基于改进深度信念网络的燃气轮机故障诊断

针对传统智能诊断方法使用的浅层模型难以准确挖掘信号特征量与对应故障原因之间复杂的映射关系,导致故障诊断精度不高的问题,提出了一种基于深度信念网络(DBN)的燃气轮机故障诊断方法。采用Apriori关联度分析法分析燃气轮机故障模式与故障特征向量之间的关系,生成关联度矩阵;根据关联结果筛选出满足精度的特征向量作为输入,同时结合遗传算法(GA)对深度信念网络的结构参数进行优化,建立了基于GA-DBN的燃气轮机故障诊断模型。最后通过诊断实例验证了所提方法的有效性。     

一种基于BP神经网络的传感器故障诊断方案

针对传感器故障,提出了一种BP网络和修正的Bayes分类算法(MB)的集成故障诊断方法.用BP神经网络建立传感器故障模型,对系统的状态和故障参数进行在线估计,再用修正的Bayes算法进行传感器故障的在线检测、分离和估计.对连续搅拌釜式反应器(CSTR)的仿真结果表明,该集成故障诊断方法能够对传感器故障进行快速准确的分离和估计,并对传感器故障具有容错性.     

基于RBF网络的水位传感器故障诊断方法

将RBF网络应用于水位传感器的故障诊断,通过构建RBF网络估值器,提出了一种故障诊断方法。首先用影响汽包水位的各种相关参量的实测数据对RBF网络进行训练,然后用达到训练目标的RBF网络对汽包水位进行较高精度的估值;通过RBF网络估值器输出和水位传感器实际输出之差与设定的阈值比较检测传感器故障;若水位传感器出了故障,则诊断系统通过故障转换开关及时对水位监视或控制系统进行重构以消除故障的影响。仿真试验表明该方法能对水位传感器进行较有效的状态监测和故障诊断。     

基于滑模观测器的故障检测与重构方法

针对不确定控制系统的故障诊断问题,提出了一种利用滑模观测器进行故障检测与重构的方法.首先设计滑模观测器,以实现系统的执行机构和传感器的故障重构,然后在对系统传感器的故障重构中,采用设计二级观测器构造一个虚拟等效系统的方法提高重构精度,通过运用低通滤波器,将原始的传感器故障以执行器故障的形式表示,并用线性矩阵不等式(LMI)方法来设计观测器.该方法能够更准确的估计出系统的传感器故障,最后给出的数值仿真实例说明了其有效可行性.     

基于EMD和SVM的传感器故障诊断方法

为了解决自确认压力传感器的故障诊断问题,提出了一种基于经验模式分解(EMD)和支持向量机(SVM)的传感器故障诊断方法,该方法对传感器输出信号进行经验模态分解,将其分解为若干个固有模态函数(IMF),对每个IMF通过一定的削减算法增强故障特征,然后计算每个IMF和残余项的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型.通过压力传感器的故障诊断结果表明,该方法能有效的应用于传感器的故障诊断中.     

变体飞行器传感器故障在线主动容错控制

为保证变体飞行器在传感器故障情况下的稳定飞行性能和良好跟踪效果,提高故障诊断准确度和容错控制能力,针对变体飞行器传感器故障诊断与容错控制问题,提出一种基于考虑属性可靠度的置信规则库(BRB-r)专家系统在线主动容错控制方法。首先,给出变体飞行器的气动参数模型和纵向非线性动力学模型,综合考虑外界扰动和传感器故障,利用最小二乘拟合方法和雅克比线性化方法,建立变体飞行器的切换线性变参数(LPV)故障模型;然后,基于BRB-r专家系统构建变体飞行器传感器故障诊断与容错控制模型,通过统计方法对传感器监测指标进行可靠性分析,并引入证据推理(ER)解析算法,提高故障诊断精度和容错控制效果;最后,利用基于投影算子的协方差矩阵自适应优化策略(P-CMA-ES)算法优化故障诊断与容错控制模型,降低系统的复杂度,提高了故障诊断效率。仿真结果表明,变体飞行器传感器故障诊断精度能够达到98.75%,当传感器故障程度小于50%时,所提方法能够有效克服传感器故障和外界扰动,保证变体飞行器的稳定飞行,具有较强的容错控制能力和鲁棒性能。     

传感器故障的鲁棒检测与识别方法

提出了一种在模型参数变动和存在外部扰动条件下的控制系统故障检测与识别方法。基于未知输入观测器(UIO)理论,将模型的变化和不确定性转化为系统的未知输入,设计的鲁棒观测器对模型参数变动不敏感,而对故障敏感,在检测故障的同时还可估计出故障的形式和大小。在火电厂过热汽温控制系统传感器的故障诊断实例中,验证了该方法的有效性。     

动态核主元分析在无人机故障诊断中的应用

飞行控制系统作为无人机(unmanned aerial vehicle, UAV)的核心子系统,对其进行故障诊断可以大大提高无人机的安全性和可靠性。在无人机数学模型未知或者不确定的情况下,数据驱动的故障诊断方法比基于模型的方法更实用。考虑无人机飞行控制系统是典型的非线性动态系统,采用一种非线性主元分析方法对其进行故障诊断。利用数据建立无人机飞行控制系统正常状态下的动态核主元模型,通过T²和SPE两种统计量实现故障检测;故障发生后,利用重构贡献图的方法进行故障分离。仿真试验证明,该方法能对典型的无人机执行器和传感器故障进行有效监测和诊断。与动态主元分析相比,动态核主元分析方法对微小故障更为敏感。     

