双谱在系统集成车辆故障诊断中的应用

本文研究在系统集成车辆使用过程中一种新的机械故障检测方法,利用时间序列的双谱分析实现机械设备故障诊断。根据实验分析,车辆设备正常工作和出现故障时采集的振动信号的双谱及对角切片存在差异特征,通过差异特征可以很好区分不同的故障类型。由此可知,时间序列双谱分析是实现机械故障检测的一种有效方法。     

风电轴承多源振动信号故障诊断的数据融合方法研究

针对风电回转支承的故障振动信号为低频信号,不平稳、非线性,难以检出等难题,提出了基于数据融合的方案：首先提出了B型关联度加权法和小波去噪相结合的方法,对多源振动信号进行融合去噪,然后以EEMD为基础对融合后的信号进行分解,此方案不仅提高了融合信号的信噪比,而且抑制了在经验模态分解中的模式混叠现象,实验结果表明与理论计算的故障特征频率相吻合,充分显示了其应用在回转支承故障诊断系统中的可行性。     

基于改进加权融合算法的运动场景图像拼接

在图像匹配、融合过程中,由于图像中运动物体的存在,使得融合后的图像可能出现鬼影。鬼影消除一直是图像拼接技术的重点和难点。针对这一问题,现提出一种基于SIFT和改进加权融合的运动场景图像拼接方法。首先,采用对尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,使用RANSAC算法求出图像间的变换矩阵H,最后利用文中提出的改进加权融合算法完成图像的无缝拼接。整个过程完全自动地实现运动场景的图像拼接,消除了运动鬼影。实验结果验证了该方法的有效性。     

数据融合技术在输电线网故障诊断中的应用

数据融合作为一门信息综合处理技术起初应用于军事领域，被引入到技术科学领域只有近十的年的历史。本文开始简述了数据融合的定义，接着阐明了将数据融合应用于输电线网故障诊断可行性的理论依据，然后论述了多种数据融合方法，如人工神经网络、专家系统、模糊理论、小波分析等在输电线网故障中的应用。     

D-S证据理论数据融合算法在某系统故障诊断中的应用

介绍了Dempster-Shafer(D-S)证据理论数据融合算法的基本原理,在此基础上以电压-码转换电路板为被诊断对象,探索了基于D-S证据理论多传感器数据融合算法的某系统电路故障元器件诊断方法.诊断结果表明D-S证据理论多传感器信息融合算法可有效地提高故障模式的识别能力,使故障元器件得以有效定位.     

基于动态加权的雷达数据融合算法

传统数据融合算法在处理雷达数据时,采用“平均”的思想,融合时不对数据加以区分。文中针对这一缺陷,提出了一种基于动态加权的雷达数据融合算法。新算法首先根据每部雷达的滤波误差动态计算量测数据的融合权值,然后根据融合权值获得融合量测数据,最后对融合数据进行滤波。仿真实验验证,相比传统数据融合算法,新算法能够提高目标的航迹跟踪精度。     

神经网络与信息融合技术在内燃机车故障诊断中的应用

内燃机车是我国铁路运输中主要的牵引动力,其质量的优劣直接关系着铁路运输组织状况的好坏和人们的生命财产安全。将现场资深专家的机车故障诊断经验与信息融合技术和人工神经网络技术两种新型的智能化技术作为故障诊断理论基础,以东风系列内燃机车水阻试验系统对机车各个关键部位的状态检测参数作为数据来源,提供了一条内燃机车故障诊断的新途径。     

模糊多级融合技术在化工故障诊断中的应用

为提高化工故障诊断的可靠性,文章提出一种基于模糊多级融合的故障诊断方法,在传统模糊信息融合故障诊断的基础上,将各诊断方法的局部诊断结果重新融合后再进行系统的全局故障诊断,同时根据模糊融合方法的实现需求提出评价系统,对权重值进行修正,从而提高故障诊断的快速性与准确性。通过实例分析表明该诊断模型的可行性。     

