计算机图形学在旋转机械故障诊断中的应用

多测点,多角度监测机器的运行状况是进行机械设备状态监测及故障诊断的关键。以三维全息谱为例详细地介绍了怎样运用计算机图形学的知识,将多个传感器测取的信号响应合成三维立体图像,为正确的预测机器的运行状态提供了可靠依据,实验证明,这种方法能有效地对旋转机械进行状态监测及故障诊断。     

Gauss-Newton神经网络的旋转机械故障诊断

BP神经网络具有优良的非线性映射能力,可以很好地描述频率特征和诊断结果之间的关系.针对BP神经网络存在局部极小值和收敛速度慢等问题,提出了一种基于Gauss-Newton的改进的BP网络.论述了Gauss-Newton神经网络的基本原理以及学习、运行过程,通过模拟运算指出了Gauss-Newton神经网络具有较快的学习速度,进而探讨了Gauss-Newton神经网络在旋转机械故障诊断中的应用,将该网络模型应用于旋转机械故障诊断,显示出Gauss-Newton网络具有诊断精度高、容错性和稳定性好的优势.     

大型旋转机械故障诊断的专家系统框架

使用专家系统可以对大型旋转机械的故障进行比较准确地诊断。对特定的设备使用专门的专家系统可以有效地完成故障诊断任务。通过对专家系统基本理论的研究,根据大型旋转机械故障诊断的特点和现有的实际条件,对建立专家系统的方案进行适当的选择,并建立了专家系统的框架。     

弹性BP神经网络的旋转机械故障诊断

针对BP神经网络存在局部极小值和收敛速度慢等问题，提出了一种resilient backpropagation（RPROP）的改进BP网络。RPROP神经网络具有优良的非线性映射能力，可以很好地描述频率特征和诊断结果之间的关系，经改进算法训练的网络适合旋转机械故障诊断。     

旋转机械故障诊断的模糊神经网络方法

本文给出了一种模糊神经网络方法 ,并将其应用于旋转机械故障诊断。文中针对旋转机械几种典型故障的诊断 ,将模糊神经网络方法与传统 BP网络方法和模糊分类方法进行了比较。结果证明 ,模糊神经网络方法具有更好的诊断效果 ,特别是在处理多故障情况时更为有效     

神经网络聚类方法在旋转机械故障诊断中的应用研究

在基于神经网络的聚类学习方法中，分有监督学习方法和无监督学习方法，本文采用无监督学习方法对旋转机械中常见故障的分类进行了较为详细的研究，以此分类结果来达到故障诊断的目的。文中还具体描述了该算法的实现方法，研究结果表明：该方法克服了有监督学习方法的旋转机械故障诊断技术的某些缺陷，是进行大型旋转机械故障诊断的一种行之有效的方法。     

一个基于事例的旋转机械故障诊断专家系统

故障诊断是人工智能和专家系统研究领域的一个重要课题。学里主要结合ＣＢＲ技术介绍了旋转机械故障诊断系统的知识表达,问题求解方法的设计思想和实现技术。该系统具有清晰美观,便于操作的用户界面,可以方便地实现对两大故障部位的故障诊断。     

基于 BP 网络的旋转机械故障诊断

分析了旋转机械振动故障的特性,在此基础上对基于ＢＰ算法的诊断方法进行了研究,建立了振动故障诊断的神经网络模型,对影响诊断网络的参数进行了详细分析,获得了用于振动故障诊断的最佳网络模型。针对ＢＰ网络收敛速度慢的缺点,提出了改进算法。该诊断模型在模拟转子实验台上进行了实验验证取得了良好的效果。     

神经网络聚类方法在旋转机械故障诊断中的应用研究

在基于神经网络的聚类学习方法。分有监督学习方法和无监督学习方法。本文采用无监督学习方法对旋转机械中常见故障的分类进行了较为详细的研究，以此分类结果来达到故障诊断的目的，文中还具体描述了该算法的实现方法。研究结果表明，该方法克服了有监督学习方法的旋转机械故障诊断技术的某些缺陷，是进行大型旋转机械故障诊断的一种行之有效的方法。     

声发射用于旋转机械故障诊断的实验研究

在旋转机械实验台上利用声发射传感器检测声发射信号,通过检测到的声发射信号对旋转机械的运行状态做出监测与判断,并进行故障诊断.介绍了以滚动轴承的人为缺陷为对象进行的基础试验,测评结果表明了用声发射方法进行旋转机械故障状态监测和诊断的可行性.     

