基于改进萤火虫算法神经网络的刮板输送机减速器故障诊断

为了对刮板输送机减速器故障进行准确诊断研究,提出了一种基于改进萤火虫算法优化神经网络故障诊断方法。首先对刮板输送机减速器故障特征参数进行特征提取,其次应用特征数据样本进行基于神经网络的故障诊断模型训练,利用改进萤火虫算法对神经网络权值、阈值进行优化,加快目标的优化求解,得到最优的网络模型。初步研究表明将改进萤火虫算法与BP(back propagation)神经网络结合可以有效地解决神经网络收敛速度慢,易陷入局部最优等问题,可以对刮板输送机减速器的故障进行准确诊断。     

基于改进蚁群神经网络的牵引逆变器故障诊断

牵引逆变器是各类地铁列车牵引传动系统的关键部件之一,在实际运行中其功率管极易发生各类故障。针对传统故障诊断方法无法准确识别相应的故障类型和故障部位的问题,基于改进蚁群神经网络对牵引逆变器功率管故障诊断方法进行了研究。通过提取牵引逆变器输出三相电压的频域故障特征作为神经网络的输入,以功率管的开路故障类型作为输出,采用改进蚁群算法训练神经网络的权值和阈值,对牵引逆变器的功率管开路故障进行了有效诊断。仿真和测试结果表明,改进蚁群算法神经网络具有较高的故障诊断准确性,收敛性好,可以快速有效地实现故障定位。     

反馈回路系统诊断策略优化技术研究

针对复杂反馈回路系统的故障诊断问题,提出了一种诊断策略自适应优化生成方法.首先对已有的回路搜索算法进行改进,提出了一种可以快速搜索系统全部反馈回路的算法,然后针对不同情形提出了3种中断回路的策略,在此基础上,提出了诊断策略优化生成算法.该算法以信息增益作为测试排序的启发函数,通过迭代计算得到近似最优的诊断策略.最后给出了主要步骤,并通过实例进行了验证.计算结果表明,该方法可以有效解决复杂反馈回路系统的故障诊断问题.     

基于混合遗传算法的Job Shop问题研究与实现

遗传算法具有良好的全局搜索能力,在调度问题中得到了广泛的应用。通过对遗传算法进行改进,可以有效避免在求解过程中容易陷入局部最优域的问题。通过采用混合遗传算法,即将模拟退火算法与遗传算法结合,在种群更迭过程中引入了模拟退火操作来求解Job Shop问题。通过实验验证了混合遗传算法的特性,最终算法显示出了遗传算法较好的搜索能力和模拟退火避免过收敛的特性,改进了收敛性能。系统的运行结果满足调度要求,实现了良好的有效性和实用性。     

基于改进蜂群算法优化支持向量机的故障诊断

针对支持向量机(Support Vector Machine,SVM)的故障诊断性能受参数选择影响较大的问题,提出了基于改进蜂群算法(Improved Artificial Bee Colony,IABC)优化SVM的故障诊断方法。为提高ABC算法的寻优能力,引入Levy飞行策略,对原始蜂群算法进行了改进。利用改进的ABC算法进行SVM参数的优化,可以有效地提高SVM的分类性能。滚动轴承不同类型、不同程度故障诊断的实例表明,与ABC、GA和PSO等方法相比,IABC算法能够获得更优的参数组合,提高了SVM的故障诊断准确率,可有效应用于故障诊断。     

基于 Tikhonov 和 TV 混合正则化的接地 网电阻抗成像算法研究

电阻抗成像技术(EIT)是解决接地网腐蚀定位问题的方法之一,为了改善接地网 EIT 逆问题的病态性,提高求解稳定 性以及重建图像清晰度,提出了经典吉洪诺夫正则化(Tikhonov)和全变差正则化(TV)相结合的混合正则化(Tikhonov-TV)接地 网成像算法。 首先,在循环测量原理的基础上,创新地借助 COMSOL 与 MATLAB 联合仿真求取接地网 EIT 正问题模型电压数 据;其次,在理论分析基础上,通过 Tikhonov-TV 正则化的 EIT 算法分别求解基于先验拓扑信息和未知拓扑信息的两种接地网逆 问题模型的场域电阻率分布;最后仿真和实验对比了 Tikhonov、TV 以及 Tikhonov-TV 3 种正则化算法的接地网 EIT 重建图像,并 采用电阻率均方误差(Resistivity MSE)和截线电阻率曲线图来衡量图像质量,实验得出基于先验拓扑信息的 1 处和 2 处腐蚀情 况下 Resistivity MSE 分别达到 1. 27×10 -15 和 1. 59×10 -15 ,电阻率均方误差最小。 结果表明,提出的 Tikhonov-TV 正则化算法有效 地改善了 EIT 逆问题的病态性,收敛性能最优,重建图像效果优于 Tikhonov 和 TV 正则化算法。     

