基于灰色关联度法的某供输弹液压系统保障性研究

供输弹液压系统是供输弹系统工作的重要驱动机构,利用灰色关联度法建立系统的计算模型,确定出液压系统中的各种故障模式和故障分布规律;利用区间估计的方法,判断系统故障的平均时间间隔,从而掌握系统的生产质量水平和保障性参数,为部队对装备的接收或拒收判据提供重要参考。     

基于模糊数学的某供输弹液压系统可靠性研究

利用模糊数学知识建立了供输弹液压系统可靠性分配的模糊数学模型,根据业内专家对国内某自行火炮供输弹液压系统的评价意见,对液压系统的权重集、分值集和失效率等因素进行了统计处理和求解分析,解决了以往对该系统可靠性把握不准的问题,对未来该型供输弹液压系统的故障预测和失效分析具有一定的参考价值。     

基于AMESim的舰载输弹装置液压系统仿真分析

针对舰载输弹装置的液压系统执行元件动作异常的问题,采用面向对象的建模方法,在AMESim中建立了其液压系统仿真模型,仿真油缸泄漏和系统压力偏低时不同故障下的油缸位移曲线;详细研究了负载扰动对垂直输送马达工作的影响;提出通过测马达转速来确定垂直输送装置中弹托具体位置的方法,得到弹托位移曲线。分析结果为输弹装置状态监测和液压系统故障诊断提供依据。     

基于CEEMDAN与VNWOA-LSSVM的供输弹系统早期故障诊断研究

由于供输弹系统早期故障信号成分复杂,故障特征微弱,故提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与以冯诺依曼拓扑结构(VN)改进鲸鱼算法(WOA)优化下的最小二乘支持向量机(LSSVM)的故障诊断方法。在对所测信号进行预处理即去趋势项和零点漂移后,通过CEEMDAN对供输弹信号进行分解,得出模态分量(IMF);然后依据相关系数和峭度准则这两个标准来选取符合标准的IMF分量,提取这些分量的分布熵(DE)作为特征;最后用VNWOA-LSSVM诊断模型,输入供输弹系统3种不同工况下的振动信号特征进行故障诊断,并且还对比了LSSVM、PSO-LSSVM、GA-LSSVM和WOA-LSSVM等方法对故障的识别率。实验结果表明：这些方法中经VNWOA优化后的LSSVM的识别率最高,高达94.03%。     

基于TSMAAPE与WOA-KELM的液压泵故障诊断北大核心

多尺度排列熵(MPE)是一种非线性动力学方法,广泛应用于旋转机械的故障诊断。然而,排列熵没有考虑具有相同排列模式的时间序列可能具有不同的振幅,并且粗粒化方法存在缺陷。为解决上述问题,提出时移多尺度振幅感知排列熵(TSMAAPE)。利用时移时间序列改善MPE中粗粒度时间序列存在的不足,同时引入振幅感知排列熵。通过与时移多尺度排列熵和多尺度振幅感知排列熵进行对比,验证TSMAAPE的鲁棒性。考虑到TSMAAPE在特征提取方面的优势,结合鲸鱼优化算法优化的核极限学习机,提出一种液压泵智能故障诊断方法。结果表明:该方法对液压泵的不同故障具有较好的分类准确率,在故障诊断领域有广阔的应用前景。     

基于改进GA-KSW熵法的无人机拍摄绝缘子故障识别

针对输电线路中绝缘子的故障问题,设计并实现一套绝缘子自爆故障识别算法。设计无人机整体构架,包括导航能力、避障能力以及高压线旁工作的抗干扰能力;对传统遗传算法进行改进,结合最佳熵阈值确定法对绝缘子图像进行分割;利用形态学得到纯净的绝缘子串;采用所设计的拟合算法推测绝缘子应有位置,分别从正视图和斜视图对绝缘子自爆故障进行识别。结果表明：所提算法在分割绝缘子图像时精确度高,速度比传统遗传算法提高了约75%;该算法适用于多角度拍摄的绝缘子故障识别,为无人机拍摄的绝缘子故障识别提供了保障。     

