汽油机点火系统电压波形识别与诊断方法

以汽油机点火系统为诊断对象，研究了基于设备信号时域波形结构模式识别的诊断方法。该方法可用于汽油机点火系统的故障诊断，文中并附有应用实例。结果表明，点火电压波形反映了各环节工作状态，对规则波形利用波形结构的方法进行诊断是有效的，可实现故障的自动诊断和识别     

时域波形智能识别专家系统

根据时域波形的特点,建立一个波形智能识别专家系统。以波形处理工具库实现波形的理解;以形态获取器和编译技术实现知识的获取;以混合推理技术实现波形的智能识别。     

智能故障诊断中的波形识别技术

在电子设备故障诊断中,波形识别是进行故障特征提取和故障诊断的重要依据。根据某型电子设备实时监测与诊断系统的需要,提出了两种波形识别方法：一种是波形相关分析识别方法,另一种是波形模糊识别方法。相关分析主要是计算相关系数,模糊识别主要是计算监测点波形的模糊隶属度。这两种方法都是以标准渡形为依据,能够实时在线对监测波形数据进行分析,实现动态时域波形的自动识别。     

基于神经网络的发动机故障波形识别方法的研究

介绍了波形信号的识别机理：应用神经网络技术,设计了发动机故障波形识别系统,并对BP算法进行了改进,并且以发动机喷油器电压波形为例,校验了设计过程（此例的信号通过检测获得）。     

基于测试仪器的波形识别研究

本文针对测试仪器发展中的智能化要求,在对采集信号进行奇异点的检测和消除、去噪等预处理的基础之上,提出了运用差分、均值的方法提取波形识别的特征信息。并用BP算法进行波形识别的实现。最后给出了一种较为典型的失真波形的仿真实验。仿真结果表明该方法能取得较为有效的识别结果。     

线圈电流波形识别智能真空永磁断路器控制器的设计

介绍了基于C805IF005 SOC微处理器的新型真空永磁断路器控制器的设计,该控制器废弃了传统的基于位置传感器的分合闸控制方法,采用了新型的基于线圈电流波型识别的分合闸控制方法,提高了可靠性。同时该控制器具有操作电压检测以及对断路器状态的自动巡检等功能,并且具备远程微机监控和故障存储功能,从而使控制系统更加智能化。     

基于波形分析的氧传感器故障诊断方法研究

氧传感器通过检测发动机排放尾气中氧离子的含量进而获得混合气空燃比信号.空燃比的大小直接影响发动机有害气体(HC、CO、NOx)的排放量,因此本文对比分析帕萨特1.8T发动机中氧传感器的正常工作波形和故障波形,提取波形上特征值,建立BP神经网络,输出故障类型.通过10组测试数据的诊断结果得出结论:基于波形分析的氧传感器故...     

基于波形分析的大众汽车网络系统故障诊断

针对汽车网络系统故障诊断相对复杂的问题,对大众帕萨特车型网络传输系统动力CAN线和舒适CAN线的断路、短路、线路交叉等故障波形进行了研究,对网络系统CAN线的故障诊断方法和思路进行了归纳,对故障波形产生机理作了详细解释,提出了示波仪配合诊断仪选取合适测量点检测网络系统故障的思路,利用VAS6356示波仪与VAS6150诊断仪对大众帕萨特车型的CAN线上传输信号进行了测试。研究结果表明,检测位置对动力CAN线的断路故障、线路带电阻故障和舒适CAN线的断路故障波形捕捉会产生一定影响,通过正确选择检测位置能够迅速捕捉到故障波形并及时找到故障点,对网络传输系统的故障诊断具有重要意义。     

智能波形分析仪

木文提出了对瞬态及低频波形的测量方法和要求，并根据测量方法的要求从硬件和软件两方面具体介绍了仪器设计。     

基于故障树模型的智能诊断的确定性推理

提出了一种基于故障树模型的诊断方法，并基于该方法实现了一个故障诊断系统，本文仅讨论确定性推理，对可能性推理将另文详述。首先提出一种基于故障树的层次诊断模型，给出了故障树的故障传播矩阵，并基于该矩阵提出了一种确定性推理方法，其次，提出了一种面向故障树的基于框架和广义规则的混合知识表示方法，最后在ＣＯＭＰＡＱ４８６微机上，ＷＩＮＤＯＷＳ环境下，用ＢＯＲＬＡＮＤＣ＋＋实现了该诊断系统，并通过对一个电路系     

APPROACH TO FAULT ON-LINE DETECTION AND DIAGNOSIS BASED ON NEURAL NETWORKS FOR ROBOT IN FMS

ＡＰＰＲＯＡＣＨＴＯＦＡＵＬＴＯＮＬＩＮＥＤＥＴＥＣＴＩＯＮＡＮＤＤＩＡＧＮＯＳＩＳＢＡＳＥＤＯＮＮＥＵＲＡＬＮＥＴＷＯＲＫＳＦＯＲＲＯＢＯＴＩＮＦＭＳＳｈｉＴｉａｎｙｕｎＺｈａｎｇＺｈｉｊｉｎｇＷａｎｇＸｉｎｙｉＺｈｕＸｉａｏｙａｎＳｃｈｏｏｌｏ...     

