基于模糊神经网络的智能故障诊断专家系统

发动机是车辆的核心部件,及时有效地发现并排除故障,对降低维修费用,减少经济损失,增加发动机工作时的可靠性,避免事故发生具有重大的意义。以某型号发动机为研究对象,运用测试技术、信号处理、小波分析、神经网络和模糊控制理论,提出了基于模糊神经网络的智能故障诊断系统。建立了发动机故障信号采集试验台,在试验台上人工模拟3种转速下6种工况,通过加速度传感器采集正常工况和异常工况的振动信号,之后利用小波包技术进行消噪处理,并提取出故障信号的特征值,作为网络训练和测试的样本数据。用样本数据训练和检测自适应模糊神经网络,完成对信号的离线模式识别,之后以测试样本数据实现在线故障诊断,通过仿真分析,取得了很好的诊断效果。与传统的BP神经网络故障诊断方法进行对比,无论在诊断精度上还是学习速度上,模糊神经网络在故障诊断中更具有优势。同时,在专家系统的理论基础上,将模糊神经网络与专家系统进行信息融合,实现数据接口通信,利用网络的自学习能力建立智能故障诊断数据库和诊断规则库,通过程序语言快速高效的设计出智能诊断系统。最后,通过发动机故障诊断实例仿真分析,验证了基于模糊神经网络的智能故障诊断专家系统的可行性。     

基于模糊神经网络的机载设备智能故障诊断系统

针对某型飞机机载设备故障多,且具有模糊性、复杂性的特点,本文将模糊逻辑和神经网络相结合,采用模糊隶属函数来描述这些故障的程度,建立了模糊神经网络故障诊断模型.采用图形化编程技术,开发了一种故障诊断推理流程图,方便了用户的开发.该系统依据专家知识和测试数据,可将故障隔离到内场可更换单元(SRU)或某个功能电路.实践证明该诊断系统是有效的,具有推广应用价值.     

基于噪声和图卷积神经网络的电机故障诊断

文章针对旋转机械设备维护和噪声监测治理的需求,提出了一种基于电机噪声信号和图卷积神经网络的故障诊断算法。该算法对时域数据进行傅里叶变换,将变换后的频域数据转化为图数据,利用提出的新型图卷积神经网络结构对图数据进行训练并分类。搭建电机故障实验平台,完成了6种不同状态的电机噪声信号采集与实验验证。实验结果表明,图卷积神经网络能根据有限的电机噪声信号有效识别出电机故障,并具有一定的小样本学习能力,能够在样本量较少的情况下进行故障分类。对比分析表明,该算法分类准确率优于K最近邻-图算法、一维卷积神经网络、自动编码器和支持向量机等其他算法,为实际工程应用提供了参考。     

基于贝叶斯网络的计算机网络端到端服务故障诊断

研究了利用贝叶斯网络不确定推理技术实现端到端服务故障诊断的方法，详细描述了贝叶斯网络故障诊断模型的建立方法，设计了基于Pearl信念传播机制的故障诊断算法，并对其进行了改进，以提高诊断效果．最后，通过仿真验证了该方法的有效性，并提出了下一步的研究方向．     

基于K-means聚类与概率神经网络的模拟电路故障诊断方法

模拟电路已广泛应用于航空电子系统,模拟电路的失效会影响系统的功能,引起系统故障,甚至引发灾难性的安全事故.为快速准确地实现模拟电路的故障诊断,该文引入概率神经网络方法,并针对传统概率神经网络方法中的诊断准确性、诊断效率问题,提出基于K-means与概率神经网络的模拟电路故障诊断方法,定义聚类有效性指标,采用K-mean...     

汽车发动机远程故障诊断数据库系统设计分析

利用数据库技术建立汽车发动机远程故障诊断系统,重点分析了远程故障诊断中心发动机诊断数据库和标准数据库等的设计思路,介绍了系统的结构模型、数据库访问、数据库实现、数据库安全等技术,对汽车发动机故障远程诊断系统的建立和开发具有指导意义.     

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。     

基于模糊推理系统的制冷机组故障检测与诊断

设计制冷机组故障检测与诊断的模糊推理系统，并用实验数据对此系统进行检验。研究结果表明，利用模糊推理系统进行制冷机组故障检测与诊断是可行的。     

基于概率神经网络的中央空调故障诊断研究

建立中央空调的静态物理模型，通过抽取特征向量残差，建立中央空调故障状态和特征向量之间的映射关系。通过人工引入故障，对某大楼中央空调运行的现场测量，测量结果经处理后输入概率神经网络，经运算后对中央空调进行故障检测与诊断。结果表明，该方法简单可行，运算时间短，能够实现对中央空调的故障检测与诊断。     

基于模糊神经网络的公差-成本模型研究

研究了面向制造环境的公差-成本模型。对制造环境中有关的加工因素进行分类及模糊化处理,构造了加工因素的成本模糊影响系数,并以此系数和零件公差作为输入,建立了基于模糊神经网络的公差-成本模型。此模型在表征加工成本、公差关系上的精度较高,更适应面向制造公差设计的要求。     

