数据融合故障诊断系统模型及其应用

系统的故障诊断问题是一种多知识源问题,反映系统状态的信息有时十分广泛。为对技术系统的故障诊断问题做出更精确、更完全的估计和判决,利用数据融合技术具有分析和处理多源信息的能力,将数据融合技术与故障诊断原理融为一体,形成基于数据融合技术的故障原理,并提出数据融合故障诊断系统模型。数据融合模型分成三级结构:原始信息融合层、特征融合层、决策融合层。每一级内部又有相应子结构。前两层主要对输入信息进行预处理和特征提取,第三层主要对特征信息进行全局决策。通过将Bayes决策理论纳入DFFDSM和时空融合方法的两个例子,说明DFFDSM是一种适应性较好的模型,具有结构清晰、简单的特点。     

基于模糊动态神经网络的点火系统故障诊断

从往复发动机点火系统的工作机理出发,分析了点火系统的常见故障。构建了模糊隶属度函数对故障征兆信号进行模糊化处理,得到了多元故障敏感特征,并建立了三层动态神经网络进行基于多元信息融合的点火系统故障诊断。实例分析表明,基于模糊动态神经网络进行的往复发动机点火系统故障诊断高效可靠,能够为往复机械的故障诊断提供新的方法。     

设备故障诊断中数据融合的计算模型

针对故障诊断的数据融合功能模型中各级融合和各项融合功能及处理任务，以集合论和实变分析为基础提出了故障诊断的数据融合处理过程的计算模型，计算模型描述了数据融合处理步骤、过程的数据形式与计算方法，证明了这些模型的正确性和可用性，为数据融合的故障诊断技术奠定了理论基础，通过分析得出数据融合处理不完全依赖于具体计算方法的结论。     

油料装备故障智能诊断平台研究

为了解决油料装备故障智能诊断问题,构建由平台支持层、技术支持层、数据层和应用层组成的故障智能诊断平台.应用模糊神经网络、专家系统、微粒群优化算法和证据理论作为智能融合工具,对检测数据实现数据级、特征级和决策级三级数据融合,借助数据间互补信息,降低检测数据误差,消除冗余信息.建立基于案例推理CBR和规则推理RBR的故障诊断集成推理机.将最近邻方法与灰色关联理论相结合,提出分层检索匹配算法.     

基于模糊神经网络的模拟电路故障诊断

针对故障诊断技术智能化的发展方向,结合模拟电路的特点,将模糊逻辑和神经网络融合在一起,研究了一种基于模糊神经网络的故障诊断算法,给出该算法的典型模型和结构,并通过实例研究了这种模型在模拟电路故障诊断中的应用。     

BP神经网络的模糊改进及应用

描述了人工神经网络和模糊推理系统的基本原理,分析了基于人工神经网络和模糊推理方法的故障诊断专家系统的设计思想,提出了一种人工神经网络和模糊推理技术相结合的故障诊断方法——模糊神经网络法.人工神经网络通过对部分测量数据的处理,输出故障出现的可信度,实现系统的故障诊断.模糊推理部分通过对输入输出的模糊表示,结合神经网络的推理,给出故障的程度,实现故障诊断.     

基于信息融合的控制系统中模拟电路故障诊断

针对控制系统中的模拟电路具有多种工作状态的特殊情况和故障诊断过程中的不确定性问题,提出了模糊一神经网络信息融合算法．给出了该算法的基本模型和应用于控制系统中模拟电路故障诊断的一般规律,通过将电路不同工作状态下的有效信息进行融合,结合模糊信息处理技术和神经网络推理技术,最终实现故障定位．将其应用到某型船舶主机遥控系统中延时电路板的故障诊断系统中,结果表明,该方法能够有效地提高故障模式的识别能力,将故障准确地定位到元器件．     

数据融合的模糊模型和算法研究

提出了一种数据融合的模糊模型和算法。该模型定义了容许函数对传感器输出信息的一致性进行度量，利用模糊测度对参与融合的传感器组的可靠性进行度量，使最终的融合结果是尽量可靠的传感器组提供的一致性较好的数据的综合。该方法既能有效的处理冲突信息和传感器故障产生的错误信息，同时又保证了融合结果的精确性和可靠性，具有良好的容错性和稳健性。既可用于信号层融合，又可用于决策层融合。仿真结果表明，融合方法令人满意。     

基于知识的故障诊断方法综述

在简单介绍故障诊断理论的基础上，重点评述了基于知识的故障诊断方法发展状况，将其分为5大类，即专家系统故障诊断方法；模糊故障诊断方法；故障树故障诊断方法；神经网络故障诊断方法和数据融合故障诊断方法。对每类方法均介绍了它的诊断原理与步骤，分析了它的特点及局限性，最后指出了这一领域中有待进一步研究的若干问题和发展趋势。     

基于模糊信息融合的变压器故障诊断研究

设计了一种与模糊信息融合方法相结合的变压器故障诊断系统模型.该模型采用分布式MAS故障诊断系统结构,其故障诊断子系统采用三种不同的在线监测Agent并行方式运行并且两者相互之间兼有信息交互;该结构克服了实时性、可靠性不强的缺点;实验仿真论证了基于模糊信息融合的故障诊断法的可靠性与可行性并且分析证明了该方法的有效性.     