基于PSCAD/EMTDC的异步电动机定子绕组三相故障仿真

在电磁暂态分析软件PSCAD/EMTDC环境中,对电动机两相接地故障进行仿真,以三相接地故障的数学模型代替实际电力系统,用数值方法对系统进行运行试验和研究.该模型不仅可以对电动机故障的瞬态和稳态过程进行仿真,而且能够揭示电动机故障瞬态的运行特征及瞬态过程中各个故障量的变化规律.验证了EMTDC电动机模型和算法的有效性和正确性,为深入研究电动机故障诊断和保护提供了有效的仿真平台.     

故障传播模型的飞机电源系统故障诊断研究

研究了基于故障传播模型的故障诊断方法,并将其应用于飞机电源系统,建立了故障诊断模型,用Warshall算法实现了邻接矩阵到可达矩阵的转换,采用改进的CWSE-Tree算法产生候选诊断,最后利用基于贝叶斯理论的方法计算得到候选诊断的后验概率,由此确定检修的先后顺序。结果表明,根据该检修顺序进行检测可以快速而准确的定位故障,具有一定的应用和参考价值。     

基于AFPN的汽车故障诊断研究

针对汽车故障诊断专家系统的知识具有动态性和不确定性的特点.提出了一种基于自适应模糊Petri网（AFPN）的汽车故障诊断方法。该方法首先根据模糊产生式规则建立相应的模糊Petri网模型,然后利用BP算法,通过样本数据对模糊Petri网中的权值等进行反复的学习训练,最后利用训练得到的参数和故障征兆发生概率对故障进行诊断。这种方法使知识库能动态更新,并可以避免依靠人工经验设置带来的不确定性。诊断结果表明,和传统故障树方法相比,该方法具有很多优点。     

故障Petri网的激发矩阵方法研究

为了解决故障建模中如何较好地描述故障状态变化过程的问题,定义了带有激发矩阵的故障Petri网,对库所、变迁、激发矩阵、理想激发矩阵以及激发时间作了有别于传统Petri网的定义;将系统故障解释为源库所故障或者变迁的激发功能故障;依据变迁及其外延的一般形式,给出了故障Petri网的激发矩阵分析方法,由此提出了一种故障诊断算法.以某电源系统为例,设计实验对所提出的故障诊断算法进行验证,结果表明算法能够有效、可靠地诊断出系统故障.     

混合遗传算法对BP神经网络算法的改进

介绍了用混合遗传算法对基本的BP神经网络算法进行改进的理论和实验，在混合遗传算法中使用了跨世代精英选择、退火算子以及自适应交叉和变异方法，取得了较好的效果。     

接地网材料的腐蚀及防护措施研究

分析了接地网材料发生腐蚀的主要影响因素,提出了几条接地网材料的腐蚀防护措施,以降低电气设备发生故障的概率。     

一种基于粗糙集理论的最优故障诊断规则获取方法

为了获取最优故障诊断规则,给出一种基于信息标记的改进属性值约简算法,以及针对规则的冗余、矛盾、从属等方面的规则检测方法,并应用于某型航空电子设备故障诊断中进行最优诊断规则获取,结果表明诊断有效。     

改进沙猫群优化算法优化堆叠降噪自动编码器的发动机故障诊断

车辆发动机振动信号受到噪声干扰，影响故障诊断精度，而堆叠降噪自动编码器(SDAE)可以有效抑制噪声干扰，但SDAE模型超参数对诊断性能影响较大，不合理的模型超参数容易引起SDAE诊断性能不佳。因此，文中采用一种新型沙猫群优化算法(SCSO)对SDAE参数进行优化选取。考虑到沙猫群优化算法(SCSO)中沙猫群种群缺乏变异机制的缺陷，在其探索阶段和开发阶段分别引入柯西变异机制和高斯变异机制，得到了改进沙猫群优化算法(ISCSO),并提出了SCSO优化SDAE的发动机故障诊断方法。发动机故障诊断实例结果表明：与其余5种方法相比，所提方法的平均诊断精度提高了1.47%～6.5%,平均耗时缩短了5.29～19.44 s。     