几种改进BP算法在电机故障诊断中的分析比较

近年来,人工神经网络以其独特的容错、联想、推测、记忆、自适应和处理复杂的多模式等优点,在许多学科中掀起了研究热潮,同样在故障诊断领域,其发展前景也十分乐观,它作为一种自适应的模式识别技术,并不需要预先给出有关模式的经验知识和判断函数,对于特定问题建立的神经网络故障诊断系统,可以从输入数据（故障症状）直接推出输出数据（故障原因）,从而实现故障的检测与诊断。但是传统的BP算法存在一些缺陷。所以采用一些改进的BP算法,把它们用于电机的故障诊断,通过实验对这些改进算法的分析比较,得出其中较合适的算法。这样不仅能发挥神经网络的泛化映射能力而且诊断速度也有提高,有较强的学习能力。     

基于状态监测与故障诊断在风电机组上的应用分析

文章基于状态监测与故障诊断在风电机组上的应用,首先分析了状态监测与故障诊断系统的基本结构,接着探讨了状态监测与故障诊断系统的支撑技术,在风电机组状态监测与故障诊断中,主要研究了其在振动监测、油液分析、温度记录和应变测量中的价值及效果,这一研究对于改进风电机组的稳定性具有一定的意义。     

基于LMD和Fisher判别的风力发电机组齿轮箱滚动轴承故障诊断方法

风力发电机组齿轮箱等旋转机械故障振动信号具有调制特征,因此有针对性地提出了一种基于局部均值分解(Local Mean Decomposition,LMD)和Fisher判别的故障诊断方法.首先对振动信号进行LMD分解,可得若干个的乘积函数(Product Function,PF)分量,以相关系数为依据进行PF分量筛选和...     

分形技术在轴承故障诊断中的应用

针对滚动轴承振动信号的特点,从分形原理出发,利用分形维数的概念,对由滚动轴承故障产生的非平稳、非线性信号进行了分形特征的定量描述。试验结果表明,由于滚动轴承不同故障动力学产生的机制不同,其分形维数明显不同。因此利用分形维数可以准确地诊断出滚动轴承的工作状态。     

多通道信息融合技术在故障诊断中的应用

目前的轴承故障诊断中,较多的是对单传感器信号的处理,不能充分利用多传感器测量得到的大量有价值信息.针对这一问题,本文提出了一种信息融合模型.该模型通过设置不同传感器的权重值来融合多个传感器的信号,以达到充分利用传感器信息的目的.通过一个轴承故障诊断的例子,证实本模型具有实现简单、准确率高的优点,在轴承故障诊断中具有一定...     

基于D-S证据理论的数据融合算法及其在电路故障诊断中的应用

本文在D-S证据理论的基础上,结合模糊集合论,给出了电子电路故障定位的多传感器数据融合方法.通过测试电路中的被诊断元件的工作温度和工作电压两个物理量,得出D-S证据理论中两传感器对各待诊断元件的信度函数分配,再利用D-S联合规则得到融合后的信度函数分配,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性.     

基于人工免疫算法的变压器故障诊断

针对变压器故障各种诊断方法的优缺点,人工免疫作为一种新的有效故障诊断方法,因其自身的独有特性,可用于解决故障诊断中难以解决的一些特殊问题,为解决变压器故障诊断问题提供了新的思路。通过标准数据集对免疫网络的Matlab实验,表明该算法有较高的分类准确率。     

模拟电路故障诊断的信息融合新方法

针对测试信息不足造成模拟电路故障诊断准确率较低的问题,为充分利用有限测试信息,提出一种模拟电路故障诊断信息融合新方法.首先,将采集的故障样本集变换到不同特征空间,然后利用所提出的马氏距离分布熵求取各特征空间的相对优势分类集,在此基础上,定义相对优势属性约简提取各特征空间的局部最佳可分性信息,最后,对基分类器结合所提出的自适应类模糊密度赋值方法进行模糊积分融合.国际标准电路故障诊断实例表明,所提方法能有效提高模拟电路的故障诊断率.     

基于概率神经网络的滚动轴承故障诊断

针对滚动轴承故障征兆与故障模式映射的复杂性,以及BP网络容易陷入局部极小、收敛速度慢等缺点,提出了基于概率神经网络（PNN）的滚动轴承故障诊断方法。采用11个时域统计特征作为样本特征,利用PNN实现样本分类,并与反向传播（BP）网络进行滚动轴承故障诊断的方法进行了对比。结果表明,PNN网络可以实现滚动轴承不同类型的故障识别,其分类结果比BP网络具有更高的准确性,并在避免局部极小和节约训练时间方面有较好的实用性。