齿轮机床维修人员故障诊断能力训练系统

针对机床维修人员培训过程中的特点，设计了齿轮机床维修人员故障诊断能力训练系统。该系统首次将计算机与维修人员培训相结合，适合我国的实际情况。     

基于粗糙集理论的数控机床智能故障诊断研究

面向数控机床智能化发展需求,提出了基于数据挖掘技术的智能故障诊断方法.建立机床智能诊断单元的系统框架,框架由状态监控及特征信号采集、历史故障数据分析及诊断规则获取、故障推理机制3个功能模块组成.重点研究诊断规则的获取技术,提出了基于粗糙集理论的故障诊断决策规则生成算法.算法充分利用信息决策系统的特性,通过简化对不必要属性和核心属性的分析,并引入回溯思想计算约简集,有效降低了属性集约简的计算复杂度,提高规则求取效率.在建立规则库的基础上,引入基于证据理论的信息融合技术,解决多传感器故障监测数据与诊断规则准确匹配的问题,建立故障推理机制.实例研究证明该方法可行.     

基于模糊理论与支持向量机的变压器故障诊断方法

摘 要:针对变压器结构的复杂性和故障机理的多样性,提出一种基于模糊理论和支持向量机的变压器故障诊断方法.该方法首先采用模糊理论对故障样本数据进行预处理,提取故障特征,再用支持向量机方法进行故障分类,通过采用一对多(1-α-r)的方法实现多目标分类,得出诊断结果.针对支持向量机参数不易确定的问题,采用多层动态自适应算法...     

变电站仿真系统复故障计算实用模型研究

从工程实际出发,运用多端口网络理论及矩阵分块技术,建立了变电站仿真系统复故障在线计算实用模型,该软件计算原理可靠、运行速度快、准确性高,已得到工程应用。     

基于模糊域和支持向量机的故障诊断方法

将模糊域分布和支持向量机相结合,提出了一种故障诊断的新方法,该方法将模糊域分布中的局部能量作为特征输入到支持向量机的多故障分类器进行故障识别.利用模糊域分布可以很好地刻画信号的时频局部化特征,与时-频平面特征提取相比,又可大大降低数据维数.对于不同类型的核函数分布,将其诊断结果进行比较,试验结果表明,基于模糊域的支持向量机故障分类无需核函数滤波就能取得最好的分类效果.     

故障诊断专家系统中机器学习方法的研究

首先介绍了故障诊断专家系统中的三种类型的知识,即经验知识、因果知识和第一定律知识;然后分析了常用的机器学习方法在故障诊断系统的作用,并在此基础上将诊断系统中的学习方法分为三种类型,即简单学习、交互学习和独立学习;最后阐述了故障诊断与机器学习的运行流程及其相互关系。     

基于粗糙集对旋转机械故障诊断系统的研究

针对机电设备故障诊断中存在的知识冗余和不确定性,从原始数据出发,利用决策表约简算法进行属性和属性值的约简,建立了故障诊断的规则库.给出了基于粗糙集的故障诊断和知识获取模型的一般结构.通过对旋转机械典型故障的分析,建立了决策表,通过对决策表的约简,减少了数据库中数据的数量,解决了故障诊断中知识获取的瓶颈问题.提出了决策表的属性值约简的一种简化算法.实验证明该方法是可行的.     

基于线性判别分析和分步机器学习的变压器故障诊断

为了改善当前变压器故障诊断在特征量选取和使用单一诊断模型进行故障诊断上的不足,提高变压器故障诊断的准确率和效率,提出基于线性判别分析（LDA）的特征选取方法,建立基于分步机器学习的诊断模型. 该模型选取16组油中溶解气体体积分数比值的多特征参数,运用线性判别分析对参数进行降维作为输入特征向量;运用概率神经网络对变压器故障做出初步诊断,区分出易混淆故障;使用基于灰狼群算法优化的支持向量机对易混淆故障做进一步的区分. 最终实验诊断准确率为97.27%,诊断时间为4.87 s. 与单一机器学习模型相比,所提出的模型不仅具有更高的准确率,还具有更高的效率. 实例分析表明,本研究方法能有效弥补单一机器学习的缺陷,为故障样本有限情况下的电力变压器故障诊断提供参考.     

基于粗糙集和支持向量机的汽轮机组故障诊断

提出一种应用粗糙集(RS)和支持向量机(SVM)对汽轮发电机组故障诊断的模型。将采集到的振动信号进行傅立叶变换得到频谱特征,然后使用粗糙集进行知识约简去除冗余属性,得到决策表,将决策表作为支持向量机分类器的训练样本。通过学习,使构建的SVM机器能反映属性特征和故障类型的映射关系以达到故障诊断的目的。测试结果表明,应用粗糙集约简和SVM机器学习是一种有效的诊断方法,它能使诊断速度加快,而且诊断结果简单有效,有推广应用的价值。