基于BP神经网络及其改进算法的汽轮发电机组故障诊断

为了提高汽轮发电机组的故障诊断准确率,提出了基于BP神经网络改进算法的故障诊断系统.根据输入特征向量对BP神经网络进行学习,在matlab上分别采用两种算法对故障诊断模型进行测试.结果表明,改进算法能够更有效地预测汽轮发电机组的故障.     

基于RS-RBF的燃气轮机控制系统传感器故障诊断研究

燃气轮机控制系统在电厂安全运行中起到重要作用,而传感器作为控制系统中的测量信号装置,其安全性至关重要,因此开展对燃气轮机控制系统传感器的故障诊断研究具有重要意义。在传感器故障诊断中需要从故障信息中提取出有效的诊断规则。为了解决这一问题提出了一种改进离散化方法对数据进行预处理,结合粗糙集(RS)和径向基(RBF)神经网络对传感器进行故障诊断研究。实验结果表明,该方法减少了燃气轮机控制系统传感器故障类型的误判率。     

信息融合技术在烟气轮机故障诊断中的应用

烟气轮机是炼化企业生产中重要的核心设备,保障烟气轮机的安全可靠运行,实现科学维护十分重要。对多传感器信息融合技术作了简要介绍,给出了一种神经网络与D-S证据理论相结合的诊断方法,并提出了基于多传感器信息融合技术的烟气轮机故障诊断模型。通过在转子实验台上的实验表明,采用该方法提高了故障诊断系统的灵活性及故障诊断的效率和准确性。     

基于层次化混合分类器的含未知故障风机轴承故障诊断方法

为提高风机轴承故障诊断精度,针对含未知类型故障信号的误识别问题,提出一种风机轴承故障诊断新方法。首先,将风机轴承振动信号进行经验小波变换（EWT）,对分解得到的固有模态分量（IMF）提取15种时-频域特征,构建特征向量集;然后,通过基尼（Gini）指数评价特征分类能力,构建最优特征集合;最后,采用单类支持向量机（OCSVM）与极限学习机（ELM）组合的层次化混合分类器进行故障诊断。对比单纯采用ELM、SVM分类器,新方法能够更好辨识含未知故障类型的风机轴承故障信号。     

基于范例推理的机械故障诊断方法与系统

故障诊断需要考虑许多因素,需要设备过去的运行数据和故障诊断记录及经验。本文提出基于范例推理的故障诊断方法,介绍了这种诊断方法的机理。在这种诊断方法的基础上设计了饱和汽车转子故障的诊断系统ＣＢＲＲＦＤＳ。     

汽轮机转子故障诊断算法应用研究

对汽轮机转子故障进行诊断是确保汽轮机安全运行的关键。振动信号的分析在汽轮机转子故障诊断中广泛应用。应用小波包分析方法提取振动信号特征值,进一步作为BP神经网络的输入量,建立信号特征与其故障类型的非线性映射关系,利用神经网络实现故障诊断。仿真结果表明,该方法可以有效地对汽轮机转子故障进行诊断。     

基于改进深度信念网络的燃气轮机故障诊断

针对传统智能诊断方法使用的浅层模型难以准确挖掘信号特征量与对应故障原因之间复杂的映射关系,导致故障诊断精度不高的问题,提出了一种基于深度信念网络(DBN)的燃气轮机故障诊断方法。采用Apriori关联度分析法分析燃气轮机故障模式与故障特征向量之间的关系,生成关联度矩阵;根据关联结果筛选出满足精度的特征向量作为输入,同时结合遗传算法(GA)对深度信念网络的结构参数进行优化,建立了基于GA-DBN的燃气轮机故障诊断模型。最后通过诊断实例验证了所提方法的有效性。     

自适应神经网络在发电机组故障诊断中的应用

提出了自适应学习率及动量因子的ＢＰ神经网络算法和误差逼近度渐近收缩学习的ＢＰ神经网络算法，并将其应用于汽轮发电机组振动故障诊断与识别。实例结果表明，该算法学习收敛较快，误差曲线平稳，不会引起误差曲线振荡，对复合故障的识别性能好。     

基于形态小波的转子轴心轨迹提纯

针对汽轮发电机组轴心轨迹的提纯问题,提出采用形态小波提纯转子轴心轨迹的新方法.形态小波作为一种非线性小波,兼顾数学形态学的形态特征和小波的多分辨率特性,具有良好的细节保留和抗噪声性能.采用形态小波提纯轴心轨迹,无须考虑信号的频谱特征,通过对形态小波分解得到的分量进行阈值降噪处理,然后重构原信号得到提纯的轴心轨迹.将实际数据分别通过传统的Haar小波与形态小波进行处理,结果表明,形态小波在轴心轨迹提纯方面的效果更明显.由于形态小波变换算法只涉及加减和极大、极小运算,算法简单且执行高效,适合汽轮发电机组故障的在线监测和诊断.