基于SOM神经网络的风机故障诊断研究

应用自组织特征映射（SOM）神经网络实现风机的故障诊断。介绍了SOM网络的结构和学习算法;总结了风机的故障集、征兆集和故障特征数据。在MATLAB环境下给出了风机故障诊断的具体实例,表明该方法是一种可行有效的风机故障诊断方法。     

基于模糊多属性评判方法的因果强度求解算法

在利用概率因果网络模型进行航电系统故障诊断过程中,由于复杂系统中难以获取全部故障样本,导致节点之间的因果强度求解困难.对此,以模糊理论和层次分析法为理论依据,建立了航电故障诊断系统因果强度的模糊多属性评判模型,给出了属性权重的计算方法,推导出航电系统节点之间的因果强度求解算法,很好地解决了概率因果网络构建过程中因果强度难以获取的问题.最后以一个应用实例验证了此方法的优越性及工程实用性.     

基于遗传算法的概率因果模型在液压泵故障诊断中的应用

针对液压泵多故障诊断和特征提取上的瓶颈问题,提出了应用概率因果模型的液压泵故障诊断法,以斜轴泵为例,在分析其故障特征的基础上,从测得的振动信号中提取故障特征频段,建立模型,以遗传算法实现对故障的搜索,实验结果与事实相符,从而为液压泵多故障诊断提供了一条有效途径。     

基于SOM神经网络的矿井提升机故障诊断研究

应用自组织特征映射（SOM）神经网络实现矿井提升机的故障诊断。介绍了SOM网络的结构和学习算法;总结了矿井提升机的故障集、征兆集和故障特征数据。在MATLAB环境下给出了矿井提升机故障诊断的具体实例,表明该方法是一种可行有效的矿井提升机故障诊断方法。     

机车制动机故障模糊诊断方法研究

为解决机车制动机故障诊断的滞后性问题,将小波分析与模糊产生式规则方法相结合应用于机车制动机故障诊断中.开展了对机车制动机气路系统故障诊断过程中内部管道压力变化速率与故障发生的因果关系的分析,提出了采用小波多尺度边缘检测法提取故障征兆,并与多征兆加权模糊产生式规则相结合的故障诊断方法,建立了故障征兆与故障原因之间的关系,...     

基于傅氏变换的大型高压电动机甩油环磨损分析

机械故障诊断的研究,实质是要找出故障产生原因和故障征兆参数的相互对应关系。本文利用傅里叶变换等数学模型,对较复杂转机振动进行振动故障原因辅助分析及处理。机械故障诊断工程实践表明,此方法具有可行性,适用于透平机、离心压缩机、泵、风机等旋转机械。     

基于夹角余弦的油浸式变压器故障诊断研究

基于聚类分析理论,将变量间相似性度量——夹角余弦引入到变压器的故障诊断中。通过分析故障征兆集与标准故障模式集间的夹角余弦来进行故障诊断。文末应用该方法对一油浸式变压器进行故障诊断,实例结果表明所提出的方法是有效的。     

本体驱动的机械设备诊断维护知识建模

为了提高机械故障诊断的准确性与可靠性,引入了诊断维护知识的语义表示方法。通过对设备结构信息、维护经验知识以及诊断行为过程进行建模,建立了本体驱动的故障诊断推理模型。提出了设备运行状态与故障征兆之间的本体映射算法,并根据征兆空间到故障案例空间的映射关系进行实例匹配,完成了静态维护知识与动态诊断过程的统一,从而实现自动化、智能化的故障诊断与维护决策。将所建立的本体驱动的故障诊断推理模型应用于某转子故障诊断,得到了准确、实时的诊断结果。     

自组织特征映射人工神经网络用于旋转机械故障诊断

本文利用人工神经网络自组织学习和神经元连接的类型(兴奋或抑制)与征兆和故障之间的特征映射,建立了旋转机械故障诊断的自组织特征映射模型.利用这一模型使人工神经网络无指导学习用于旋转机械故障诊断,通过旋转机械中常见故障进行诊断提供了进一步解决故障诊断专家系统中知识库建立及维护的新方法.     

基于单片机和BP神经网络的凝汽器故障诊断系统

该文介绍了现代工业设备故障诊断的必要性，以凝汽器为对象，列举了其故障征兆集，采用反向传播神经网络算法，设计了一个具有故障诊断功能的单片机系统，使用效果良好。     

基于广义粗糙集与神经网络集成的旋转机械故障诊断研究

故障诊断规则中判断条件的冗余、不完全和不确定性不利于实际应用。采用广义粗糙集理论对旋转机械振动故障诊断的非完备决策系统进行了约简 ,得到了更为简明的最优诊断规则 ;根据约简结果 ,建立了基于神经网络的故障诊断系统 ;网络的训练对比结果表明 ,基于粗糙集理论的约简处理简化了神经网络结构 ,提高了网络的训练效率 ;以诊断实例验证了广义粗糙集理论与神经网络集成进行故障诊断的可行性     

