基于计算机视觉的电测仪表自动识别方法的研究

研究图像处理技术在仪表自动化校验中的应用方案,详细介绍了基于最大似然估计的最小二乘拟合方法来确定指针和刻度线的参数.利用计算机视觉识别技术、信息处理技术和智能仪器设计原理,可从根本上解决电测仪表快速、准确的自动校验问题.     

基于模糊C-均值聚类算法的柴油机磨损模式识别

将模糊C-均值聚类算法应用到柴油机磨损模式评价体系中,通过聚类中心和归一化的标准向量建立了磨损模式的模糊分析模型.对实际采集的20个样本进行模糊聚类分析,并与贴近度算法所得结果进行比较,证明模糊C-均值聚类算法对柴油机磨损模式的识别是准确、有效的.     

基于模糊聚类和模糊识别的循环水泄漏检测与定位研究

提出了一种基于模糊聚类和模糊识别的循环水泄漏检测与定位方法,该方法通过气相色谱仪对循环水进行分析,运用模糊聚类方法建立循环水泄漏点标准谱图库,采用模糊识别确定待分析样本与标准谱图库中样本的关联程度,以此报告待分析样本的泄漏点位置。实例分析表明,使用该方法能够准确地对炼油厂循环水泄漏点进行检测与定位。     

模糊聚类算法综述

模糊聚类算法是近年来图像分割技术领域的研究热点之一。本文在对模糊C均值聚类算法分析的基础上,结合目前在图像分割中的应用研究,对模糊C均值聚类算法的有效性进行了比较分析。从隶属度、聚类数和其它方面,评述改进的模糊c均值聚类算法。最后讨论模糊c均值聚类算法目前存在的问题和发展方向。     

基于EEMD样本熵和GK模糊聚类的机械故障识别

针对目前各种机械故障诊断方法的局限性,提出了基于总体平均经验模式分解（EEMD）样本熵和GK模糊聚类的故障特征提取和分类方法,建立了一种机械故障准确识别的有效途径。首先,对机械振动信号进行EEMD分解,得到若干不同时间尺度的固有模态函数（IMF）分量。其次,通过相关性分析和能量相结合的准则对IMF分量进行筛选,并将筛选出的IMF分量的样本熵组成故障特征向量。最后,将构造的特征向量输入到GK模糊聚类分类器中进行聚类识别。实验及工程实例证明了该方法的有效性和优越性。     

模糊减法聚类下大型机组设备故障自动化诊断方法

传统方法大多利用短时诊断法完成对机组设备故障的诊断,导致诊断结果的准确率和效率偏低,且其对设备正常运行信号频率存在负向影响.针对上述问题,研究在模糊减法聚类的基础上,针对大型机组设备故障,设计了一种新的自动化诊断方法.该方法利用多维模糊贴近度及聚类过程实现对设备故障特征量的高效提取,然后利用D-S证据理论对设备故障进行...     

基于模糊聚类的零部件重组策略与方法研究

综合考虑基于同构、几何、精度、材料、性能等属性的冗余零部件相似准则，建立了问题的形式化描述模型，采用欧几里德贴近度来计算零部件之间的相似度，提出了基于模糊聚类的重组算法，探讨了重组方案的分析和调整策略。以摩托车液压盘式制动器的制动盘重组为实例，证明了基于模糊聚类的零部件重组策略和方法具有一定的有效性。     

基于模糊算法的柴油机磨损模式识别

磨粒信息与磨损模式存在复杂的模糊关系,针对目前磨损模式判别方法中存在的问题,文章在分析了将模糊C-均值聚类算法应用到柴油机磨损模式评价体系中,利用光谱元素含量和铁谱参数作为特征向量,通过聚类中心和归一化的标准向量建立了磨损模式的模糊分析模型,并给出了磨损模式识别方法。通过对实际采集的20个样本进行模糊聚类分析,并与贴近度算法所得结果进行比较,证明模糊C-均值聚类算法对柴油机磨损模式的识别是准确、有效的。     

基于模糊聚类的油田往复压缩机气阀故障诊断研究

往复压缩机气阀是整个机体中故障率最高的部件,针对其故障模式复杂、难以辨识的特点,选取与气阀运行状态密切相关的6个振动参数作为特征参数,采用模糊聚类方法对气阀故障和运行状态进行评判.用现场实际采集的20个样本进行模糊聚类分析,求出故障特征,并与频谱分析和现场实际情况进行比较,聚类结果与实际情况相吻合,证明此方法应用于运行状态评判和挖掘故障特征是有效的.     

