轴承故障的智能诊断方法

总结了轴承故障诊断的模糊规则,并把这些规则晨射到模糊神经网络,提高了诊断的智能性。提出了部分层学习算法,并推导出隶属度函数的参数学习算法,改善了诊断规则和学习性能,所研制的诊断系统在对轴承邦联伯诊断中取得了满意的结果。     

基于神经网络的发动机智能诊断

为提高机械设备的维修诊断能力,提出了基于神经网络的智能诊断技术。采用自适应调整步幅的BP算法,改进后的算法,在误差精度高时能极大提高收敛速度,减少误判率。利用12150L发动机进行了实验,设置典型故障,采集声音信息,对原始声音信号进行解读、采样和分析,形成样本,通过学习和测验,该系统对预设的故障都进行了成功的判断,达到了预期的目的;而且智能诊断系统能分清熟练工人都无法直观判断的故障。实验结果表明,基于神经网络的智能诊断是可行的,具有良好的推广应用价值。     

数据挖掘技术在船舶故障智能诊断中的应用

船舶的正常运行有赖于智能缺陷故障的诊断和识别能力.此次研究提出基于关联规则算法的船舶故障智能诊断方法,利用频繁项集更新策略改进经典Apriori算法,通过时间序列模式和BP神经网络完成故障数据挖掘和分类以实现故障智能诊断.算法性能测试发现改进后的Apriori算法的运行效率提高48.26％,船舶油机排气温度过高和气门漏...     

基于BP神经网络的智能BIT故障诊断系统研究

论述了智能BIT的设计、检测、诊断、决策四个方面的主要研究内容,分析了BP神经网络的网络模型及工作原理,构建了基于BP神经网络的智能BIT故障诊断系统,并用某雷达录取终端的故障实际数据进行了验证。结果表明将神经网络与智能BIT结合是一种有效的诊断方法,解决了传统BIT故障诊断能力不足,导致系统虚警率过高、自适应性能差等问题,使被测系统具有更高的故障诊断能力。     

基于神经网络技术的机器人并发故障自动诊断方法

为了提高柔性负载抓握机器人的故障检测能力,提出基于神经网络技术的机器人并发故障自动诊断方法.运用高分辨的智能传感器信息识别技术,结合刚度和强度等机械结构特征分析,构建柔性负载抓握机器人的故障信息采集模型,采用变刚度原理,提取柔性负载抓握机器人的振荡信息特征,通过谱特征检测和动态信息融合进行柔性负载抓握机器人的故障信息的...     

基于GA-LM改进的BP模拟滤波电路故障智能诊断方法

传统的模拟滤波电路故障诊断技术在大多数理论方法和技术手段上显示出较大的局限性,因而在故障诊断速率、准确度和可靠性方面效率较低。将遗传算法与LM改进的BP改进算法相结合,进而形成一种基于遗传算法的改进LM-BP算法模型的四层神经网络结构。实例测试表明,该方法在模拟滤波电路故障诊断中具有较好的通用性,在运算速率和准确等方面均体现了较好的性能,为复杂模拟滤波电路故障诊断提供新的参考思路。     

基于多Agent的分布式故障智能诊断原型系统研究

近年来，基于多Agent的分布式故障系统已成功地应用于众多领域，本文将多Agent技术应用于故障诊断领域研究，以开发故障智能诊断的多Agent系统，提出了基于原型系统 的基本框架和系统实现途径及方法，其中着重研究了基于多Agent理论的诊断问题分布式任务分解与控制问题，以及诊断Agent之间的协调合作问题，原型系统的研究，为实际应用系统的研制开发提供了理论指导和方法依据。     

机械设备故障监测与智能诊断

分析了机械设备维护的现状,利用传感器和计算机采集原始振动信号,采用计算机技术和振动分析对重要设备进行在线监测,根据采集的原始振动信号进行趋势分析和精密分析来判断设备状态,从而实现了对设备进行科学的维护,及时诊断出齿轮的偏心、严重磨损等故障。     

基于智能监控系统的分布式光伏故障自动诊断研究

传统故障诊断方法都是从分布式光伏组件外部特性进行故障判断,对于内部参数的变化缺少观察,导致分布式的故障类型诊断准确率低,因此,设计一种基于智能监控系统的分布式光伏故障自动诊断方法.以两级分布式光伏作为研究对象,建立并网运行的数学模型,通过智能监控系统得到内部参数故障评判特征值,采用崩溃点直接计算的方法计算电压崩溃、越限...     

