基于WPD和LPP的设备故障诊断方法研究

小波包分解(WPD)能够将非平稳信号在低频和高频上同时分解以有效反映信号潜在的特征信息,而局部保留投影法(LPP)在降维的同时保留了信号的局部特征信息。结合上述特点,本文给出了选取信号小波包分解后形成全部节点的谱能量,作为表征信号的特征,采用LPP提取降维特征进行模式识别的方法进行设备故障分类研究。本文在多组不同轴承故障及同故障不同损伤程度的多类别数据集上进行了实验,实验结果验证了这种方法的有效性。     

基于数据挖掘的配网设备故障自动诊断方法

在常规的配网设备故障的诊断方法中选用基于专家系统的诊断,虽然能解决现场问题,但是难以解决诊断中的误判问题,导致诊断精度较低。因此该文提出基于数据挖掘的配网设备故障自动诊断方法。在对设备故障自动诊断的方法设计中,先将配网设备的故障信息进行聚类,通过全局定位方法,对设备内故障问题所代表的逃逸因子进行定位。然后基于数据挖掘构建故障诊断模型,在随机森林的算法构建中,以决策树来诊断故障信息,最后对诊断方法进行优化。试验中试验组在4组样本中自动诊断的平均精确度为97.25%,对照组Ⅰ自动诊断的平均精确度为79.44%,对照组Ⅱ自动诊断的平均精确度为81.32%。根据试验结果可知,基于数据挖掘的诊断方法具有较高的诊断精确度,可以进行推广应用。     

基于多元图可视化分析和人机交互的设备故障诊断方法研究

针对面向数据的故障诊断方法的局限性,根据多元图表示基本理论,提出了基于多元图表达的经验样本故障模式可视化分析和人机交互(HCI)的故障诊断技术,该技术通过专家参与机器自动识别诊断过程实现了面向对象领域的故障诊断方法和面向数据的故障诊断方法的有效结合,克服了单一机器学习的局限性.采用国际标准UCI数据库中的故障数据库进行...     

基于Inception v3的印刷设备轴承故障智能诊断方法研究

目的 轴承作为印刷设备中的旋转核心元件,其运行状态对印刷设备的健康监测作用较大。通过融合小波时频处理与Inception v3模型的优势,提出一种用于印刷设备轴承故障智能诊断方法。方法 利用Morlet小波对采集到的印刷设备轴承原始振动信号进行处理,得到对应的二维时频图像,从时域和频域两方面对轴承故障进行表征;将时频图像作为Inception v3模型的输入,利用其模型的稀疏特性,快速从时频图像中自动学习故障特征,并对其模型参数进行调整;最后,利用训练好的模型实现印刷设备轴承故障诊断。结果 利用印刷设备轴承实验平台对提出方法的有效性进行了验证,实验结果表明该方法的平均诊断精度可达92.53%。结论 与传统智能诊断方法相比,所提方法在诊断精度与稳定性方面均具有一定的优势,可实现高精度印刷设备轴承故障诊断。     

基于残差网络的航空发动机滚动轴承故障多任务诊断方法

针对当前基于深度学习的航空发动机滚动轴承故障诊断技术诊断任务单一的问题,提出一种基于多任务残差网络的滚动轴承故障诊断方法,该方法采用残差网络为深层特征提取与共享主框架,建立能够同时进行故障诊断的多任务模型。首先,在数据预处理中,将滚动轴承的振动加速度时域信号转换为频谱图,并直接作为网络的输入;然后,应用标签平滑技术对故障类别标签做了平滑处理以提高网络的测试精度;最后,利用两组实际的滚动轴承故障数据集对所建立的多任务模型进行试验验证,将诊断任务划分为：故障状态识别(正常和异常)、故障部位识别(内圈、外圈和滚动体故障)、以及故障程度识别(损伤尺寸大小预测)。结果表明,所搭建的多任务模型在故障状态识别和部位诊断中的准确率达到97%以上。同时,在故障识别中,损伤大小预测达到了满意的精度,充分表明该方法具有很强的故障多任务诊断能力。     