机械设备运行状态的模糊识别

利用模糊数学的贴近度和聚类分析,对设备的运行状态进行识别;对设备的检修质量进行比较评估;对设备故障的发生期进行确定。并以汽轮发电机组为实例,对3种贴近度和2种聚类方法的应用效果作了比较,方法简单,效果满意。     

基于粒子群优化模糊聚类的旋转机械故障诊断

提出基于柱子群优化模糊聚类分析的算法,并将其用于旋转机械的振动故障诊断。该算法以模糊C一均值算法（FCM）的聚类目标函数作为粒子群的适应度函数来衡量各聚类中心的优劣,并依据聚类有效性指标自动确定最优聚类数及聚类中心,有效的结合了FCM极易陷入局部最优的缺点以及粒子群算法全局寻优的优点。实践表明,该方法提高了旋转机械故障诊断的准确率,既可正确判断单一故障,又可有效诊断复合故障,从而证明了该算法的有效性。     

基于改进半监督模糊C-均值聚类的发动机磨损故障诊断

为解决在少量油液样本条件下发动机磨损故障诊断难的问题,提出一种改进半监督模糊C-均值聚类算法(Improvedsemi-supervised fuzzy c-means clustering algorithm,ISS-FCM).定义一种优化的目标函数,将无标签样本与训练样本间的平均距离度量考虑在内并赋予其一定权值,以...     

基于多种监测技术的模糊故障诊断方法

一台设备有多种类型的故障形式，为准确及时监测其运行状态，应采用多种不同的监测方法，为此进行了把多种故障监测技术与模糊数学的原理结合的故障诊断试验。介绍了故障诊断的方法和过程，并在一台减速箱上进行了实际应用，证实其效果较好。     

基于支持矢量聚类的机械故障诊断

针对无监督的支持矢量聚类方法由于样本类别数量未知带来的模型参数难以选择的问题,提出有监督的支持矢量聚类方法,并应用到机械故障诊断中.该方法首先以聚类区域个数及支持矢量个数作为模型参数的选择准则,以支持矢量为核估计样本分布的概率密度,并根据概率密度估计值选择不同聚类区域的类别代表样本,而后引入k近邻法实现对不同故障的分类.对测试样本的分类结果表明了该方法的有效性.     

小波-神经网络-模糊识别在旋转机械故障诊断中的应用研究

对旋转机械故障诊断常用的一些方法进行了评述与比较;利用小波包可进行多维多分辨率分析的特点,对旋转机械振动信号进行特征提取。对提取的特征,用ＡＲＴ２神经网络诊断故障类型,根据故障类型的诊断结果,进一步对故障严重程度进行模糊识别;通过对实验数据的分析处理,获得了较好的效果。     

齿轮箱故障诊断的粒子群优化模糊聚类技术

用粒子群算法取代传统的梯度下降法,优化模糊C—均值算法的各个参数,并依据聚类有效性指标确定最优聚类数及聚类中心,有效地利用了粒子群算法全局寻优的优点,克服了模糊C—均值算法极易陷入局部最优的缺点,将经过PSO优化的模糊C-均值算法应用于齿轮箱故障诊断.试验结果表明,粒子群算法是有效的模糊聚类分析优化算法,提高了齿轮箱故障诊断的准确率.     

基于模糊积分理论的故障智能集成诊断策略的研究

为有效而充分地利用故障信息以提高诊断精度 ,本文受生物感知系统“先分后合”信息处理方式的启发 ,提出了故障多征兆域集成诊断的诊断思想 ,并对该思想的实现途径进行了研究 ,提出了基于模糊积分理论实现集成处理的可行策略 ,最后就所提出的方法和策略进行了示例研究。     

遗传优化算法在压缩机故障诊断中的应用

设计了一种模糊神经网络推理系统诊断汽车空调压缩机故障，并且应用遗传算法对系统进行优化及对BP网络算法进行改进。这种方法能够优化模糊系统的参数和结构。并且能删除无用的模糊规则。结果证明这种推理系统具有收敛速度快，泛化能力好、推广性强的特点，极大提高了汽车空调压缩机故障诊断的效率和准确性。     

基于拉普拉斯分值和模糊C均值聚类的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征和故障征兆的模糊性,提出了基于拉普拉斯分值和模糊C均值（FCM）聚类的滚动轴承故障诊断方法。该方法首先在时域和频域对滚动轴承振动信号进行特征提取,组成初始特征向量;然后利用拉普拉斯分值进行特征选择,形成故障特征向量;最后以FCM聚类为故障分类器,实现滚动轴承不同故障类型的识别。应用实例和对比实验表明,该方法能有效提取滚动轴承振动信号特征,诊断滚动轴承故障。     

基于Hilbert变换的包络分析及其在机械故障诊断中的应用

本文讨论了Hilbert变换的基本原理,以及基于Hilbert变换的包络解调方法在机械故障诊断中的应用。实践表明:对于具有调制现象的设备故障诊断,基于Hilbert变换的包络解调方法,具有明显的诊断意义,是一种可靠的诊断方法。