示波器在旋转机械故障简易诊断中的应用

介绍一种转轴振动的直接测量的方法，并利用在示波上显示的轴心轨迹图，时基图对振动的幅值、相位、频率等振动特性进行分析。还将根据轴心轨迹图的变化对机组的典型故障进行简易诊断。     

人工神经网络在机械故障诊断技术中的应用

机械故障诊断对提高设备可靠性和利用率具有十分重要的意义。利用人工神经网络理论可以快速、有效地对机械故障进行诊断,建立了机械故障诊断神经网络模型,对变速箱中的典型故障进行了振动诊断。理论分析和测试结果表明,采用人工神经网络故障诊断技术可以快速、准确地诊断出机械故障类型。该诊断技术比传统的谱分析诊断技术试验工作量大大减少,而且在准确率和效率上都有很大提高。     

粗糙集理论在智能故障诊断中的应用

神经网络和规则推理是智能故障诊断的两种重要方法。给出了粗糙集理论在这两种系统中的应用，粗糙集－神经网络（RNN）系统，粗糙集作为神经网络系统的预处理，仿真结果表明RNN系统提高了诊断准确率和诊断速度，粗糙集用于故障诊断专家系统的规则获取，可得出确定性规则和可能性规则。结果表明粗糙集方法能处理由于类重叠引起的样本信息不精确，不一致情况下的规则获取，消除故障诊断中的误报和漏报现象对诊断性能的影响。     

基于Rough Set理论的摩擦学诊断知识获取系统

摩擦学系统诊断知识的获取本质上是一个模式分类和识别的问题，本文结合摩擦学系统和Rough Set理论的特点，提出了一种基于Rough Set理论的摩擦学诊断知识获取方法，这种方法能够用于模糊和不确定知识的获取和处理，并给出了具体的示例，说明了此种方法的有效性和可用性。     

基于CHMM的旋转机械故障诊断技术

隐马尔可夫模型(Hidden Markov model,HMM)是一种具有较强的时间序列建模能力的信号模式处理工具, 在语音处理中获得了广泛应用,特别适合于非线性、重复再现性不佳的信号的分析。基于振动信号与语音信号的相似性,将CHMM(Continuous Hidden Markov model)引入了旋转机械的故障诊断中。采用12阶LPC倒谱系数进行特征提取,建立CHMM,为防止数据下溢,引入前向一后向比例因子算法求其对数似然概率,并且采用K-means 算法对CHMM进行参数初始化。在给定的观测序列中每一种模型的优化路径通过Viterbi算法实现,用Baum-Welch 算法实现参数重估,并给出了重估公式。最后,在转子试验台上模拟了四种故障试验,建立了四种故障的CHMM 模型,通过求其最大似然概率值来决定机器的运行状态,试验结果证明了该方法的有效性。     

全矢谱及其新方法在旋转机械故障中的应用

介绍了全矢谱分析技术的思路,研究了全矢谱分析技术与旋转机械回转信号之间的理论关系,导出了全矢谱分析基于复合信号的理论计算公式及简洁数值算法,并将其应用于实际故障诊断中,且对全矢谱理论图谱多方面研究,提出新的面积图谱表达法。研究与应用表明:全矢谱分析能够清晰处理转子正反进动之间的关系,可识别转子的回转强度,表明全矢谱分析对于旋转机械故障诊断是一种非常实用的分析工具。     

基于粗糙集理论的知识发现在机械故障诊断中的应用问题研究

对粗糙集理论的知识运算原理及其在工程领域智能决策问题中的应用方法进行了探讨.得出利用该工具实施知识发现,其依据是知识库的知识间存在着知识包含关系、关于论域的多种知识表达方式间存在着知识等价概念.而所发现的知识规则,本质上是原始知识库中所积累的点滴知识规则集合被高度概括为知识颗粒集合的结果.由此得出,获得真实、有效的原始诊断知识资源,使它们能够与领域专家的知识保持协调一致关系,并具有诊断知识挖掘的价值,则是关于诊断知识发现研究能够解决机械故障智能诊断的知识获取难题需开展的最基础工作.这引发出了对机械故障诊断的知识资源用数据方式去进行科学化妥善保护问题研究的新课题.     

小波算法在旋转机械故障诊断系统中的应用

目前旋转机械在社会各个方面均有着广泛的应用,同时旋转机械的故障也十分普遍。一旦发生故障就会造成巨大的经济损失。该文基于小波算法对旋转机械故障特征进行提取,在时域和频域中对提取数据进行分析处理,在上位中对故障诊断结果进行显示。以Visual Studio 2010为开发平台,C#为开发语言,运用小波算法,最终完成了故障诊断系统的开发。验证结果表明,该诊断系统具有诊断精度高、速度快等优点。     

旋转机械故障诊断技术的研究现状及发展趋势

随着现代工业技术的不断发展,越来越多的旋转机械被应用到企业的生产中,这对旋转机械故障诊断技术的研究也不断提出新的要求。本文对旋转机械故障诊断技术的内容进行了介绍,并对国内外旋转机械故障诊断的发展现状进行了详细论述,最后对其发展趋势进行了展望。     

基于粗糙集理论的系统建模与故障诊断

应用粗糙集理论,可以从原始的数据中提取有用的知识或规则.依据这一思想,本文建立了一个实际非线性系统的粗糙集模型.在建模过程中,首先用系统输入输出的采样数据构成原始信息表,然后离散化,再利用粗糙集算法得到系统粗糙集模型的不完备规则集,通过实验和线性插补法实现规则集完备化,最后完成模型的设计和校验.校验结果表明所建的粗糙集模型是有效的,并利用该模型实现了系统的一种故障诊断.     