基于模糊Petri网的门式起重机故障诊断专家系统研究

为了诊断不确定性的门式起重机故障,在传统专家系统的基础上采用模糊Petri网来表示知识并进行逻辑推理进行故障诊断。在基于规则库的诊断基础上,运用模糊Petri网图形化的方法进行逻辑推理和知识表达,对故障信息的模糊性和不确定性进行表示和处理,并通过人机对话进行模糊量化。通过门式起重机故障诊断案例分析,结果基于模糊Petri网的门式起重机故障诊断专家系统可以快速诊断门式起重机的故障。说明采用模糊Petri网的专家系统可以较好地快速诊断不确定性的门式起重机进行故障,具有一定的应用性。     

应用准稳态测量及小波变换的接地网腐蚀检测

基于准稳态测量技术、电路理论及小波变换,提出了一种接地网腐蚀状态检测方法.该法通过模拟接地网的腐蚀,构建其等效电路模型,采用准稳态测量来获取表征接地导体腐蚀状态的极化电阻值Rp,进一步计算得到其腐蚀速率和腐蚀深度,从而实现接地网在不同腐蚀程度下的状态检测.同时,考虑到接地网现场检测时干扰信号多而强,采用小波变换滤除了测试环境对准稳态测量响应信号的干扰.现场测试结果表明,所提方法可行且检测结果较为准确.     

航空发动机的IGWO-KELM故障诊断方法

为提高航空发动机滑油系统的故障诊断有效性，提出了一种改进的灰狼算法优化核极限学习机（IGWO-KELM）的航空发动机故障诊断方法，对航空发动机进行了故障诊断技术研究。首先对航空发动机滑油系统的参数数据进行预处理，利用核独立分量分析（KICA）将数据映射到核空间，消除原始特征向量间的相关性，并提取特征系数矩阵；其次，由提取的特征矩阵创建KELM故障模型，为减少人为调节网络参数的随机性对诊断结果造成的影响，采用IGWO算法优化KELM的网络参数，并创建IGWO-KELM故障诊断模型；最后，对所创建的IGWO-KELM故障诊断模型进行了试验验证。结果表明，所提出的IGWO优化KELM的故障诊断方法能有效提高航空发动机故障诊断准确率，诊断准确率达96%，具有很好的应用前景。     

改进遗传算法优化的神经网络在智能故障诊断中的应用

设计了用模拟退火的混合遗传算法代替BP网络的反向传播过程的改进算法,解决了在机械敲障诊断系统中BP算法容易陷入局部极小值的问题.该算法是在遗传法中引入模拟退火机制,将其同BP算法结合,形成一个混合的优化算法.新算法既有神经网络的学习能力和鲁裤性,又有遗传算法的强的全局随机搜索能力.仿真结果表明,这种改进算法极大提高了内燃机故障诊断系统的效率和准确性.     

改进蝴蝶算法优化核极限学习机的柴油机故障诊断

为提高柴油机故障诊断的精度和效率,提出一种基于改进蝴蝶算法(IBOA)优化核极限学习机(KELM)的柴油机故障诊断方法。考虑到KELM的诊断精度受参数影响较大的实际,在研究蝴蝶算法(BOA)的基础上,提出IBOA算法对参数进行优化选择,以提高KELM的故障诊断性能。柴油机故障诊断实例表明,所提方法在提高柴油机故障诊断精度的同时,减少了耗时,比其它几种方法的效果更好,具有一定的优势。     

基于改进果蝇优化算法优化RVM的电机轴承故障诊断

针对相关向量机(RVM)在电机轴承故障识别中的性能受参数选择影响较大的问题,提出了基于反向认知果蝇优化算法(RCFOA)优化RVM的电机轴承故障诊断方法。为提高FOA算法的寻优能力,引入反向学习策略,对原始果蝇优化算法进行了改进。利用RCFOA进行RVM参数的优化,可以有效地提高RVM的分类性能。电机轴承不同类型、不同程度故障诊断的实例表明,RCFOA算法能够获得更优的参数,提高了RVM的故障诊断准确率,相比于其他一些方法更有优势,可有效应用于故障诊断。