基于粗糙集和神经网络的密闭鼓风炉故障诊断

针对密闭鼓风炉过程机理的复杂性及过程信息的不确定性,研究了基于粗糙集(RS)与神经网络相结合的故障诊断方法。采用自组织映射神经网络(SOM)和条件属性依赖度相结合的方法,对连续的样本数据进行离散化,应用基于专家经验与条件属性依赖度相结合的属性重要度计算方法进行启发式RS约简,并把约简结果作为BP神经网络的输入。实验结果表明,采用该方法不仅优化了神经网络的拓扑结构,降低了神经网络的训练时间,同时大大提高了学习速度和故障诊断的准确率。     

铅锌密闭鼓风炉故障诊断知识获取的粗糙集方法

从粗糙集等价类概念出发，提出从不完整数据集中获取故障诊断知识的密闭鼓风炉故障诊断方法，将不完整数据集的训练事例划分为下近似和上近似两类，首先假设属性的未知特征值为任意可能值，然后根据从驯练事例中得到的上下近似进行提炼，最后从事例与近似互相作用以推导出确定的和可能的规则，得出规则概率，并估计出合适的属性的未知特征值，结合密闭鼓风炉悬料规则库的知识获取及其在故障诊断中的应用过程说明了该方法的有效性和实用性。     

基于RS与LS_SVM的密闭鼓风炉故障诊断

针对密闭鼓风炉故障信息的复杂性和不完备性,建立了基于粗糙集（RS）和最小二乘支持向量机（LS_SVM）相结合的故障诊断模型。首先运用等频率划分法对故障诊断数据中的连续属性进行离散化,然后采用粗糙集理论进行故障诊断决策系统约简,获得最优决策系统。将约简结果与LS_SVM相结合,建立了故障诊断模型。实验结果表明,该模型提高了诊断效率和判断准确率。     

锌精馏塔的混合故障诊断方法

以锌精馏塔为研究对象,在利用小波分析进行数据预处理的基础上,将专家系统、模糊控制、神经网络等先进的理论和技术有机的结合起来,提出了模块化的混合故障诊断系统,实现对整个锌精馏塔生产系统的状态监测和故障诊断。     

PCA过程监测方法在密闭鼓风炉铅锌熔炼中的应用

通过分别导出T2和SPE统计量均值与过程数据统计参数之间的关系,分析了T2和SPE统计量的变化趋势以及与密闭鼓风炉实际生产状况的对应关系;基于现场采集的长期历史数据,给出了在密闭鼓风炉过程传感器故障检测中的应用实例;试验结果表明,PCA方法可以快速有效地反映生产过程的变化,生产运用效果表明该方法大大提高了对密闭鼓风炉生产工况的实时监测能力,提高了生产效率.     

密闭鼓风炉铅锌熔炼的统计过程监测系统设计

密闭鼓风炉熔炼过程中的铅锌冶炼反应工艺非常复杂,且工况变化较大,目前还没有比较有效的方法对其监测。主元分析(PCA)是一种有效的多元统计过程监测方法,将PCA应用于密闭鼓风炉熔炼生产的统计过程控制,分析了T~2统计、SPE统计量的变化趋势,与密闭鼓风炉实际生产状况的对应关系。试验结果表明,PCA方法可快速有效地反映生产过程的变化,生产运用效果表明该方法大大提高了对密闭鼓风炉生产工况的实时监测能力,提高了生产效率。     

DCS在铅锌密闭鼓风炉（ISF）过程控制系统中的应用

介绍韶关冶炼厂Ⅱ系统铅锌密闭鼓风炉熔炼（ISP）生产过程DCS（集散系统）的应用情况。着重论述了系统的监控功能和技术特征。     

密闭鼓风炉锌产量的支持向量机实时预报模型

为优化密闭鼓风炉的操作参数,建立了锌产量的实时预报模型。该模型采用分类SMO方法训练支持向量机回归模型,并根据若干步的误差来在线校正模型参数,对锌产量进行多步预报,以及时调整操作参数,并能在线学习预报模型。该预报模型的工业仿真表明在只有较少的样本数的情况下,在有效误差范围内能达到90％,且具有很好的实时性。该模型已应用于密闭鼓风炉操作优化与故障诊断系统,能较好地指导生产。     

支持向量机及其在密闭鼓风炉故障诊断中的应用

针对密闭鼓风炉故障诊断中难以获得大量故障数据样本以及特征提取和诊断知识获取困难等不足,提出了应用支持向量机(SVM)进行故障诊断的新方法.采用改进"1对其余"算法构建多个SVM,利用可靠性数据分析技术中一些基本概念处理原始样本数据作为特征向量,输入到由多个SVM构成的多类分类器中进行故障分类.经实验证明,该方法简单,重复训练量少,训练、分类速度快,准确度高.     