基于注意力BiGRU的机械故障诊断方法研究

为了解决机械故障诊断领域传统方法自适应性差、参数选择过于依赖人工的问题,提出了一种基于循环神经网络的机械故障诊断算法。该方法利用预处理后的机械振动信号,搭建了双向门控循环单元的故障诊断模型,并进行了基于注意力机制的模型优化,提高了特征提取效率。经过美国凯斯西储大学轴承数据集以及自采集的柴油机故障实验数据验证,相比于传统神经网络算法提升了计算效率和诊断准确率,并表现出了良好的抗噪能力。结果表明,该方法可以有效适用于基于机械振动信号的故障诊断,具有一定的工程应用价值。     

冷藏集装箱制冷机组故障诊断系统的开发

由于冷藏集装箱机组所处的环境十分恶劣，常出现故障，为此利用VB开发基于神经网络的冷藏集装箱故障诊断系统。     

基于DSmT与小波网络的齿轮箱早期故障融合诊断

针对齿轮箱早期故障特征十分微弱难以有效辨识问题,提出基于DSmT理论与小波神经网络的齿轮箱早期故障融合诊断模型。利用多个振动传感器合理布置在齿轮箱的多个关键部位采集多源振动信息并进行特征提取;利用多个并联小波神经网络实现齿轮箱早期故障的初级诊断获得彼此独立的多个证据;利用DSmT理论对多个独立证据进行融合决策得出齿轮箱的最终诊断结论。DSmT理论克服了传统DST证据理论的局限性,小波神经网络实现多源证据信度分配的客观化。诊断实验结果表明,该方法能有效提高齿轮箱早期故障特征的辨识精度、降低诊断的不确定性。     

大型蒸汽喷射泵真空系统基于模糊识别的故障诊断方法

针对大型蒸汽喷射泵真空系统的运行状态的工况识别和故障诊断问题，提出了征兆向量和模糊征兆向量的概念，在此基础上给出了一种蒸汽喷射泵真空系统工况和故障的模糊模式识别的方法，并对三种故障进行了诊断和验证。     

基于样本密度KFCM新算法及其在故障诊断的应用

摘要：针对传统核模糊聚类(KFCM)算法无法克服边界噪声数据影响且对初始聚类中心敏感的不足,提出一种基于样本密度和最大类间方差法相结合的KFCM算法。该算法在传统的KFCM算法中引入样本分布密度作为权重,克服噪声及边界数据对分类中心的影响,使样本的聚类效果更好,同时还可以分析各样本对聚类的贡献程度。此外利用最大类间方差法对样本密度进行分割,得到各类中心点并以此作为KFCM算法的初始聚类中心,克服了传统算法对初始值敏感的不足。对各种实际数据集的测试结果均显示出新算法的优良性能。最后利用新算法对轴承故障进行诊断,试验结果表明新算法的诊断率优于传统的聚类算法。     

柴油机故障诊断试验研究

为了对柴油机故障类型进行准确诊断,根据研究内容,设计出了合理的试验测试诊断系统,并根据最近原则选择测点位置。通过从柴油机缸盖振动信号进行特征提取,对所测取的信号通过小波分解及重构后重新提取时域、频域特征参数,从而可判断故障类型。经过验证,所判断出的故障类型正好为所设定的故障,由此表明该方法的正确性。     

多域信息融合结合改进残差密集网络的轴承故障诊断

针对滚动轴承原始时域信号信息单一、深度卷积神经网络提取的特征对信息的传递存在差异等问题,该研究提出了一种多域信息融合与改进残差密集网络的轴承故障诊断方法。为了获取故障的多方面信息,先对原始数据进行多域变换,再将融合信息输入经卷积注意力改进的残差密集网络进行深度学习。经注意力机制改进的网络能够实现对提取特征的重要性区分,提高网络的训练速度、改善识别准确率。试验结果及对比分析表明该算法可以提取较为全面的特征,较传统方法具有更好的识别效果。     

基于声发射和长短时记忆神经网络的端对端燃气高压调压器故障诊断

在燃气输配系统中燃气调压器处于关键位置,及时有效地诊断其故障类型具有重要意义.文章提出了一种基于声发射信号和长短时记忆神经网络的端到端故障诊断方法,直接利用时域声发射信号对调压器的运行状态进行诊断.首先,设计一个二阶巴特沃斯高通滤波器对采集的声发射信号进行预处理;其次,利用长短时记忆网络(Long Short Term...     

基于PCA的多变量控制系统的故障监测与诊断

 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．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．通过对某食品厂蒸煮设备控制流程进行大量试验表明,PCA 故障诊断模型能够有效地对设备生产进行监测,并能较准确及时地诊断设备运行中发生的故障．