多传感器模糊融合诊断方法,采用补块覆盖法逼近函数和可加性模糊融合算法进行信号的特征融合。实验证明该诊断模型提高了诊断的准确性。     

基于信息融合的客运索道信号监控方法

为解决客运索道设备故障诊断复杂模糊的问题,引入了多传感器信息融合理论,设计了一种用于客运索道设备监控与故障诊断的系统。针对客运索道重要设备信号中温度、压力等多种传感器信号进行了数据采样,提取了它们的特征量,并采用分批估计法、D—S证据理论等算法对数据进行了融合,对客运索道设备的工作状态做出了准确估计,并用于信息决策。研究结果表明,该系统实现了对客运索道的实时监控,提高了客运索道设备故障诊断的准确性。