带式输送机故障诊断方法研究

为解决矿用带式输送机故障检测和诊断分辨率不高、精确度低的问题,通过多信息融合算法,提出BP神经网络与D-S证据理论相结合的算法,建立了多级故障诊断结构,优化了D-S证据论证信度函数权重分配,降低了故障诊断的模糊性,同时提高了矿用带式输送机故障诊断的精确性,减少了带式输送机故障的发生。     

基于警报信号和D-S证据理论的风电机组故障诊断

数据采集与监视控制系统(SCADA)储存了风电机组大量的警报信号,这些警报信号对故障类型具有一定的指示作用。为了及时有效地检测出风电机组故障,提出一种基于低频SCADA警报信号和D-S证据理论的风电机组故障诊断方法。首先从维修记录中提取故障类型构建辨识框架,然后选取故障当天触发的所有警报信号作为证据源,最后基于改进的D-S理论进行信息融合实现故障诊断。验证结果表明,该方法可以实现风电机组故障的有效诊断,为风电机组故障诊断提供了一种新的思路。     

多神经网络与D-S证据理论融合的凝汽器故障诊断方法

在凝汽器故障诊断的研究历史中,人工神经网络有着举足轻重的作用。但由于单一神经网络自身缺点的存在,使得故障诊断的准确率不高。针对这一问题,使用BP神经网络和Elman神经网络对故障样本进行训练仿真,并将诊断结果借助于D-S证据理论进行融合。结果表明:多神经网络与D-S证据理论融合的方法可以很好的进行故障剥离,诊断出最终故障,从而提高凝汽器故障诊断的准确性。     

基于小波包分析和信息融合技术的汽轮机转子故障诊断

根据Bently实验台所采集的不平衡、不对中、碰摩、松动4种典型汽轮机转子振动故障信号,运用小波包分析方法对其进行分析并提取故障特征。将提取的故障特征作为D-S证据理论的识别框架,利用信息融合技术对汽轮机转子振动故障进行诊断。诊断结果表明:基于小波包分析和信息融合技术的故障诊断方法,能提高故障诊断的准确性。     

D-S证据理论及其在燃气轮机系统诊断中的应用研究

针对燃气轮机轴承监测诊断中存在的多源监测数据利用不足、传感器信号不确定性难以消除、诊断精度待提高等问题,D-S证据理论（Dempster-Shafer Evidence Theory）作为一种简洁、高效的决策层多源信息融合方法,在燃气轮机状态监测与故障诊断中具有应用潜力。本文引入传统的D-S证据理论,并针对其存在的缺陷,系统总结了证据理论在燃气轮机轴承故障诊断领域的研究现状,围绕燃气轮机实际的工业应用场景,分析归纳了D-S证据理论的特点,并指出了未来D-S证据理论与燃气轮机轴承故障诊断的发展趋势。     

船舶柴油机故障诊断专家系统研制

结合神经网络和D-S证据理论,采用JAVA作为开发工具,JESS作为诊断工具,研制开发了柴油机故障诊断专家系统.系统可根据推理模型,结合历史数据和柴油机实时监测数值,在柴油机发生故障时,显示故障的有关信息、故障的可能原因以及维修建议.     

基于改进D-S证据理论的燃气轮机滑油系统故障诊断

本文使用D-S证据理论决策层融合结构融合了4种经典信息融合算法,对滑油系统典型故障进行诊断。为解决证据冲突问题,本文对D-S证据理论公式进行了改进,并验证了改进公式在特征层和决策层的融合效果。结论表明本文提出的D-S证据理论改进方法能够较好地解决证据冲突带来的问题,可以提高诊断正确率;证据理论在决策层融合中的优势较为明显,应用于多种方法诊断结果的决策层融合可以提高诊断的容错性。     

一种基于D-S证据理论的水轮机故障诊断方法

为解决不确定条件下水轮机故障诊断问题,在故障样本集的基础上通过粗糙集约简冗余属性获取了诊断规则进行故障诊断.对检测信息不完备时根据检测条件属性通过贝叶斯定理计算缺失属性发生的概率用于故障判断.针对多个诊断中出现的问题,通过D-S证据理论进行融合以获取一致性输出.示例证明了该方法的可行性与有效性.     

D-S证据理论与小波神经网络在发动机故障诊断中的应用

将小波神经网络技术和D-S证据理论引入到发动机故障诊断中,利用小波神经网络良好的局部分析能力和融合特性,以及D-S证据理论对于不确定性故障的分析,提高了发动机故障诊断的精确性.     

基于改进Petri网与希尔伯特黄变换融合的电网故障诊断

为了提高电网故障诊断结果的准确性,提出了基于改进Petri网与希尔伯特黄变换融合的电网故障诊断方法。首先在已有基于开关量的Petri网模型上做了简化与改进,改进模型同时考虑了主保护、后备保护和失灵保护的影响,可充分模拟实际故障中各个保护的优先级别,并引入分步诊断的概念简化了模型推导的复杂程度;然后通过希尔伯特黄变换来分析已获取的可疑故障设备的相关电气量,同时定义并计算得幅值故障度、频率故障度和能量故障度三个故障测度指标;最后在D-S证据理论的基础上融合三个故障测度获取故障元件。算例结果表明,该方法可改善故障诊断的准确度。     