基于主成分分析及多维高斯贝叶斯的超声流量计故障智能诊断方法

提出了基于多维高斯贝叶斯模型的设备故障智能诊断流程,包括数据的筛选与结构化分析、数据的降维、模型的构建、诊断结果的检验与分析等。研究表明采用主成分分析方法进行降维时,不同的诊断对象在降维参数的选择方面存在较大差别,诊断效果因诊断对象和样本数量的不同而有所差异。利用公开发表的超声波流量计数据库对流程进行验证。结果显示:针对B型流量计进行280次、C型流量计进行550次智能故障诊断,故障状态的首选正确识别率分别达到99.3%和95.1%,较k-最近邻(KNN)聚类分析算法有一定的优势。     

基于贝叶斯网络的汽轮机组轴承工频振动诊断

将贝叶斯网络方法用于汽轮机组轴承振动诊断。根据现场诊断经验,建立了轴承工频振动诊断的质朴型贝叶斯网络,网络中融合了振动频谱、相位和运行工况等诊断信息;提出了网络推理计算方法,并在LabVIEW软件平台上实现。诊断结果的准确性在多个实际案例中得到证实,表明本文的诊断方法能有效地识别轴承振动的单一故障和复合故障。     

基于贝叶斯网络的组合服务信任度评估方法

对组合服务信任度评估问题进行了研究。基于信任的不确定性和模糊性,给出了信任度的离散化表示方法;借助于贝叶斯网络的强大的推理能力,给出了组合服务的贝叶斯网络模型以及组合服务模型到贝叶斯网络的转换规则,利用贝叶斯网络的正向推理机制设计了基于贝叶斯网络模型的组合服务信任度评估方法。通过一个组合服务的买例,说明了组合服务的贝叶斯网络模型及其基于贝叶斯网络的组合服务信任度评估方法的使用方法。该评估方法基于信任的模糊性和不确定性,更符合信任的本质并易于实现。     

基于贝叶斯网络的用户需求分析方法研究

目的 尝试在设计研究中引入贝叶斯网络分析工具,结合案例的统计数据计算,分析用户需求与行为的映射关系,系统设计快递包装回收的解决方案。方法 通过调查问卷法、观察法、访谈法对用户行为进行数据采集,结合生活方式转变机制模型,运用贝叶斯网络进行用户研究,产出需求理解,指导产品服务系统设计工作的开展。结果 快递包装再设计的产品基础属性、使用便捷性、系统完整程度会在很大程度上影响用户行为可持续性以及设计认同度。结论 通过研究形成了可持续的快递包装使用系统,帮助引导用户可持续行为,从产品全生命周期的理论角度为快递包装回收的产品服务系统设计提供了面向用户研究的全新设计思考方法,证明了贝叶斯网络在用户研究中解决不确定性问题的积极意义。     

基于贝叶斯网络的汽车故障诊断分析研究

贝叶斯（Bayes）网络是基于概率推理的图形化网络、数学模型,针对汽车故障的特点及类型,提出采用贝叶斯（Bayes）网络作为汽车故障诊断分析方法,为汽车故障提供准确和可靠的决策依据。     

基于贝叶斯网络的机场客流换乘研究

使用贝叶斯网络对机场客流的换乘方式选择和期望换乘方式进行了研究,对起直接作用的影响因素以及这些因素之间的相关性建模分析.结果表明,对机场旅客换乘选择的主要影响因素有:年收入、是否带有大件行李、出发地到机场的费用和花费的时间.轻轨是大部分旅客期望的换乘使用的交通方式.该研究为今后的交通方式选择预测提供了新思路,也为轻轨的建立提供了很好的理论支持.     

基于数据仓库的包装机械设备故障诊断方法的研究

论述了数据仓库的定义及在包装机械故障诊断技术中的应用方法,建立了故障症兆模糊诊断数学模型,提供了其快速分析决策支持工具,并开发了故障诊断原型系统实现瓦楞纸板生产线等普通大型中低速旋转机械的故障诊断。     

基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测方法研究

提出了基于混合高斯输出贝叶斯信念网络模型的设备退化状态识别与剩余使用寿命预测新方法,将变量消元和期望最大化算法相结合对模型进行推理,应用聚类评价指标对状态数进行优化,通过计算待识别特征向量的概率值来确定设备当前的退化状态,在退化状态识别的基础上,提出了剩余使用寿命预测方法。最后,分别应用50组轴承全寿命仿真数据和3组轴承全寿命实验数据对模型进行验证。结果表明,该模型可有效地识别设备的退化状态并对剩余使用寿命进行预测。     

基于声场听觉感知的变压器故障诊断方法研究

精准的变压器故障诊断方法,对于保证变压器可靠运行具有重要意义.该文提出一种基于变压器声信号并考虑人耳听觉感知的变压器故障诊断方法.首先,通过模拟变压器不同工况条件,采集变压器正常工况和不同故障条件下的噪声样本;然后,基于人耳传声集总参数模型,计算各个样本的基底膜位移响应的统计平均值(statistical mean v...     