基于Vague集相似度量的滚动轴承故障诊断

针对滚动轴承故障参数与故障类型之间关系的复杂性和不确定性,采用Vague集相似度量的故障诊断方法,将故障类型与故障参数之间的关系以及待测样本的故障参数用Vague集表示,通过计算并比较待测样本Vague集与故障样本Vague集之间的相似度量得到故障诊断结果,并给出了算例。     

基于粗集-神经网络的智能混合压缩机故障诊断系统的研究

利用粗集的约简功能消除压缩机故障样本数据中冗余信息，将粗集与神经网络相结合，构建了一个基于粗集一神经网络的智能混合压缩机故障诊断系统，实现了粗集对神经网络在压缩机故障诊断中的优化。     

多重结构神经网络在液体火箭发动机故障诊断中的应用研究

根据液体火箭发动机的结构特点和故障诊断过程的特性 ,分析了复杂设备诊断过程的层次性 ,建立了复杂设备故障诊断的多重神经网络模型结构 ,并将其应用于液体火箭发动机涡轮泵的故障诊断 ,结果表明 ,该方法可有效地降解复杂系统故障诊断问题的复杂性、具有快速诊断能力     

基于本体的大型风力发电机组故障智能诊断研究

针对目前快速发展的风电行业中大型风力发电机组故障诊断方法多、理论复杂,维护人员难以掌握的问题,提出了基于本体的风力发电机组故障智能诊断系统,辅助维护人员选择合适的故障诊断方法。系统以本体形式表示风电机组故障诊断领域知识,提供了与用户进行信息交互的接口,并建立了诊断方法推理所需的规则集。基于Java平台开发了基于本体的风力发电机组故障智能诊断原型系统,该系统可用于风电机组故障智能诊断。     

基于粗糙集与支持向量机的电动机转子断条故障诊断

提出了一种基于粗糙集与支持向量机的电动机转子断条故障诊断方法。首先将电动机在不同故障状态下的振动信号离散化,再应用粗糙集软件rosetta对数据进行进一步的约简,得到约简后的数据应用于支持向量机的训练从而得到基于支持向量机的多分类器。实验证明:该方法检测电动机的转子断条故障是可行的。     

基于随机集理论的并发故障诊断信息融合方法

为了诊断并发故障,提出一种基于随机集理论的信息融合方法.首先构造包含并发故障的论域,并在此论域的超幂集上定义扩展型随机集.基于该随机集和广义集值映射给出证据组合规则的随机集模型,用其构造可以同时适用于单发和并发故障诊断的新型组合规则.此外,根据传感器提供的故障信息构造故障样板模式与待检模式的模糊隶属度函数,利用模糊集的随机集表示以及随机集似然测度,获得两种模式匹配的程度作为待融合的诊断证据.最后通过在电机柔性转子平台上的试验,证明了所提方法可有效地减少单一传感器信息诊断的不确定性,显著提高转子系统故障诊断的精度.     

基于混合智能新模型的故障诊断

为了解决机械设备中早期故障和复合故障识别的难题,提高故障诊断的准确率,利用经验模式分解(Empirical mode decomposition,EMD)、改进的距离评估技术、自适应神经模糊推理系统(Adaptive neuro-fuzzy inference system, ANFIS)和遗传算法(Genetic algorithm, GA)等技术,提出一种综合运用多征兆域特征集和多个分类器的混合智能诊断模型。该模型在特征提取之前,利用滤波、EMD、解调等预处理技术挖掘潜藏在动态信号中的故障信息;从原始振动信号和预处理信号中,分别提取从不同侧面表征设备运行状态的时域和频域统计特征,得到6个特征集。采用提出的一种改进的距离评估技术选择特征,从6个原始特征集中相应地筛选出6个敏感特征集。将6个敏感特征集输入到基于GA组合的多个ANFIS分类器以得到最终的诊断结果。该模型在电力机车轮对轴承的故障诊断中实现了轴承不同故障类型、不同故障程度,以及复合故障的可靠识别,获得了满意的诊断结果。应用结果也验证了基于改进的距离评估技术的特征选择方法的有效性。     

概率粗糙集模型的机械故障诊断研究

故障诊断中故障产生的机理比较多,故障的表现形式不唯一,实际应用时得不到理想的诊断结果。概率粗糙集模型能充分利用近似边界区域提供的统计信息,并能对给定概念一个更完整的刻画,因而可以提取带有确定性因子的决策规则。旋转机械振动故障诊断实例验证了统计概率和粗糙集理论相结合进行故障诊断的可行性。     

故障树分析法在雷达发射机故障诊断中的应用

故障树分析方法是一种实用的故障分析方法。根据输入的故障征兆自动寻找匹配的底事件,然后生成顶事件故障树并求出最小割集,按照最小割集重要度大的部件优先检测的顺序生成测试流程,提示操作人员按照测试流程进行测试并找出故障源。通过构建故障树来进行某型雷达发射机的故障诊断分析,不仅可以方便推理机构寻找潜在故障进行故障诊断,而且较好地解决了专家知识获取难的问题,在确保诊断知识完整性的同时充分发挥了专家知识故障诊断快速高效的优点。