混合故障诊断专家系统

对大型复杂生产系统进行状态监测和故障诊断难以用单一诊断理论和技术实现.将协同计算机网络、专家系统、神经网络和小波分析等先进理论和技术有机地结合起来,研究和构造了模块化的混合故障诊断专家系统,以实现对某钢厂大型复杂自动化冷轧生产线进行状态监测和故障诊断.研究结果表明,混合专家系统为大型复杂系统的状态监测和故障诊断提供了崭新而有效的技术手段.     

基于RBF网络的高炉热流分析传感器故障诊断

在炼铁高炉热流强度分析系统中要用到温度、流量等传感器,为确保热流分析系统中传感器数据的可靠性及系统的连续、稳定运行,诊断系统用径向基函数(RBF)神经网络对传感器进行故障判断。系统由上位机、温度及流量采集装置、传感器等组成,采用RBF神经网络为每一个传感器建立预测模型,网络的输入为传感器采集信号最近的n个值,输出为该传感器在n+1时刻的预测输出值。网络通过在线学习实现对传感器的在线故障监测,经仿真分析表明:用RBF神经网络构建预测模型可满足实时性的诊断要求,提高了诊断系统的诊断精度。     

Integrating symbolic and numerical features for fault prediction and diagnosis by an expert system

This paper addresses the topic of a predictive task after integration of symbolic and numerical features by a hybrid diagnostic expert system. The online interaction of information and knowledge from various sources is achieved after successful combination of different development environments, tools and programs. The system infers using cooperatively dynamic modelling information, online sensor information, and stored knowledge in the knowledge base.     

采煤机液压故障诊断系统设计

为了及时、有效地对采煤机液压故障诊断提供支持,采用本体技术对液压系统故障知识建模,结合模糊推理设计采煤机液压故障诊断系统,通过故障案例验证系统诊断的准确性,对采煤机液压故障诊断技术有着一定的参考、促进作用。     

An online expert system for fault diagnosis in hydraulic systems

Fault diagnosis has become increasingly important for industrial automation and many approaches have been investigated for the online diagnostic task. This work demonstrates a new online expert system for dynamic industrial automated processes. The emphasis of this diagnostic system lies in the functions provided for fault detection, prediction, compensation and diagnosis. The system uses experiential knowledge cooperatively with scientific knowledge in a new interactive formation. It is developed in two parts using the DASYLab software for the numerical computations and the KPWin development tool for the symbolic representations. The system was developed in collaboration with the company Automation Systems S.A., which specializes in hydraulic systems, and is used for fault detection in production machines.     

基于DEDS故障诊断方法在GBM控制系统中的应用

GBM系统作业时由于具有DEDS特性,其故障诊断非常适合采用DEDS故障诊断理论来处理。对DEDS故障诊断基本理论和GBM的故障诊断过程进行了简要的介绍,以GBM灌注系统的故障诊断为例,基于DEDS故障诊断理论对GBM的故障诊断过程进行了详细地分析和说明,实验结果表明:基于DEDS故障诊断理论的诊断结果效果明显,证明了DEDS故障诊断理论在GBM故障诊断中的有效性。     

A hybrid fault diagnosis approach using neural networks

A hybrid fault diagnosis method is proposed in this paper which is based on the parity equations and neural networks. Analytical redundancy is employed by using parity equations. Neural networks then are used to maximise the signal- to- noise ratio of the residual and to isolate different faults. Effectiveness of the method is demonstrated by applying it to fault detection and isolation for a hydraulic test rig. Real data simulation shows that the sensitivity of the residual to the faults is maximised, whilst that to the unknown input is minimised. The simulated faults are successfully isolated by a bank of neural nets.     

填料塔故障诊断系统设计

本文简要介绍了填料塔正常运行的重要性,并对填料塔的常见故障进行了分析归类．在此基础上建立了填料塔设备的档案和维护方案来避免周期性故障,对突发性故障则使用故障诊断专家系统进行分析判断并给出合适的维修方案．本文采用专家系统和信息管理技术,最终可减少填料塔因故障停车带来的损失,为企业带来更大的经济效益和社会效益。