内燃机气阀机构故障的模糊诊断

在内燃机气阀机构故障诊断中引入模糊数学的方法，不仅能克服传统故障诊断方法所存在的局限性，而且还具有在模糊信息的环境下提取有用信息，并集中主要相关因素作出决策的能力。分析了内燃机气阀的故障形式，提出了用模糊数学理论进行内燃机气阀机构振动故障诊断的方法。     

利用缸盖噪声信息诊断柴油机失火故障

叙述了内燃机故障检测的新方法，即利用发动机运转的噪声信息来诊断内燃机失火故障，利用小波分析技术从发动机噪声信号中提取发动机的燃爆和气门开闭信息，相对于传统的基于振动的诊断方法，基于声学的诊断方法有着振动不可比拟的优点，这种方法不需接触发动机表面，不必粘贴传感器，不受发动机结构空间限制，而且检测系统简单，大大缩短了检测时间，提高了检测效率。     

制冷系统故障诊断中模糊模式识别技术的应用

模糊数学是人类认识事物的规律之一。本文将这一概念引入制冷系统故障诊断技术中,使制冷系统运行参数量化问题得到更合理的解决。     

直列式内燃机往复惯性力对瞬时转速影响的仿真研究

提出了两种由直列式内燃机往复惯性力计算转速波动的仿真模型，对不同气缸间惯性力的相位耦合进行了仿真分析，证明缸数对转速波动的幅度和频率均有着很大的影响；利用希尔伯特变换对转速波动信号进行时频分析，证明了多缸机转速波动波形为调频余弦曲线。     

海洋工程结构故障的模式识别诊断

本文提出固定式导管架平台结构故障的模式识别诊断.首先介绍模式识别的基本思想,然后讨论统计判别函数方法.对一个二维导管架平台模型,用随机激励进行了正常平台、台面质量增加、横撑斜撑切断以及根部开裂等多种结构状态的振动试验.取频响函数幅值和随机减量函数作为被识别的模式,得到了很好的结果,从而说明这是一种很有希望的导管架平台结构故障的诊断方法.     

利用简谐扭振幅值诊断内燃机故障缸功率损失

依据内燃机曲轴扭转振动的基本理论，提出了一种利用实测曲轴扭振信号单谐次分量的幅值诊断内燃机故障缸功率损失的新方法，该方法能简便地估算出故障缸的停缸率。讨论了引起曲轴扭转振动的激振力矩，给出了简谐扭转振动角位移与对应简谐力矩的关系式。以某6135柴油机为对象进行了仿真计算和实验分析。研究结果表明，利用0．5谐次扭振位移幅值可以判断出内燃机故障缸的停缸率，验证了该方法的可行性和工程应用价值。     

基于瞬时转速波动率的内燃机故障诊断方法研究

内燃机的瞬时转速包含着各个缸燃烧状态的重要信息,可以用于分析各个缸做功状态,诊断缸体点火相关故障,如燃料泄漏、气门泄漏和点火异常等故障。通过模型建立从理论上分析瞬时转速与气体压力扭矩、往复惯性力扭矩和阻力矩之间的关系,提出4个特征参数表征瞬时转速波动率波形及谐波特征,并通过仿真数据和实测故障数据证明瞬时转速波动率对于分析诊断内燃机点火故障的有效性,实现内燃机点火状态的早期预警。     

FMS故障诊断的模糊行为Petri网研究

根据ＦＭＳ故障诊断推理中知识的模糊性，给出了模糊行为Ｐｅｔｒｉ网（ＦＢＰＮ）的定义，研究了用模糊行为Ｐｅｔｒｉ网表示模糊产生式规则的方法，提出了一种模糊反向推理机制，给出了算法的实现。最后以ＢＦＥＧ－ＦＭＳ的刀库换刀故障为例，证明了该方法的可行性和有效性。     

基于样本库的示功图模糊模式识别

给出了一种基于样本库的示功图模糊模式识别方法，详细介绍了其模型的建立和算法的设定，并结合实例进行了分析，最后用Matlab进行了仿真实验。     

基于排气噪声的柴油机失火故障诊断

通过计算机和声传感器采集排气噪声,研究九种工况下柴油机排气噪声的频谱规律。通过对柴油机排气噪声信号功率谱分析,提取二个参数来表征排气噪声的频谱规律。对这两个参数在各工况下的值进行了详细的分析后,发现这两个参数在失火工况下有较大的变化,故对这两个参数确定相应的阈值来诊断失火故障。通过编写相应的故障诊断程序,输入排气噪声样本和对应的转速后即可判断出失火故障。这种方法具有非接触,操作简单,成本低的特点。     

