基于时变自回归模型与神经网络的滚动轴承故障智能诊断

使用时变自回归建模分析方法建立滚动轴承振动信号特征提取模型,基于基函数算法求解该模型的时变参数,并采用AIC准则确定模型阶数。在利用上述参数化模型对轴承振动信号进行特征提取的基础上,构建BP神经网络,有效地实现了轴承故障的智能诊断。     

大型火电机组自启停系统的技术探讨

探讨了大型火电机组自启停系统的设计原理,并分析了该系统实际运用过程中可能遇到的难点和问题。对大型火电机组是否有必要采用自启停系统进行深入地分析与探讨。     

雪铁龙轿车ESP故障自诊断分析

针对雪铁龙轿车电子稳定系统的故障,表述基本的结构组成和功用,分析各部件引起故障的可能影响因素,提出使用现代检测手段进行故障诊断的基本方法。实践表明随着汽车技术的改进,需要对汽车检修方法重新认识,不断掌握一些新技术的特点,是提高汽车售后服务的有效途径。     

大型异步电机轴振动故障的诊断与分析

主要研究了大型异步电机轴振动大故障的解决方法。根据电机的故障现象,分析故障原因,并通过由易到难的方法对故障原因进行排除,最终确定了故障原因,采取合理的措施解决了电机轴振动大的故障。     

基于云平台的动态化设备智能诊断算法模型构建方案

伴随着现代信息化技术与现代工业自动化技术的发展,企业生产设备日益复杂,企业设备维护成本也越来越高。在诸多成本中,最大限度地节省损耗成本是离散制造业生产过程中的一大难题,因此精准识别、定位复杂设备故障的研究成为当下智能制造领域的热点。在此背景下,首先面向离散制造业工艺频繁变更、设备快速迭代的特点进行业务分析,并基于分析结论提出一种设备智能诊断模型的快速构建方案,该方案可动态化、组件化配置设备智能诊断模型,以适应不同设备不同的故障诊断需求。在方案验证阶段,以滚动轴承的故障诊断为例,构建了轴承智能诊断算法模型,对提出的动态化模型构建方案进行验证。提出的动态化模型构建方案支持用户根据实际生产设备需要,灵活构建设备智能诊断算法模型,实现不同类型设备的智能诊断,具有适用范围广、易使用等优点。     

基于故障行为的模型诊断方法

提出一种利用故障行为求解所有极小诊断的新方法,并结合带有终止节点的集合枚举树形式化地表达计算过程,逐步生成所有的极小诊断.该方法不用求解冲突集及冲突集的碰集,一次直接求出所有的极小诊断,避免了由于调用基于假设的真值维护系统时的组合爆炸而引起的NP-完全问题.在集合枚举树中添加了终止节点,从而避免了非极小诊断的产生,且不会因剪枝而丢失正确的解.实验结果表明,该算法程序容易编制,且效率较好,可以满足复杂的被诊断对象的实时性要求.     

CNC数控系统的故障自诊断和抗干扰方法

本文从提高ＣＮＣ数控系统可靠性和增强系统故障自诊断能力出发，较全面地分析了ＣＮＣ数控系统故障自检的实施方法和增强系统抗干扰的一系列措施。     

基于云模型的智能冰箱设计评价

为提高产品设计评价的精确性和客观性,提出一种基于云模型的设计评价体系和流程。针对智能冰箱的特征,构建了结构功能、智能交互、外观特征3个1级指标和20个2级指标的评价体系,通过熵权法确定了各指标的权重;确定评价指标的等级量值区间,并将定性描述转化为云滴,形成相应的多层次综合云;基于云模型参数进行数据分析和比较,得出设计评价结论。结果表明:对多个产品样本进行设计评价时,云模型评价可将定性语言转化为定量数据,改善设计评价的模糊性,为后续改进设计提供参考。     

基于FFT-SDAE的地铁牵引电机轴承故障智能诊断

针对地铁牵引电机轴承故障诊断中因工况复杂影响人工提取特征效果的问题,提出了一种基于快速傅里叶变换(Fast Fourier Transform,FFT)和堆叠降噪自编码器(Stacked Denoising Auto Encoder,SDAE) (FFT-SDAE)的地铁牵引电机轴承故障智能诊断方法.首先,使用大量无标签数据预训练深度自编码器的特征提取能力,自适应提取轴承故障特征;然后,通过小样本有标签数据微调网络学习分类性能,搭建地铁牵引电机轴承的FFT-SDAE网络模型;最后,通过试验研究FFT-SDAE网络结构对轴承故障诊断准确率的影响,选取最佳网络参数.试验结果表明,在变转速和变载荷的情况下,所提方法可以很好地提取故障的深层特征,在使用工况较复杂的数据集时,所提方法的诊断准确率优于传统的故障诊断方法.     

基于自组织的智能诊断技术研究

通过分析智能诊断过程的内在属性,结合国内外的相关研究状况,提出了研究基于自组织的智能诊断技术的重要意义,并指出其优越性.详细阐述了智能诊断的自组织规划过程,结合多代理技术的自身特点及优越性.提出将多代理技术应用于智能诊断过程中.深入研究了基于多代理的自组织过程实现策略,采用基于响应时间、服务质量、服务成本、安全性目标准则的资源优化调度算法,解决了自组织过程规划中的资源管理和协调等关键问题,并通过实例验证了算法的正确性.     