基于SVDD的多设备故障源识别定位方法研究

对于由多个设备组成的系统,检测的快速性和面临的小样本限制是进行声学故障源识别通常要考虑的两个重要问题。本文以线谱增强类声学故障为研究对象,提出了一种基于支持向量数据描述（SVDD）的故障源识别定位方法。该方法依据正常样本建立数据描述模板,对线谱增强类声学故障的出现进行识别,然后通过与各个设备上测得的传感器信号联合分析,实现了故障设备的准确定位。实验结果表明该方法具有较好的工程应用性。     

基于VMD-DE的坦克行星变速箱故障诊断方法研究

为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法。利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算重构信号的散布熵;将重构信号散布熵作为特征值输入到粒子群优化(PSO)的多分类支持向量机(SVM)中实现故障模式识别。通过对坦克行星变速箱的正常、行星轮故障和太阳轮故障三种状态进行模式识别,分类准确率达到100%,且计算时间较短。与基于原始振动信号DE、VMD-SE(样本熵)、VMD-PE(排列熵)及EMD-DE(经验模态分解与DE结合)等方法比较,综合考虑准确率和计算时间两个因素,基于VMD-DE的方法故障诊断性能最佳。     

基于液压泵复数信号的log-SAM故障诊断方法研究

针对基于液压泵单源振动信号易受噪声污染、无法有效表征故障特征信息的问题,提出了一种基于复数信号的log-SAM新方法.在液压泵端盖同一截面上,采集两个互相正交传感器上的振动信号;基于全矢思想,对上述双源信号融合为一个复数信号;利用log-SAM对复数信号进行包络分析,充分地突出故障特征信息,抑制噪声干扰;基于总体和最优...     

基于复杂网络社团聚类的复合故障特征分离诊断方法

针对复合故障多种故障特征相互叠加彼此干扰,给全面准确诊断带来困难,提出了基于复杂网络社团聚类的复合故障特征分离诊断方法。该方法首先应用EMD将复合故障信号分解为若干个IMF分量,由于不同单一故障的特征会在不同频段得以体现,提取每个IMF分量的特征量,建立故障数据网络模型;然后将每个IMF分量视为网络中的社团,根据复杂网络社团结构的特性,进行同类社团合并,合并所得每个社团与单一故障相对应,最后对合并的信号进行分析,实现复合故障特征分离。本文以转子不平衡和轴承内圈、轴承内圈和滚动体复合故障特征分离与诊断为例,验证了该方法的可行性。     

基于贝叶斯统计推断的框架结构损伤诊断研究

提出一种基于贝叶斯推理的非线性结构模型修正方法,同时考虑激励的随机性,建立了复合随机振动系统的动力可靠度分析方法。利用实测结构动力响应主分量的瞬时特征参数作为非线性指标构建似然函数,结合拒绝延缓自适应(Delayed Rejection and Adaptive Metropolis, DRAM)算法和高斯过程替代模型实现了非线性结构模型修正及其参数的不确定性量化。根据首次超越破坏准则,利用广义概率密度演化方法,分别对仅考虑激励随机性的确定性模型和同时考虑结构参数与激励不确定性的复合随机振动模型进行动力可靠度分析,并利用蒙特卡洛随机抽样方法验证了计算结果的准确性。研究结果表明：基于振动响应瞬时特征参数的贝叶斯推理方法能够快速、准确地实现结构的非线性模型修正及其参数的不确定性量化。与具有初始设计参数名义值的确定性模型相比,考虑参数不确定性的复合随机模型的动力可靠度总体偏低,因此,在结构安全评估中应考虑非线性模型参数不确定性的影响,使评估结果更加安全、可靠。