对混砂机树脂供液系统两例故障的分析

针对混砂机树脂供液系统的两例故障，分析了故障发生的原因和维护办法。     

基于混合特征提取和PSO-ELM的电机故障诊断北大核心

针对单一特征提取方法无法有效提取电机故障特征,提出了一种基于混合特征提取与粒子群优化极限学习机(PSO-ELM)相结合的电机故障诊断方法。通过搭建电机故障实验平台,获取三相异步电机不同状态振动信号,利用变分模态分解(VMD)获取反映信号能量分布特点的能量占比和能量熵特征,并与反映时间序列不同尺度复杂程度的多尺度散布熵(MDE)特征组成混合特征向量,使用PSO-ELM完成电机不同状态的识别。结果表明,所提方法20次测试的平均识别率为98.92%,能有效提取电机故障特征。     

基于WOA-VMD及综合评价指标的轴承故障诊断北大核心

针对轴承振动信号的冗余信息过多、故障特征提取率较低的问题,提出一种基于鲸鱼算法及综合评价指标优化变分模态分解(VMD)参数的轴承故障特征提取方法。首先构建了一种模糊熵与峭度倒数和的综合评价指标,作为鲸鱼优化算法(WOA)的适应度函数;其次对VMD的相关参数进行寻优;然后使用优化的参数对原始信号进行VMD分解,得到固有模态函数(IMFs),选取模糊熵与峭度倒数和最小的IMF作为目标模态;最后对目标分量进行希尔伯特包络谱分析来提取故障特征。在仿真信号实验和实测数据实验中与传统方法对比,结果表明,鲸鱼算法与综合指标的结合能选取最优VMD分解参数,故障频率提取率较传统方法有所提高。     

基于模糊规则的数据异常检测系统北大核心

文章设计了一种基于模糊规则的机械故障快速检测模型,可以通过实际运行数据实现异常的快速检测和异常概率计算。异常快速检测是指通过优化循环神经网络(RNN)等深度学习模型,对产线数据进行特征提取和整合,然后结合随机森林及模糊规则,进行异常检测;异常概率计算是对数据进行数据清理后,使用决策树与模糊规则相结合,挖掘数据在真实异常发生前的特征趋势,在此基础上完成异常预警功能;最后在多个模拟数据集及真实运行数据下进行了实验。结果表明,提出的模型在异常数据检测及预警方面具有良好表现。     

基于粒化散布熵和SSA-SVM的轴承故障诊断

针对轴承故障振动信号在单一尺度下提取故障特征信息不完备,导致故障诊断识别率较低的问题,提出基于粒化散布熵(FIG-DE)和麻雀搜索算法(SSA)参〖JP2〗数优化的支持向量机（SVM）的轴承故障诊断方法。利用模糊信息粒化对轴承振动信号进行粒化处理,得到fLow、fR、fUp3个尺度下的模糊信息粒;分别计算3组信号的散布熵;将所得的熵值组成特征向量矩阵,输入SSA-SVM进行轴承故障分类。结果表明：利用SSA-SVM进行滚动轴承故障诊断,准确率有明显的提高。     

基于模糊故障树直升机起落架液压系统的故障诊断方法研究

起落架液压系统是飞机起落架系统中的重要组成部分,其可靠性的高低直接影响着飞机的安全.在对某型武装直升飞机起落架液压系统故障概率分析的基础上,将模糊数学和故障诊断方法相结合,建立了液压系统的模糊故障树.通过对其进行失效分析,推导出直升飞机起落架故障顶事件发生的模糊概率及其隶属函数分布,为起落架的维修和保养提供了理论依据.     