A Fuzzy Neural Network for Fault Pattern Recognition

1　ＩｎｔｒｏｄｕｃｔｉｏｎＩｎｍａｔｈｅｍａｔｉｃｓ,ｆａｕｌｔｒｅｃｏｇｎｉｔｉｏｎｃａｎｂｅｓｕｍｍｅｄｕｐａｓａｍａｐｐｉｎｇｐｒｏｂｌｅｍｂｅｔｗｅｅｎｆａｕｌｔａｇｇｒｅ ｇａｔｅａｎｄｃｈａｒａｃｔｅｒａｇｇｒｅｇａｔｅ .Ｔｈｅｍａｐｐｉｎｇｂｅｔｗｅｅｎａｇｇｒｅｇａｔｅｓｉｓｃａｌｌｅｄａｍａｐｐｉｎｇｆｕｎｃｔｉｏｎ ;ｋｉｎｄｓｏｆｍａｐｐｉｎｇｆｕｎｃｔｉｏｎｓｃａｎｂｅｆｏｒｍｅｄｆｏｒｆａｕｌｔｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ .Ｔｈｅｔｒａｄｉｔｉｏｎａｌｐａｔｔｅｒ…     

模糊中心聚类的模式识别学习方法

基于一个约束条件下的非线性规划问题的优化计算思想，把模糊中心聚类中计算输入矢量与中心的距离来实现聚类作为一种优化计算问题，证明了模糊中心聚类方法，取一个适当的属函数，其聚类中心vi为模糊聚类中心价值函数的极小值，推导出了基于模糊中心聚类的模式识别的无导师递推学习方法，提出了模糊中心聚类模式分类神经网络结构，该网络可以实现并行数据处理和模式分类的软划分和硬划分。     

Fuzzy Fault Diagnosis of a Diesel Engine Non-start

The diesel locomotive plays an important role in the field of transport,and the engine maintenance work is the prerequisite and guarantee for the locomotive normal working.In this paper,we first establish the fault tree model of locomotive engine 16V240ZJ on the basis of engine non-start as the top event.Then we combines the fuzzy mathematics theory and fault tree analysis method for failure diagnosis of 16V240ZJ engine's abnormal start-up.We obtained the fuzzy probability curve and top events probability c...     

设备故障诊断中的模糊逻辑知识表示

基于旋转机械故障特征，提出一种利用模糊逻辑表示故障诊断知识的方法。着重讨论其工作原理和实现方法。     

内燃机燃烧噪声与机械噪声的测试方法

该文把声强测量技术应用到内燃机燃烧噪声与机械噪声实验中 ,推导出内燃机燃烧噪声与机械噪声分离计算公式 ,提出了一个测试内燃机燃烧噪声和机械噪声的新方法 ,文中实验结果与理论分析相吻合。该方法克服了声压法的不足 ,实验中不需要消声室或半消声室 ,也不需要特殊的声学环境 ,可以在一般实验室或工作场地测试。该文提出的方法具有一定的经济意义和实用价值 ,为研究内燃机噪声特性提供了一个新的技术手段。     

故障诊断的模糊神经网络模型

论证了单症兆和多症兆诊断的模糊模型分别与一定条件的单层神经网络等价，从而建立了单症兆和多症兆诊断的模糊神经网络模型。基于模糊诊断原理，阐述了模糊神经网络模型是由若干独立单元组成的可扩充的组合式结构，进而提出一种修改或扩充子网络或子结点及其权重连线的可塑性学习方法。基于此模型建立了旋转机械故障诊断专家系统，以现场实际例子对模型的应用进行了说明。     

KL—Bayes方法在故障模式识别中的应用

有效特征向量的提取和状态识别是设备状态监测与故障诊断领域中的关键技术。近年来,国内外很多学者都非常重视自动特征向量选择与提取方法的研究和模式识别方法的探讨。文中提出的KL-Bayes 方法是KL变换特征提取方法与Bayes 逐步判别分析方法的结合,前者可在不改变原始样本空间分布特点的基础上降低特征空间的维数[4],后者是一种集“有效特征选择与状态识别”功能于一身的方法[1]。KL-Bayes方法用于不太复杂的系统故障诊断,如轴承、齿轮箱故障诊断中是非常简单有效的。文中给出了应用实例及分类器自学习前后的分类结果。