基于主元分析的传感器故障检测研究

基于主元分析（PCA）的故障诊断方法是故障诊断领域一个重要研究分支。本文首先介绍了主元分析的理论,然后深入研究了基于主元分析方法的传感器故障检测问题。该方法能够在对测量参数相关性分析的基础上,将传感器测量值所组成的测量空间分解为主元和残差两个子空间,通过传感器实际测量数据与正常数据矩阵在残差子空间投影的比较,对传感器的故障进行检测。最后进行具体仿真,仿真结果表明主元分析法对传感器具有很好的故障检测能力。     

EMD和SVM在刀具故障诊断中的应用

与传统方法相比,声发射传感器在刀具故障诊断方面有很大的优势。将声发射传感器应用于刀具切削过程中,提出了基于经验模态分解(EMD)和支持向量机(SVM)的刀具故障诊断方法。该方法首先对标准化的声发射信号进行经验模态分解,将分解后的有限个固有模态函数(IMF)通过一定的削减算法增强故障类型特征,把每个IMF和残余项的能量以及整个信号的削减比作为特征向量,最后将特征向量输入支持向量机进行训练和测试,判断刀具的故障类型。通过对某一刀具的故障诊断结果进行分析,验证了该方法的实用性和有效性。     

基于多层次信息融合的水轮机调速器故障诊断

在建立故障诊断的信息模型基础上,设计了一种软件传感器,用于帮助在故障诊断中提供不能直接测量的重要性能信息,通过融合不同层次的信息提取动态过程的特征参数,然后用作FMECA故障诊断模型的输入,进行故障识别.应用该方法进行水轮机调速器故障诊断,能给出引起故障发生原因的各种组合和概率.实际应用表明,该方法的快速性能满足水轮机调速器在线故障诊断辅助决策的要求.     

信息融合技术在烟气轮机故障诊断中的应用

烟气轮机是炼化企业生产中重要的核心设备,保障烟气轮机的安全可靠运行,实现科学维护十分重要。对多传感器信息融合技术作了简要介绍,给出了一种神经网络与D-S证据理论相结合的诊断方法,并提出了基于多传感器信息融合技术的烟气轮机故障诊断模型。通过在转子实验台上的实验表明,采用该方法提高了故障诊断系统的灵活性及故障诊断的效率和准确性。     

基于IFA-XGBoost的燃气轮机故障诊断

涡轮叶片是燃气轮机中工作环境最恶劣的部件,叶片状态的实时监测与诊断至关重要。针对XGBoost(eXtreme gradient boosting)易受其超参数的影响,提出了一种改进萤火虫算法(IFA)优化XGBoost的故障诊断方法。将种群多样性的位置更新策略和动态步长更新措施引入萤火虫算法(FA)中,解决其收敛速度慢、易陷入局部最优等问题,使其能够更好地确定模型参数。实验结果表明,与未优化的XGBoost模型和FA-XGBoost模型相比,建立的IFA-XGBoost模型具有很好的识别效果,准确率达到96.87%,能更好地应用于叶片故障诊断。     

基于GRA-DeepAR的燃气轮机燃烧室故障预警研究

为防止电站燃气轮机燃烧室在工作期间出现故障而导致重大经济损失,提出了一种基于灰色关联度分析和深度自回归模型(GRA-DeepAR)的故障预警方法。首先,采集燃气轮机的正常运行数据进行GRA,提取出与透平排气温度高度相关的特征参数;然后,采用DeepAR对透平排气温度进行预测,并设定预警阈值,以此建立深度自回归故障预警模型;最后,根据残差绝对值是否超过预警线来间接判断燃烧室的运行情况。以某电厂安萨尔多燃气轮机的运行数据为例进行了分析,结果表明:该方法能够提前识别燃烧室的异常状况,同时发出预警信号提醒工作人员进行处理,可为燃气轮机燃烧室故障预警提供实际参考。     

基于神经网络的汽轮机故障智能诊断系统的设计

介绍了BP神经网络的结构和算法,分析了如何将BP神经网络用于机械设备的故障诊断,结合汽轮发电机组的故障特性,建立了汽轮发电机组故障诊断的神经网络模型,并利用该神经网络模型对汽轮发、也机组的故障进行了诊断,诊断结果是正确和有效的。     

基于范例推理的机械故障诊断方法与系统

故障诊断需要考虑许多因素,需要设备过去的运行数据和故障诊断记录及经验。本文提出基于范例推理的故障诊断方法,介绍了这种诊断方法的机理。在这种诊断方法的基础上设计了饱和汽车转子故障的诊断系统ＣＢＲＲＦＤＳ。     

基于粒子群优化的神经网络容错控制算法

针对一类非线性系统的传感器故障,将故障诊断与容错控制方法相结合,提出了一种容错控制方法。用BP网络建立传感器故障模型,并用粒子群算法来训练BP网络的参数,在线估计系统的状态和故障参数。然后将故障参数与修正的Bayes分类算法相结合,对传感器故障在线检测、分离和估计,通过补偿算法,实现容错控制。对连续搅拌釜式反应器（CSTR）的仿真结果表明,该方法收敛性好,对传感器故障具有很强的容错能力。