一种基于SVM和EMD的齿轮故障诊断方法

支持矢量机(Support vector machine,SVM)有比神经网络更强的泛化能力,且能保证找到的极值解就是全局最优解,同时它还较好地解决了小样本的学习分类问题。针对齿轮振动信号的非平稳特征和现实中难以获得大量故障样本的实际情况,提出了一种基于经验模态分解(Empirical mode decomposition,EMD)和支持矢量机的齿轮故障诊断方法。首先对原始信号进行经验模态分解,将其分解为多个平稳的固有模态函数(Intrinsic mode function,IMF)之和,然后对每一个IMF分量建立AR模型,最后提取模型的自回归参数和残差的方差作为故障特征矢量,并以此作为SVM分类器的输入参数来识别齿轮的工作状态和故障类型。试验结果表明,在小样本情况下仍能准确、有效地对齿轮的工作状态和故障类型进行分类。     

APPROACH ON INTELLIGENT OPTIMIZATION DESIGN BASED ON COMPOUND KNOWLEDGE

A concept of an intelligent optimal design approach is proposed, which is organized by a kind of compound knowledge model. The compound knowledge consists of modularized quantitative knowledge, inclusive experience knowledge and case-based sample knowledge. By using this compound knowledge model, the abundant quantity information of mathematical programming and the symbolic knowledge of artificial intelligence can be united together in this model. The intelligent optimal design model based on such a compound knowledge and the automatically generated decomposition principles based on it are also presented. Practically, it is applied to the production planning, process schedule and optimization of production process of a refining & chemical work and a great profit is achieved. Specially, the methods and principles are adaptable not only to continuous process industry, but also to discrete manufacturing one.     

基于模糊神经网络的薄板不同指标裂纹诊断

将采用模糊神经网络的故障诊断技术和诊断模型,利用改进的BP算法对模糊神经网络进行训练,并利用训练好的网络,对悬臂薄铝板仿真裂纹进行了诊断。对悬臂薄铝板裂纹的诊断方法是:首先得到完好板结构和各种仿真裂纹板结构的振型和固有频率,在此基础上提取各种裂纹损伤情况下的五种裂纹诊断指标。将五种诊断指标分成三组,构成三个模糊神经网络,对模糊神经网络进行训练之后,利用训练好的网络对悬臂铝板裂纹进行了故障诊断,将裂纹的诊断结果与实际情况进行了比较,得到了不同诊断指标组合下,不同神经网络的诊断结果。并对不同组别裂纹诊断指标的诊断结果与实际裂纹情况进行了比较。     

基于模糊支持矢量数据描述的早期故障智能监测诊断

为了解决机电设备早期故障难以正确识别及故障发展状态不易准确监测的问题,提出了一种基于模糊支持矢量数据描述(FSVDD)的早期故障智能监测诊断新方法。该方法只需要一类目标样本作为学习样本就可以建立起单值分类器,同时在核函数中引入非目标样本的模糊隶属度,从而把非目标样本与目标样本分等级地区分开来。将这种方法应用在机电设备状态监测和故障诊断中,只需要将正常运行时的数据信号作为目标样本,就可以实现对设备早期故障的准确识别,同时判断故障的严重程度。在轴承运行状态监测中的测试结果表明,该方法不仅能快速识别轴承的早期故障,而且可以对故障的严重程度做出准确的判断。     

基于K-L散度的机械或传感器故障判别方法

机械故障诊断系统中,对同一监测部位通常采用双传感器配置（如水平和垂直方位）。文中首先运用核密度估计方法得到两传感器输出信号的概率密度函数估计,然后计算两输出信号间K-L（Kullbaek—Leiber）散度,并提出一种基于K-L散度值的机械或传感器故障判别准则。通过对一个齿轮减速箱实测振动信号和模拟的传感器故障信号的计算,可以发现,与无故障状态时K-L散度相比,监测部位出现机械故障时两传感器输出信号间K-L散度显著减小;而两传感器之一出现故障时其K-L散度显著增大。因此,两信号间K-L散度的变化可用于区别机械和传感器故障。     

基于ART—2神经网络的故障诊断系统

对ART－2模拟量模式识别神经网络算法的改进能使其有效地适用于故障诊断,神经网络的预处理场F0具有增强对比度,抑制基底噪声的能力,神经网络的F2场根据优先级选择竞争节点。网络模式识别的结果作为专家系统输入的类别及其选取概率。专家系统搜索由知识库构造的关系树并依规则进行推理。本文方法结合神经网络和专家系统的优点,以得到可信的故障诊断结果。本文还给出了验证系统正确性的自动液压机故障诊断实例。     

基于高阶累积量的齿轮箱故障诊断研究

当齿轮箱发生故障时,实际测得的齿轮振动信号一般是非平稳和非高斯分布的信号,不同故障状态下的振动信号具有不同的高斯性和对称性,通常包含较强的噪声。高阶累积量具有对加性高斯噪声和对称非高斯噪声不敏感的特性,可以应用在齿轮箱的故障诊断中。短时分析方法可以在低信噪比情况下提取周期性冲击故障信号特征。在对振动信号进行短时分析的基础上,计算原始信号及其短时能量函数的高阶累积量。从高阶累积量提取的特征可有效地将正常状态、中度磨损状态、严重磨损状态和断齿状态的齿轮振动信号分离开来,这表明高阶累积量可定量地描述振动信号偏离正态分布的程度,采用样本分割后,还可以定量描述齿轮的磨损程度。     

基于一种新的时频分布的机械故障诊断

在巧妙构思核函数的基础上,给出了一种新的时频分布(TFC)及其离散算法,并将该TFD应用于机械故障诊断。结合两个诊断实例,同时与Winger-Ville分布(WVD)进行对比,发现该分布具有良好的时频聚集性,并且能够有效的抑制交叉项。事实证明,该分布能够刻画出传统Fourier变换和WVD所不能反映的故障特征信号,能够较好的进行故障诊断。