基于粗糙集与证据理论的凝汽器故障诊断研究

针对凝汽器故障诊断问题,提出了一种基于粗糙集和证据理论相结合的故障诊断方法。利用粗糙集相对约简的不唯一性,对凝汽器故障征兆进行分类,形成不同的证据来源,既实现了证据理论对于同一事物要求有不同的证据来源的要求,又对故障征兆参数进行了降维处理,减小了网络的规模,有效缓解了由于输入参数过多给网络带来的收敛困难问题。该诊断方法将粗糙集、神经网络和证据理论有机地结合在一起,使三者优势互补,充分利用了凝汽器故障征兆的冗余、互补信息。实例证明,基于多故障诊断网络信息融合的诊断识别准确性和可靠性比基于单一故障诊断网络的诊断识别有较大的提高。     

一种面向测量偏差的传感器故障诊断方法

传感器是任何测控系统中必不可少的部件,而传感器在高温、振动、腐蚀性等恶劣环境下工作,极易发生故障,因此,开展传感器故障诊断意义重大。常规的传感器故障诊断方法是直接分析传感器的测量值,这种方法测得传感器的故障信号不灵敏,且无法实现变工况下的诊断。因此,基于性能仿真模型与D-S证据理论信息融合技术,提出一种面向测量偏差的传感器故障诊断方法,并应用于燃气轮机传感器故障诊断。仿真试验结果标明,该方法可以提高监测传感器故障的灵敏度,准确地识别出各类传感器故障,并进行数据恢复,减少不必要的停机。     

基于典型样本数据融合方法的锅炉制粉系统故障诊断

针对D-S证据理论应用中证据对目标模式的信度函数分配难以确定的问题,提出一种基于典型样本的信度函数分配获取方法,利用证据与各个目标模式典型样本之问的汉明距离构造信度函数分配。满足信度函数分配的定义并且减少了其主观性。将此数据融合方法应用到锅炉制粉系统故障诊断中,用以识别磨内煤粉自燃、磨满煤和磨断煤故障,根据历史数据验证,该方法可以有效判别故障类型并且能够做出早期诊断故障预测。     

基于多种理论融合的变压器在线故障诊断模型

为了保障电力变压器的安全稳定运行需大力研究开发电力变压器的在线状态监测与故障诊断系统。提出了利用改良三比值法配合模糊数学、RBF神经网络和D-S证据理论的多种理论融合的变压器在线故障诊断模型,最后通过大量故障案例来验证此故障诊断模型的有效性和准确性。     

基于数据融合技术的凝汽器故障诊断研究

为了实现对核动力装置凝给水系统故障的识别和准确诊断,将数据融合技术应用于凝汽器故障诊断中,建立了BP神经网络和D-S证据理论融合的故障诊断模型,仿真实验证明该诊断系统可有效地提高诊断可信度,减少诊断的不确定性.     

智能电网中电力移动故障诊断平台的设计与实现

智能电网中电力移动故障诊断平台需要同时完成数据分析、电网监控以及故障报警等工作,导致平台无法兼具较高的诊断效率和诊断准确率。为了解决上述问题,设计新型智能电网中电力移动故障诊断平台。故障诊断平台主要由数据库模块、控制模块和人机交互模块3个功能模块组成。平台通过建立了一个通用信息模型对智能电网的拓扑结构进行定义,获取可能出现电力故障的智能电网设备和线路,并提取出其中的电力故障信息。通过分析电力故障信息中的电能阶跃现象和置信度,给出诊断结果并进行报警,实现故障诊断。实验结果证明,所设计的平台诊断效率和诊断准确率均很高。     

应用D-S证据理论进行锅炉空气预热器在线故障分析

将数据融合中的D-S证据理论应用到空气预热器故障诊断领域.利用隶属度函数的概念产生各个证据信号对识别模式的信度函数分配,并通过该理论对信度函数进行融合,然后结合目标模式的判定规则对设备运行状态进行判别;结果表明D-S证据理论能有效地进行冗余信息的处理与融合,应用到空气预热器故障分析方面时,能得到较为准确的结果.     

基于粗糙集与贝叶斯网络的配电网故障诊断

随着社会经济的发展,现在的电能质量标准已不能满足用电户的要求,但电力系统的故障是难以避免的。所以,当电网出现不稳定运行状态时,就要求工作人员能在最短时间内判断故障原因、位置并切除故障,维持电网稳定运行状态。阐述电力系统故障诊断中粗糙集理论和贝叶斯网络的方法,在故障诊断时先形成原始决策表,再利用粗糙集理论进行约简,有效去除冗余信息;然后根据约简结果建立贝叶斯网络模型,克服了缺失信息而造成的诊断结果错误的缺点,大大提高了诊断结果的可靠性。     

基于多源信息感知的配电侧故障预判

为了有效解决配电侧在发生故障后,能够快速对故障点进行定位,减少故障停运时间等问题,提出基于多源信息感知的配电侧故障预判方法。通过配电自动化系统信息和用电信息采集系统的信息,选用二进制粒子群算法（BPSO）获取候选故障区段集和基本概率分布函数,形成证据体。根据D-S证据理论将上述信息进行融合,得到配电侧发生故障的区段,实现基于多源信息感知的配电侧故障预判。研究结果表明,所提方法对于实现配电网故障定位提供了重要的理论依据以及技术支持。     

基于电网故障拓扑分析及多数据综合的复杂故障诊断方法

针对由于断路器失灵造成的电网连锁故障,调度人员难以在短时间内详细分析故障原因、过程的问题,提出一种利用电网拓扑和多数据源综合分析的复杂故障诊断方法。即通过电网拓扑中断路器开合状态确定邻接矩阵,形成故障后电网的拓扑连接关系,对故障电网拓扑图的停电区域搜索,确定连锁故障的诊断类型,并详细分析故障录波数据,诊断出断路器失灵造成的连锁故障的原因。算例分析表明,该方案能有效诊断复杂故障,具有较好的应用前景。