铁路机车故障智能诊断的实现

为了有效地监测铁路机车走行部及传动装置的故障,研制了一套故障智能诊断系统。介绍了系统的组成和车载计算机的软件流程,分析了实现系统功能而采用的基于共振解调检测这一关键技术的神经网络诊断方法。系统投入运行以来,确诊率不低于97％,漏诊率趋于零。     

基于集成信息融合的智能故障诊断系统设计

提出了基于集成信息融合技术的实时智能故障诊断系统结构.在对传统BP神经网络分析的基础上引入了聚类分析方法与遗传优化算法,有效降低了BP神经网络的训练难度并提高其训练精度.将遗传神经网络与自适应神经-模糊推理系统相集成用于特征级信息融合,既提高了诊断可靠性又充分利用了诊断知识;引入D-S证据理论进行决策级融合,有效地利用了各诊断单元的诊断结果.仿真测试结果表明,该故障诊断系统能迅速、准确、可靠的诊断出各种故障.     

APU故障智能诊断系统设计

针对高旋环境下测试困难、测量精度低这一问题,提出了一种能在高旋环境下实现轴向减速装置,以达到稳定的良好的测试环境。该装置通过驱动仓内大量程陀螺仪测得的转速反馈给控制系统,控制系统输出控制信号来控制伺服电机,同时电机捷联内筒仓,使其相对外部转动方向反向旋转,实现轴向减速。实验结果表明,该装置可在高旋弹药飞行过程中提供稳定测试环境,从而得到更精准的姿态解算结果,为高旋环境下的测试提供了新的思路,具有广阔的应用前景。     

基于人工智能技术的不完备信息系统智能诊断方法研究

为了提高不完备信息系统故障诊断的正确性与效率,本文提出一种基于粗糙集理论、蚁群优化算法和RBF神经网络相结合的故障智能诊断方法。该方法首先利用“条件组合补齐算法”对不完备的数据进行完备化处理,再利用粗糙集对条件属性进行知识约简,得到具有最大完备度的最小规则集,接着用蚁群算法优化RBF神经网络的权值,并将最小规则集用于训练RBF神经网络模型,获得故障智能诊断模型。通过实际工程数据验证故障智能诊断模型的有效性,结果表明提出的方法能有效实现系统故障的诊断。     

基于信息融合技术的电机故障诊断

为了能够从多方面反映电机系统状态,实现对电机故障模式的自动识别与准确诊断,将信息融合技术与神经网络相结合,建立电机故障诊断系统。在数据融合级上,将故障特征量进行分类处理,然后,采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,再运用DempserShafer(D-S)证据理论融合算法对各证据进行融合,最终,实现对电机故障的准确诊断。诊断测试试验证明:该诊断系统提高了电机故障诊断的精度,并能满足诊断的实时性要求。     

神经网络信息融合用于电梯故障诊断的研究

针对传统电梯故障诊断系统实时性有限、故障定位准确率低等问题,将多信息融合技术引入到电梯故障诊断中来,建立了基于模糊神经网络和D-S证据理论相结合的故障诊断模型。为了提高神经网络的训练速度和推广能力,采用了正则化算法对BP网络算法进行修改,并且利用D-S证据理论对神经网络的诊断结果进行决策融合,仿真结果表明了此方法有效地提高了故障诊断的准确率。     

数据驱动的飞行器智能故障诊断系统研究

飞行器装备及试验技术的快速发展带来试验数据的指数级增长,传统的试验数据管理与分析手段已经无法满足装备研制与优化设计的需求;提出一种数据驱动的飞行器智能故障诊断技术,通过将人工智能技术与故障诊断技术相融合,能够从飞行器历史测控试验数据库中,自动获取参数的阀值、数据链特征与关联关系,形成准确的飞行器参数知识模型库;通过构建数据驱动的飞行器智能故障诊断系统,将知识模型库中的知识与实时试验数据进行比对分析,实现实时数据的自动化、智能化判读,进而发现航天飞行器可能存在的潜在故障,提前预测,将风险降低到最小。     

一种基于多传感器信息融合的故障诊断方法

针对目前油气管道的预警与泄漏判断误报率和漏报率高的问题,采用一种基于多传感器信息融合的方法来进行诊断．考虑不同的传感器所测得的特征参数不同的特点,在数据融合的过程中采用加权融合,增加系统判断的准确性．实验结果证明了该方法的有效性．     

基于卷积神经网络的层级化智能故障诊断算法

传统智能故障诊断算法需要依赖人工特征提取和专家知识,而旋转机械设备复杂的工作环境和工况使得传统算法在实际应用中缺乏良好的自适应性和泛化性.针对以上问题,提出基于卷积神经网络(Convolutional neural network,CNN)的层级化故障诊断算法(CNN based hierarchical fault diagnosis,CNN-HFD).首先,将原始振动信号进行分段预处理,以实现数据扩容;然后,分别根据故障类型和故障程度设计多个卷积神经网络,并将原始振动数据以某一时间步进行分割,作为卷积神经网络的输入进行训练;最后,将待识别信号送入CNN-HFD模型,经过分层故障诊断,在末端卷积神经网络输出相应故障类别和程度.通过滚动轴承振动数据库的实验表明,所提出的算法不仅具有高达99.5%以上的故障识别率,而且在负载发生变化时依然可以保持高达97%以上的故障识别率,具有较好的鲁棒性和泛化性能.