装备故障诊断方法研究

研究装备故障预报,便于及时维修,选取诊断方法对于高效的故障诊断具有重要意义,因此概括了故障诊断的方法.为了提高诊断率,保证运行安全,采用小波分析和回归型支持向量机两种先进的故障诊断方法,仿真结果表明两种方法都能准确定位故障点,用时大致相同,但支持向量机同时实现原始信号的重构,而且残差比小波滤波的信号噪声还要小,可以优先采用,对故障诊断方法的选取具有指导意义.采用人工神经网络方法较好地解决了齿轮故障问题,并且诊断结果是准确的.     

PCA-SVM在模拟电路故障诊断中的应用

主元分析法(PCA)通过提取故障样本集的主元得到降维的特征空间,利于故障特征提取;支持向量机(SVM)应用于故障诊断时具有良好分类性能;结合两者优点,提出了基于PCA特征提取和SVM相结合的模拟电路故障诊断识别新方法:对电路输出响应信号进行PCA处理,提取故障特征的主成分,然后利用多类SVM对故障模式进行分类决策,实现故障诊断;仿真实验结果表明,该方法能够实现模拟电路故障的快速检测与故障定位,具有速度快、精度高、鲁棒性好的特点。     

基于PCA和HMM-支持向量机的故障诊断方法设计

为了提高复杂系统运行的有效性和可行性,避免系统发生故障时造成巨大的财产损失甚至灾难性的后果,提出了一种基于PCA(Principal Component Analysis,PCA)和HMM(Hidden Markov model,HMM)-支持向量机的故障诊断方法;首先获取故障征兆特征向量,然后采用PCA主成分分析法对特征向量进行降维以减少样本数据的复杂性,将降维后的训练样本数据输入HMM模型和支持向量机模型进行训练得到最终的HMM-支持向量机混合模型,最后将降维后的测试样本数据输入最终的HMM-支持向量机混合模型进行故障诊断;在Matlab仿真环境下进行故障诊断实验,结果证明文中故障诊断精度高达98.9%,与其它方法相比,不仅具有较少的诊断时间而且具有较高的诊断精度,具有很强的可行性。     

基于SVM集成学习的网络故障诊断方法

针对现有支持向量机(support vector machine,SVM)多分类方法在网络故障诊断中识别精度较低的问题,提出一种基于二叉树结构和模型二重扰动的SVM集成学习算法;通过集成学习思想提高网络故障诊断的精度;在集成过程中对二叉树结构和核参数进行扰动,加大个体分类器的差异度,提升了诊断模型的泛化性;在实际网络中的诊断实验表明,所提的方法较二叉树等其它SVM多分类方法具有更高的诊断精度。     

船舶柴油机故障诊断方法的研究

研究船舶柴油机故障诊断问题,由于船舶柴油机故障样本相当少且样本极不平衡,系统复杂,传统故障诊断方法均是采用大样本的学习方法,易出现过拟合,得到局部最优解,导致船舶柴油机故障的准确率较低。为了提高船舶柴油机故障的准确率,采用专门针对小样本的支持向量机进行船舶柴油机故障诊断。首先建立船舶柴油机故障样本集,采用层次支持向量机构造柴油机故障诊断树,解决样本不平衡问题,最后进行船舶柴油机故障诊断。实验结果表明,支持向量机不仅提高了柴油机故障训练和诊断速度,且提高了故障诊断的准确率,较好解决船舶柴油机故障诊断中的过拟合、小样本等问题,可以为船舶正常工作提供保证。     

基于小波分析和SVM的主变流器故障诊断

针对电力机车主变流器的故障,本文提出基于小波分析和支持向量机的故障诊断方法.首先,运用小波包对特征信号进行分解和重构,然后提取各频带的能量,将得到的能量值构造为特征向量,最后把特征向量输入到支持向量机,进行故障类别诊断.MATLAB仿真结果表明:该方法能够准确地对故障进行诊断.     