航空发动机气路故障的智能诊断方法研究

航空发动机设备的稳定运行对于飞机飞行安全而言有着极其重要的作用,一旦航空发动机出现故障问题未能被及时发现和处理,则极有可能会引发严重的安全事故,因此工作人员应积极引进智能故障诊断方法,提高对发动机设备气路故障的诊断效率,从而更好地保障飞机安全飞行。     

大型衡器示值不稳定故障的诊断方法

在室外安装的大型衡器由于受到多种因素的影响,经常会出现示值不稳定的现象,由于考虑到读者对象是具体从事汽车衡检定的基层检定人员,本文按照编写教材的模式,从发生问题的原因入手,再分别介绍排除这些故障的方法。     

基于自回归预测的故障报警方法研究

工业生产过程由于设备的复杂性,系统的安全性和可靠性日益受到人们的重视。研究了工业生产中的故障报警方法技术,通过建立自回归模型,利用拉依达法确定系统的报警阈值。以齿轮泵泵壳振动信号作为研究对象,对其常见的四种故障进行了实验验证,并在液压试验台上进行实验。结果表明,该方法故障报警率较高,能够有效地对齿轮泵故障进行报警。由于报警阂值利用每一次设备运行时的数据进行动态调整,可以实现对设备故障进行及时有效地报警。     

基于云模型的路灯造型设计评价方法

为了满足广大用户和销售者对路灯造型设计评价的大量需求,提出了一种基于云模型的路灯造型设计评价方法。首先对路灯的美学特征、功能特征、人机属性、技术需求和环境需求等因素进行分析,建立由指标层、因子层、属性层和目标层构成的路灯造型设计评价指标体系;运用层次分析法确定各评价指标相应的权重系数。其次评价小组对路灯造型设计方案的各评价指标进行打分,利用云模型对评价结果进行分析,提出基于云模型的路灯造型设计评价方法。通过案例验证了该方法的合理性和有效性。     

QDY型桥式起重机安全故障智能诊断方法

针对采用现有故障诊断方法诊断QDY型桥式起重机故障时,存在诊断结果与实际相差较大,且无法将全部故障问题查出的问题,开展安全故障智能诊断方法的研究。在QDY型桥式起重机运行中,获取起重机运行数据,并完成对数据的归一化处理。再基于起重机故障的多种类型,建立起重机安全故障模型。基于贝叶斯理论,通过计算起重机故障先验概率、条件概率等参数,实现对起重机故障的智能诊断。将新的故障诊断方法应用于实际,可实现对起重机多种故障类型的准确诊断,且能够全部找出同一时刻多种故障类型,具备极高的应用价值。     

利用FCKT以及深度自编码神经网络的滚动轴承故障智能诊断

实时、快速、批量地对振动信号进行处理成为故障诊断领域的未来发展趋势,但是可能会带来数据维数灾难问题。针对在样本较大情况下深度学习运行时间较长,以及层与层之间节点数的减少使得故障识别准确率降低问题,提出首先计算原始时域信号的频谱在不同偏移点数下的相关峭度值(FCKT)作为新的样本数据,并结合深度自编码神经网络实现轴承的智能故障分类。新样本相对于原始样本,实现了数据的维数约减,缩短了样本集的分析时间。同时,在保持各样本数据原有信息的基础上,使得样本之间差异性更突出。另外,该方法在避免深度学习算法层与层之间的权值根据经验设定的同时,解决了通过逐层减少隐含层节点数来提高计算效率时带来的分类识别准确率降低的问题。最后,通过试验数据对比分析验证了算法的有效性。     

机械设备故障中关于智能诊断技术的发展

随着当前我国经济的快速发展,以及人工智能化的发展与创新,有关机械设备故障的智能诊断技术也已经有了许多新的发展机会。本文主要论述的是,当前我国设备故障相关诊断技术的发展现状,对这种现状出现的原因进行了适当的分析与研究,并且提出了与之相适应的解决措施与发展方法,还对我国智能诊断的未来发展方向与趋势提出了预测性的分析,以期为能我国日后在相关事业的发展与进步做出一定的具有积极意义的措施。     

基于NAKF和DBN的液压管路故障智能诊断方法

针对航空液压管路故障识别困难的问题,提出了一种基于非线性自适应卡尔曼滤波器(NAKF)和深度信念网络(DBN)的液压管路智能故障诊断方法。首先,在传统卡尔曼滤波器(KF)的基础上,利用最小二乘法修正构造的Sigma点,消除高斯分布对Sigma点影响,提出了非线性自适应卡尔曼滤波器,并用其对仿真信号进行了降噪处理;然后,对液压管路实测振动信号中的随机噪声进行了去除,对深度信念网络模型参数进行了设计,并将液压管路数据集输入到深度信念网络模型中进行了训练;最后,基于同一样本数据,分别采用支持向量机(SVM)和反向传播神经网络(BPNN)等模型进行了训练处理,利用分类准确率等两个指标,对3种故障诊断模型进行了综合评估,对3种模型分类性能进行了对比分析。研究结果表明：采用NAKF-DBN智能故障模型得到的液压管路故障诊断准确率能达到99.72%,SVM模型和BPNN模型等浅层网络的平均故障诊断准确率不高于95%,而未经非线性自适应卡尔曼滤波器滤波的深度信念网络的诊断准确率仅有86.58%;该结果验证了NAKF-DBN模型对于液压管路故障识别的有效性,可以为航空液压管路的智能化诊断提供新思路。     

基于误差分析对机加工过程故障的发现及诊断

本文提出了根据工件的加工误差判别和诊断机加工过程故障的一种理论方法。在加工过程中,工件的加工误差主要是由刀具的磨损、破损、工件一刀具受热变形、工艺系统的颤振等故障而引起的。如果能够确定工艺系统的这些故障与工件加工误差之间的关系,则便可应用这些关系并通过实时检测工件的加工误差反过来判别和诊断工艺系统的这些故障。本文描述依据这一原理并应用人工智能的理论和方法以发现和诊断机加工过程的故障。研究表明,这种方法是有效及实用的。