LCD模糊熵和SOM神经网络在液压泵故障诊断中的应用

针对液压泵故障诊断问题,提出了一种基于局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)、模糊熵和SOM神经网络三者相结合的故障诊断方法。对液压泵振动信号进行LCD分解,得到若干个内禀尺度分量(Intrinsic Scale Component,ISC);将ISC分量分别与原信号进行相关分析,筛选出包含主要故障信息的前几个ISC分量,计算其模糊熵并组成特征矩阵;将特征矩阵输入SOM神经网络进行分类识别。液压泵故障诊断实例表明,该方法能够准确识别液压泵典型故障,具有一定优势。通过与BP神经网络分类结果相对比,显示了SOM神经网络在特征分类方面的优越性。     

基于模糊故障树的摊铺机液压调平系统故障诊断与维护策略

摊铺机熨平板的液压调平系统作为摊铺机的一个重要特征,是影响摊铺路面平整度的最关键的系统,其一旦出现故障,将严重影响摊铺路面的质量。以SP120摊铺机的液压调平系统作为研究对象,通过分析该系统的故障形式,提出了对SP120摊铺机液压调平系统故障基于模糊故障树理论的诊断方法,建立了该系统的模糊故障树,并对该故障树进行了事件模糊化分析和算法研究,结果表明该算法是可行的。最后给出了系统故障的预防和维护措施。     

基于ECA-ResNet与CEEMDAN能量熵的轴承故障诊断

为解决轴承故障诊断中故障分类模型参数多且泛化性能弱、故障识别率低、识别速度慢的问题,设计一种基于深度学习模型ECA-ResNet、完全噪声辅助聚合经验模态分解与麻雀搜索算法优化的支持向量机(SSA-SVM)的故障诊断方法。通过ECA-ResNet对轴承信号进行建模以提取频域故障特征;将频域特征与CEEMDAN提取的能量熵以及传统信号的时域特征共同构成特征矩阵;通过SSA-SVM进行故障类型识别。结果表明：与传统故障特征提取方式相比,所提出的轴承故障诊断方法能得到良好的诊断效果,轴承故障识别率和分类速度较高。     

基于模糊故障树的数控机床故障诊断方法

以数控车床螺纹加工为典型实例,按功能分解方法构建数控系统的故障树,用案例推理法对故障树规则进行描述。根据隶属度最大原则建立数控机床故障原因的推断方法。结合机床实际生产和使用维修中统计的故障数据,运用模糊故障树控制理论建立故障集度矩阵,可判定故障机制隶属度。该方法可提高数控机床系统故障诊断的工作效率和准确性,并为故障诊断专家系统的设计提供一种新的推理方法。     

轴承故障的排列熵特征提取与GK模糊识别方法

为了提高轴承故障诊断准确率,提出了参数优化多尺度排列熵的特征参数提取方法和加权GK模糊聚类的识别方法。在特征提取方面,以多尺度排列熵序列偏度最小为优化目标,使用多作用力微粒群算法优化多尺度排列熵参数,实现了排列熵特征参数在轴承不同故障状态下的完全分离;在故障识别方面,提出了加权GK模糊聚类的识别方法,使用ReliefF算法计算特征参数权重,为高敏感度特征参数赋予更大的权值,从而提高GK模糊聚类的聚集度。经轴承故障实验验证,文章提出的排列熵特征参数提取和GK模糊聚类识别方法在此次实验中能够精准识别轴承故障类型,说明文中提出的特征提取和模式识别方法具有一定借鉴意义。     

模糊神经专家系统在风机实时故障诊断中的应用

实时性和准确性在风机实时状态监测与故障诊断中起着决定性的作用.本文综合运用模糊处理、神经网络和专家系统等先进的诊断方法及信号处理技术,采用故障定性--原因确定--处理方案等过程,提出了一种新型的模糊神经专家状态监测与故障诊断方法,并采用先进的Visual C 语言及模块式设计,为提高故障诊断准确性和实时性提供可靠保证.     

基于故障树的叉车液压系统故障诊断研究

将故障树分析法运用于叉车液压系统的故障诊断中,针对液压系统的失效模式及故障机理,建立了故障树,并进行故障分析与排除。实践证明,该方法简便、可靠、实用,用于液压系统故障诊断,能取得预期的效果。