支持向量机回归方法在故障诊断中的应用研究

支持向量回归是支持向量机用于回归中的情况,首先介绍基于支持向量机的线性回归和非线性回归的基本原理,然后提出一种时间序列预测方法和误差评价的方法,最后在matlab中模拟简化同步的异常情况,通过实时采集的数据与多步预测值的残差来判断电机的异常,实验表明利用支持向量机回归能及时跟踪输出数据的变化,对设备进行在线故障检测是非常有效的。     

基于ICA和SVM的滚动轴承故障诊断方法研究

通过对滚动轴承振动信号的分析处理,提出了基于独立分量分析和支持向量机的故障诊断方法,采用FastICA算法对信号进行分析处理,提取出代表轴承运行状态的投影系数矩阵,并以此作为特征向量来建立支持向量机分类器,利用SVM网络的智能性来判断滚动轴承的工作状态和故障类型。     

基于支持向量机集成的故障诊断

为提高故障诊断的准确性,提出了一种基于遗传算法的支持向量机集成学习方法,定义了相应的遗传操作算子,并探讨了集成下的分类器的构造策略。对汽轮机转子不平衡故障诊断的仿真实验结果表明,集成学习方法的性能通常优于单个支持向量机,而所提方法性能则优于Bagging与Boosting等传统集成学习方法,获得的集成所包括的分类器数目更少,而且结合多种分类器构造策略可提高分类器的多样性。该方法能容易地推广到神经网络、决策树等其他学习算法。     

小波包结合支持向量机的故障诊断方法

提出一种结合小波包分析（WPA）理论和支持向量机（SVM）分类器的机械故障诊断方法。该方法具有重复训练样本少,简单、直观的优点,具有很高的分类性能。利用获得的机械故障数据建立故障分类器,对不同测试集条件下的3种SVM核函数、SVM方法与神经网络方法的比较结果证明,基于小波包和支持向量机的故障诊断方法是机械故障诊断的发展方向。并对实验的最佳训练样本集进行讨论。     

空调系统中传感器故障检测与诊断方法的研究

提出了空调系统传感器故障检测，故障识别、故障重构的主成分分析方法。主成分分析法将测量空间分为主成分子空间和残差子空间。SPE指数和SVI指标分别用来检测和识别故障，沿着故障方向，测量数据逐步逼近主成分子空间可以实现数据的重构，通过对空调监测系统的传感器故障检测与诊断结果展示出PCA方法具有良好的故障检测，识别和重构建能力。     

双余度传感器的故障检测与识别

传感器是任何测控系统中不可缺少的部件,也是最容易出故障的环节,传感器故障检测、识别和信号重构一直得到极大的重视.本文研究了仅利用双余度传感器的输出信号进行故障检测与识别问题,提出了一个双余度传感器故障信号识别器(FSD),建立了故障信号识别的基本原理,导出了相应的传感器故障检测与识别的递推算法,并给出了仿真结果.     

非线性系统的鲁棒故障检测与诊断

研究了一类具有未建模动态或扰动的非线性系统的鲁棒故障检测与诊断问题,利用神经网络、模糊系统或小波网络等对非线性故障模式进行在线逼近的方法进行故障诊断.第一步,对用于鲁棒故障检测的观测器,建立了保证观测器稳定的增益阵的选择条件;第二步,若检测出发生故障,则用神经网络、模糊系统或小波网络进行故障的在线估计,建立了估计误差界,结果显示输出估计误差将收敛到由扰动上界或建模误差上界线性确定的范围内.     

