基于T-S模糊模型的电机轴承故障诊断研究

针对故障诊断知识的模糊性和模糊控制理论在故障诊断领域的广泛研究和应用,结合基于模糊模型故障诊断方法的优越性,本文提出了基于Takagi-Sugeno模糊模型的故障诊断方法,将其应用到三相异步电机轴承的模糊故障诊断中并通过实验充分验证了该方法的有效性。     

基于T-S模型的网络控制系统故障诊断

针对一类参数不确定并具有时延和丢包情况的非线性网络控制系统,为达到快速准确的进行故障诊断的目的,提出了一种基于T-S模糊模型的故障诊断方法.通过建立此系统的T-S模糊模型,利用平行分布补偿时延的思想设计了满足系统稳定性条件的状态反馈控制器,以及通过引入随机切换系统表示数据有无丢失情况下的基于模糊观测器的鲁棒故障诊断方法,然后基于 Lyapunov函数和线性矩阵不等式方法给出了该闭环网络控制系统渐近稳定的充分条件,最后通过仿真例子验证了该方法能够使闭环控制系统渐进稳定以及能够准确的进行故障诊断,验证了所设计方法的有效性.     

基于贝叶斯风险最小化的航空发动机状态评估

为有效评估航空发动机所处运行状态,提出一种基于贝叶斯风险最小化原则的状态评估方法。利用模糊贝叶斯风险模型从发动机全寿命数据中挖掘得到最优特征子集及对应的权重,利用多属性决策集结运算结果和统计函数生成模糊规则,输出模糊语义形式的评估结果,从而实现逼近决策风险最小化的模糊状态评估。在数值试验中,以CMAPSS(Commercial Modular Aero-Propulsion System Simulation)发动机为研究对象,演示评估过程并验证所提方法的有效性,结果表明所提方法可有效评估发动机健康状态,为航空发动机状态评估提供了一种切实可行的模型。     

基于T-S模糊故障树的混凝土泵车泵送液压系统故障诊断

针对混凝土泵车泵送液压系统结构复杂,故障发生概率、故障机理和故障程度具有模糊性的特点,提出了基于T-S模糊故障树的泵送液压系统故障诊断方法。该方法用模糊数描述液压元件和系统的故障概率,解决了故障概率的不确定性;用T-S模糊门描述事件间的联系,解决了故障机理和事件联系的模糊性;用模糊数描述故障的严重程度,考虑了故障程度对系统的影响。将该方法运用到了混凝土泵车泵送液压系统的故障诊断中,取得了较好的效果。     

模糊模型在机车车轮故障诊断中的应用

提出了一种改进的能面向高阶T-S模糊推理模型.并将改进型IRBFN的神经模糊模型学习算法应用于车轮的故障诊断当中,提出了一套新的简单、高效的车轮故障诊断方法.仿真结果表明,该方法是有效的.     

基于T-S模型的模糊神经网络PID控制

针对在非线性、时变不确定系统中,常规PID控制器难以获得满意效果的问题,仿照传统PID控制器结构,设计了一种基于T-S模型的模糊神经网络PID控制器。该控制器基于T-S模糊模型,将PID结构融入模糊控制中,充分发挥了模糊系统非线性、可解释性的特点;然后又利用神经网络的学习算法,实现了对模糊控制器的参数调整,使控制器具有了适应时变、不确定系统的自学习和自组织能力。针对非线性、时变系统,将此控制器与传统PID控制器对比进行了仿真研究,并应用于啤酒发酵领域,其结果表明,该控制器取得了令人满意的效果。     

基于T-S模糊神经网络的抽油机井故障诊断

针对油田抽油机井故障的特点,提出了基于T-S模糊神经网络的抽油机井故障诊断方法。即将神经网络的学习能力引入到模糊系统中,将模糊系统的模糊化处理、模糊推理、精确化计算通过分布式的神经网络来表示,从而提高系统的学习能力和表达能力。提出了基于LM优化的BP算法以提高网络收敛速度,利用MATLAB神经网络工具箱建立模糊神经网络诊断模型,经仿真测试表明,所提出的故障诊断方法能有效地对抽油机故障识别,正确率较高、效果较稳定,可提高网络训练及诊断速度。     

基于贝叶斯网络的故障诊断专家系统

现代系统设备的日趋复杂化和自动化,对故障诊断技术提出了更高的要求;随着人工智能技术的发展,故障诊断技术向智能化方向发展,如何将人工智能技术应用到故障诊断中去,是当前研究的重点;为了实现对汽车发动机已发故障和潜在故障的快速高效诊断,根据发动机故障知识结构特性,将贝叶斯网络因果有向图的故障知识表示方法引入到专家系统中,并采用可在线监控和离线诊断的推理机制,在G2平台下实现了汽车发动机故障诊断专家系统,系统应用的效果表明了该方法的可行性.     