基于粗糙集-BP神经网络的垃圾破碎机故障诊断

针对目前垃圾破碎机故障诊断效率低的问题,设计了一种基于粗糙集理论与BP神经网络的故障诊断系统。结合粗糙集理论和BP神经网络的优点,首先利用粗糙集对原始故障诊断样本进行处理,然后对条件属性进行约简,删除冗余的信息,减少神经网络输入端的数据,从而简化神经网络的结构。并将基于粗糙集-BP神经网络的故障诊断系统对垃圾破碎机进行故障诊断。利用粗糙集对故障知识进行约简,简化BP神经网络结构,提高故障诊断的速度及准确度。将此方法应用于某型号垃圾破碎机的故障诊断中,诊断结果表明所提诊断方法可简化神经网络结构,提高诊断效率。     

基于矢谱和粗糙集理论的旋转机械故障诊断

矢谱融合了转子同源双通道的信息,能准确反映转子运动状态．粗糙集理论是一种对决策表进行简化,去除冗余属性的数据分析和处理方法．提出了基于矢谱和粗糙集理论的旋转机械故障诊断方法．计算了旋转机械振动4种典型故障的矢谱征兆,使用粗糙集理论对其进行约简,根据约简的结果生成矢谱诊断规则,并利用得到的规则对故障测试样本进行了诊断．结果表明：相对于单通道数据,基于矢谱和粗糙集理论的故障诊断不仅简化了诊断规则,而且明显提高了故障诊断的准确率．     

基于AIC的RBF网络在旋转机械故障诊断中的应用

提出了一种适用于各类旋转机械的精度高、响应快的故障诊断方法。首先利用赤迟信息准则(AIC)确定RBF神经网络的隐含层节点数和中心,然后建立基于该神经网络的故障诊断模型,再利用旋转机械振动信号来分析并判定其运行状况。以柴油机连杆铜套磨损故障为例进行分析,实验及仿真结果表明:基于AIC的RBF网络技术的诊断方法在柴油机故障诊断中是有效可行的,对于单一故障的识别率为100%,对其他复杂旋转机械的振动诊断同样具有参考价值。     

广义同余神经网络在旋转机械常见故障诊断中的应用

通过利用广义同余函数代替传统神经网络的激励函数,提出一种改进的广义同余神经网络的模型及算法。分析了广义同余神经网络的结构、激励函数、权值调整算法等方面并与传统BP神经网络的异同点进行了比较和研究。通过广义同余神经网络和传统BP神经网络对正弦函数的逼近性能比较,表明最新改进的广义同余神经网络收敛速度快,又具有传统BP神经网络稳定性好的优点。该模型和算法在旋转机械常见故障诊断中提高了收敛速度和诊断精度。     

A hybrid approach of rough set theory and genetic algorithm for fault diagnosis

This paper proposes an integrated intelligent system that builds a fault diagnosis inference model based on the advantage of rough set theory and genetic algorithms (GAs). Rough set theory is a novel data mining approach that deals with vagueness and can be used to find hidden patterns in data sets. Based on this approach, minimal condition variable subsets and induction rules are established and illustrated using an application for motherboard electromagnetic interference (EMI) test fault diagnosis. This integrated system successfully integrated the rough set theory for handling uncertainty with a robust search engine, GA. The result shows that the proposed method can reduce the number of conditional attributes used in motherboard EMI fault diagnosis and maintain acceptable classification accuracy. The average diagnostic accuracy of 80% shows that this hybrid model is a promising approach to EMI diagnostic support systems .     

粗糙集理论在旋转机械实时故障诊断中的应用

根据旋转机械实时故障诊断的实际需求,引入粗糙集理论中的决策模型,作为典型故障诊断规则的发现工具。并针对故障信号的非平稳性和诊断分析的实时性要求,采用小波包分析(WPA)作为现场数据的频域段特征的提取工具。并首次将小波包分析(WPA)与粗糙集理论的决策模型相结合,提出了适应于现代机械设备在线诊断的故障分析模型WRS。并通过实例,验证了全过程。     

基于AR-SVM的转子故障诊断

将时间序列建模与支持向量机相结合并应用于转子故障诊断领域.用时间序列理论进行故障建模,可以在缺乏对实际故障机理了解的情况下从机组自身的运行过程中动态获取故障的统计特征信息.而支持向量机作为模式识别领域的新工具,其具有小样本学习能力等显著优势.这里首先对实验台振动信号建立时间序列模型,然后用模型参数来训练一个支持向量机作为故障诊断的分类器.实验结果表明,这种方法有很好的实用性.     

基于粗集理论故障特征值提取模糊识别变速箱故障方法的研究

运用粗集理论简化所提取变速箱部分特征值，提高了变速箱故障诊断的效率。将模糊数学理论应用到变速箱故障识别中，模糊故障识别是利用的模糊集合论中的隶属函数及模糊关系矩阵的概念，解决故障与征兆间关系的模糊不确定性进行故障种类的识别。构造隶属函数及分段函数区间的确定是诊断成败的关键。     

基于粗集故障诊断系统中VB调用MATLAB程序的实现

VB应用程序是一种可视化的编程技术,并且与用户的交互性强,MATLAB具有强大的数值计算分析功能、数据输入与数据输出灵活的特点.设计实现了基于粗集的故障诊断系统,介绍实现了运用VB应用程序调用MATLAB编写的故障诊断程序进行混合编程的详细步骤.