往复泵泵阀的状态监测及智能故障诊断综述

往复泵泵阀的状态监测和故障诊断的两个关键问题是有效提取往复泵运行过程中非平稳时变的系统特征信号中的故障特征信息和准确判别泵阀的故障类型并分析其故障原因。本文从故障诊断疗法的角度，提出了利用基于信号处理的方法来提取泵阀的故障特征信息以实现其状态监测以及利用基于知识的方法(尤其是智能故障诊断技术)对泵阀进行智能故障诊断，并评述了每一种方法的具体实现问题     

Data-driven Fault Detection and Diagnosis for HVAC water chillers

Faulty operations of Heating, Ventilation and Air Conditioning (HVAC) chiller systems can lead to discomfort for the users, energy wastage, system unreliability and shorter equipment life. Faults need to be early diagnosed to prevent further deterioration of the system behaviour and energy losses. Since it is not a common practice to collect historical data regarding unforeseen phenomena and abnormal behaviours for HVAC installations, in this paper, a semi-supervised data-driven approach is employed for fault detection and isolation that makes no use of a priori knowledge about abnormal phenomena. The proposed method exploits Principal Component Analysis (PCA) to distinguish anomalies from normal operation variability and a reconstruction-based contribution approach to isolate variables related to faults. The diagnosis task is then tackled by means of a decision table that associates the influence of faults to certain characteristic features. The Fault Detection and Diagnosis (FDD) algorithm performance is assessed by exploiting experimental datasets from two types of water chiller systems.     

某型军用雷达便携式故障检测系统设计

本系统主要用于某型号雷达的快速检测和故障定位,解决目前该雷达在基层部队使用中维修困难的问题,提高该雷达综合保障力,促进其战斗力的形成;雷达便携式故障检测系统由主控计算机、信号采集板、电源管理模块、人机交互模块和连接线缆组成;该系统采用自动检测技术、快速故障定位技术可有效缩短雷达的故障定位时间;系统设计合理、功能完善、技术先进、使用方便且可靠性高;它的研制成功与装备部队是对现有雷达的重要补充,对提升我雷达的战斗力具有重要意义,具有显著的军事应用价值.     

控制系统执行机构故障的检测与诊断

评述了近年来执行机构故障检测与诊断的主要研究成果和发展现状,并给出了各种诊断方法的典型应用,对各种诊断方法的优缺点进行了比较,最后指出了该领域有待进一步研究的若干问题和发展趋势.     

摆式列车用传感器的故障检测与识别

本将在传感器故障检测与识别领域中取得的新成果应用于摆式列车的研制中,建立了双余度传感器故障信号识别器,用在摆式列车试验台上采集到的试验数据,通过计算机仿真证明了该方法的有效性,为将来在摆式列车实车中的运用奠定了基础。     

Fault Detection and Diagnosis Based on Modeling and Estimation Methods

This paper investigates the problem of fault detection and diagnosis in a class of nonlinear systems with modeling uncertainties. A nonlinear observer is first designed for monitoring fault. Radial basis function (RBF) neural network is used in this observer to approximate the unknown nonlinear dynamics. When a fault occurs, another RBF is triggered to capture the nonlinear characteristics of the fault function. The fault model obtained by the second neural network (NN) can be used for identifying the failure mode by comparing it with any known failure modes. Finally, a simulation example is presented to illustrate the effectiveness of the proposed scheme.     

基于PCA多变量统计的故障检测与诊断

主元分析(PCA)是一种能够对过程生产进行监测和质量控制的有效方法,在保证数据信息丢失最少的情况下,大大降低了原始数据空间的维数。为了更好地进行故障检测与诊断,介绍了基于PCA多变量统计的故障检测与诊断,给出了广泛应用在多变量统计过程上的T2和Q(或SPE)统计量。利用PCA分析建模可以消除变量间的非线性关联,降低噪声影响。用田纳西-伊斯曼过程TEP(Tennessee-Eastman Process)平台产生仿真数据,并利用Matlab软件建立故障检测与诊断模型。通过T2和Q(或SPE)统计量与其阈值的判断,进行对系统的故障检测与诊断。实验表明,基于PCA的故障诊断方法能够对过程的非正常变化做出反应,也能较正确地找出发生故障的原因以及相应环节。