基于SDG模型和模糊融合的故障诊断方法

将符号定向图SDG（Signed Directed Graph）节点偏差模糊化为定性模糊偏差,并从子节点向父节点对其进行数据融合,得到父节点故障源可能性,分析了该模糊融合传递信息的特性和处理各种发生故障的情形的优点。建立了基于SDG模型和模糊融合的故障诊断方法,包括SDG建模、故障源数检验和故障诊断等步骤,并以铝电解槽故障诊断为实例,说明了这种方法的有效性。     

模拟电路故障诊断：模糊故障字典法

提出了一种基于模糊故障字典的模拟电路故障诊断的方法。该方法是用模糊故障字典取代传统的故障字典，在构造隶属函数时考虑了输出响应关于电路元件参数的灵敏度。本方法简单易行，便于计算机辅助诊断。     

T-S模糊故障树分析方法

提出一种新的T-S模糊故障树分析方法,该方法将模糊逻辑和T-S模糊模型引入到故障树分析中,使故障树具有处理模糊信息的能力.T-S模糊故障树分析中不需要精确了解部件的故障概率,也不需要精确了解故障的机理,从而解决了系统的事件和故障机理的不确定性问题.最后给出了INS/GPS组合导航系统可靠性分析实例.     

基于模糊神经Petri网的故障诊断模型

Petri网是对具有产生式规则的故障诊断系统的有力建模工具，但其缺乏较强的学习能力．本文以Petri网的基本定义为基础，结合模糊逻辑和Petri网模型，定义了模糊Petri网模型，在此基础上引入人工神经网络技术，给出了人工神经网络的模糊Petri网表示方法，并针对工程机械故障诊断异步、离散等特点，提出并建立了故障诊断的模糊神经Petri网模型及其改进模型．基于模糊神经Petri网的故障诊断系统结合了Petri网和人工神经网络的优点，经过自学习后同时具有很强的推理能力和自适应能力．     

基于Bayes网络的故障诊断系统

结合数据挖掘中Bayes网络模型的数学理论，探讨了分布式机械设备远程故障诊断中的Bayes网络的研究方法，设计了Bayes网络诊断系统。该系统对于机械诊断的复杂性、模糊性有较好的应用。应用实例对该系统进行了学习验证，系统运行稳定，对故障有较好的识别性。     

基于T-S模糊故障树方法的惯性导航系统可靠性评估

针对传统故障树模型在复杂系统可靠性评估中的局限性,引入T-S模糊故障树建模方法对惯性导航系统进行可靠性评估分析.在建立T-S模糊故障树的基础上,以模糊门算法表征事件之间的逻辑关系,确定了基于基本事件模糊概率和故障程度的复杂系统可靠性评估方法,并对事件进行了概率重要度和关键重要度分析.案例分析表明,T-S模糊故障树分析方...     

基于T-S模糊模型的滑模跟踪控制

基于T-S模糊模型设计跟踪控制器,它包括两个部分:权重最大子系统局部反馈控制和采用滑模控制设计的全局监督控制,能保证系统稳定.倒立摆跟踪控制结果证明了算法的有效性.     

基于T-S模糊模型的采样系统鲁棒耗散控制

研究基于T-S (Takagi-Sugeno)模糊模型的采样控制系统鲁棒耗散控制问题. 利用2阶B-L (Bessel-Legendre)不等式和整个采样间隔 $\left[ {{t_k},{t_{k + 1}}} \right)$的特征信息, 提出一个基于B-L不等式的双边时间相关不连续L-K (Lyapunov-Krasovskii)泛函. 使用提出的L-K泛函和改进的自由矩阵不等式, 建立了确保系统严格($\mathcal{Q}$, $\mathcal{S}$, $\mathcal{R}$)-$\gamma$-耗散的充分条件. 基于所得耗散条件, 给出了T-S模糊采样控制器的设计方法, 并用于处理卡车拖车的控制问题. 仿真结果表明所提出的控制器设计方法非常有效.