滚动轴承的智能诊断系统研究

利用虚拟仪器平台,选用加速度传感器和声级计拾取滚动轴承的振动信号和声信号,运用小波分析提取轴承特征信号;构建了基于BP神经网络的数据融合结构,实现轴承故障的智能诊断,提高了诊断效率和准确性.     

基于PLC的太阳能光伏聚光发电随动系统的研究

太阳能随动系统的追踪策略采用粗追踪和精确追踪两种相结合的模式.将全年每半个月的太阳理论位置为标准值,通过可编程序控制器查表的方式实现对太阳光线方位角与高度角的粗追踪;再采用导纳增量法实现对光伏聚光系统的输出最大功率点的精确追踪;同时也对光强智能传感器硬件合理设计以及电机拖动模块进行了探讨,使得系统具有较高的追踪精度和发电效率等诸多优点.     

基于虚拟仪器的智能远程诊断系统的研究

对虚拟仪器和远程诊断技术作了简要的分析,提出了一种基于虚拟技术的智能远程诊断系统模型,并提出了如何构建系统模型．模型采用三级网络结构：设备现场故障监控系统;车间或企业局域网故障监控中心;远程监控中心．对每级的任务进行了分析和规划,每级通过Intranet或Internet实现网络间的相互通讯,实现设备的智能远程故障诊断．     

太阳能光伏阵列故障诊断的研究

在分析比较几种检测方案的优缺点后，针对处于不同工作状态下太阳能电池板间存在明显温差这一特性，提出了基于红外图像分析的故障诊断方案。首先对处于故障与正常工作状态下电池板的温差进行了分析和计算，并以每块电池板的平均温度与整个光伏阵列的平均温度的差值作为判断故障的重要依据；同时给出了该红外图像测量系统的硬件结构和软件框图，并对采集的红外图像进行了处理。分析结果表明，采用红外图像处理和数据融合的技术对太阳能光伏阵列进行故障诊断的方案是有效、可行的。     

结构智能健康诊断的信息融合原理

本文介绍了信息融合的基本原理，提出了基于信息融合的结构智能健康诊断的基本要领，给出结构智能健康诊断系统的信息融合层次、内容和结构，指出结构智能健康诊断的信息融合主要包括监测层信息融合、特征层信息融合和决策层信息融合。     

土石坝病险智能诊断系统框架研究

将基于规则与案例的混合推理技术应用到土石坝病险诊断系统中,为土石坝病险智能化诊断提供了一条新的途径。文中针对土石坝病险诊断的案例特点,提出了基于规则与案例混合推理的土石坝病险智能诊断系统框架模型,设计了案例模糊检索策略,并给出了应用范例.     

太阳能光伏发电功率短期智能预测方法

随着能源危机的加剧,太阳能光伏产业日益受到关注。而太阳能光伏发电功率存在波动性和随机性的特点,为减轻其对电网的影响,进行光伏出力预测是解决这一问题的基本途径。文章针对短期光伏预测中存在的计算量大、预测精确度低等难题,在对现场数据进行采集、处理与定量分析的基础上,基于改进的超闭球神经网络(Improved hyperball CMAC,IHCMAC)理论,提出了短期智能预测算法并对其加以改进,利用采集的气象参数、光伏发电数据,构建了光伏发电功率预测模型,并通过性能评价验证了该算法的有效性。     

家电网络故障诊断系统中远程数据传输方法

综述了网络家电故障诊断中的三种远程数据传输方法，即分别利用MODEM、家庭信息集成网络及网络传感器进行远程数据传输，其中重点介绍了基于单片机与MODEM通讯的数据传输技术．     

基于传感器融合的机械设备故障诊断的方法与系统

从机械故障诊断方法的角度,提出了一种基于多传感器融合的机械故障诊断的新方法,概述了该方法的基本原理和实现的相关技术。     

基于信息融合和加权证据理论的故障诊断系统的研究与实践

为了较全面地获得设备的故障状态信息,增加故障诊断的可信度,考虑故障诊断过程中不同故障特征对特定故障的贡献率,提出了加权证据理论的多故障特征信息融合的故障诊断方法,建立了多故障特征信息融合诊断模型。经实验表明,该方法能有效提高故障诊断的准确性并且具有较好的实用性。     

信息融合在燃料电池传感器故障识别中的应用

以燃料电池发动机控制系统为背景，以该系统的多种传感器为研究对象，利用神经网络信息融合的方法，构建了传感器的在线故障识别模型，给出了其算法：用MATLAB仿真验证了所给方案的有效性．能有效地识别传感器的故障，为系统获取有效的测量数据奠定了基础；     

电力变压器故障智能化诊断技术综述

变压器是电力系统的主要设备之一,其故障的提前诊断极其重要。总结并系统剖析了国内外各种传统及现有的变压器故障诊断方式,详细列举了基于油中溶解气体分析技术或电力设备的智能化故障诊断技术的最新进展,阐述了各类深度学习算法在变压器故障诊断中的应用,如深度神经网络、稀疏受限玻尔兹曼机、深度置信网络等,并将各种诊断技术的最终效果进行了对比。     

光伏组件智能化故障检测综述

由于人工巡检及传统的故障检测存在各种弊端,对于智能化的光伏组件故障检测研究变得越来越迫切。首先,阐述了国内外现有的传统光伏组件故障诊断技术;其次,详细研究了结合智能化的光伏组件故障检测技术,包括基于电气特性和多类别图像的智能故障检测;然后,总结了光伏组件智能化故障检测优缺点;最后,对此领域的未来进行了展望。     

基于深度学习的机械轴承故障智能诊断

智能故障诊断对于提高智能制造的可靠性具有重要意义。基于深度学习的故障诊断方法在工业领域已经取得了很大的成功,但是不同的模型提取的特征存在一定的差异。针对数据特征提取不全面等问题,提出一种基于深度学习的融合网络模型(CLOD)。首先通过傅里叶变换对故障信号进行时频分析,得到时频谱样本,然后将样本送入经过LSTM模型和改进的CNN模型融合后的卷积网络模型(CLOD)中训练学习,最后通过更新网络参数来提高模型性能,实现轴承故障精确智能诊断。与传统方法比较,CLOD在保证准确率的基础上,极大的增加了模型的拟合速度和稳定性。     

基于信息融合技术的异步电机故障诊断研究

为了合理利用异步电动机多个方面的故障特征信息,提高故障诊断的准确性,提出了一种采用异步电动机定子电流、径向(轴向)振动信号等多信息融合的故障诊断方法.对测量的各种信号进行小波分析,利用各个频段的信号能量作为故障特征值.采用D-S证据理论融合各个信息,针对证据理论无法融合高冲突证据的缺陷,引入先验知识对其进行了改进,提高了电机故障诊断准确率.实验结果表明,故障诊断结果可信度明显提高,不确定性显著减小,对异步电动机转子断条故障诊断的准确率达到90%以上.     

基于神经网络信息融合的乳化器故障诊断系统

该文在分析、归纳了以往乳化器故障产生的原因及特征的基础上,着重研究了神经网络信息融合技术在乳化器故障诊断当中的应用。对采集到的乳化器多个关键部位振动信号进行处理、融合,最后根据融合后的信息得出诊断结果。仿真结果表明,该乳化器故障诊断方法诊断过程相对简单,诊断准确度较高。     

模糊信息融合及其在发动机失火故障诊断中的应用

由于发动机结构复杂,造成发动机失火故障的因素很多, 使故障诊断及故障定位非常困难.为此本文提出了一种基于模糊信息贴近度分析的信息融合方法,并用以诊断某装甲车辆发动机失火故障,取得了满意效果.