基于神经网络信息融合的柴油机故障诊断

本文论述了神经网络信息融合的原理与方法,首先就BP网络训练速度慢,易陷入局部极小点的问题,提出将附加动量项与自适应学习速率相结合的改进BP算法,有效地抑制了网络陷于局部极小并提高了收敛速度。最后,将振动信号与血管压力信号作为特征参数,分别采用传统BP算法,改进BP算法对供油系统的三种故障进行信息融合诊断分析。实践表明,神经网络信息融合方法非常适用于多征兆机械系统的故障诊断。     

基于神经网络的信息融合故障诊断技术

利用神经网络技术建立信息融合中心 ,对多传感器数据进行融合处理 ,通过多源互补信息减小故障诊断系统的不确定性。文中讨论了神经网络多传感器信息融合方法中数据预处理与特征提取、特征向量维数压缩与关联、归一化处理方法等 ,同时 ,对神经网络的构造以及学习训练等内容 ,也作了较为详细的讨论。通过对柴油机振动监测数据、燃油压力波动信息、以及两者融合信息的故障诊断性能的比较 ,表明神经网络多传感器信息融合方法用于复杂机械的故障诊断是可行和有效的     

集成神经网络信息融合技术在旋转机械故障诊断中的应用

结合单子神经网络信息融合在故障诊断中的不足不之处,讨论了集成神经网络信息融合的优点并提出了集成神经网络信息融合的组成结构、组建原则以及集成神经网络信息融合在故障诊断中的应用,最后应用集成神经网络对机械故障诊断进行了仿真。     

机械故障诊断中的信息融合利用问题研究

首先对机械故障诊断中的可用信息进行分类,然后在分析现在诊断信息利用不足的基础上提出信息融合诊断的思想,给出了基于信息融合诊断技术应解决的问题,并提出了一个信息融合诊断的一般过程。最后讨论了诊断中信息融合利用的研究方法和技术手段     

基于信息融合的齿轮箱故障诊断技术研究

对齿轮箱的故障诊断和信息融合进行了简要概述,将信息融合技术和D-S证据推理运用于齿轮箱的故障诊断中,提出了一种可行有效的融合方法.     

应用于破碎机故障诊断系统中的信息融合技术

本文以该设备故障诊断为研究对象在对国内外研究现状进行深入分析的基础上给出一种基于神经网络和D-S证据理论相结合的信息融合的故障诊断方法并进行实际检验。以信息融合的基本思路,将多子神经网络和D-S证据理论综合起来设计出一套综合诊断方法,将两种方法相结合应用于故障诊断中,取得了较好的诊断效果。     

基于信息融合技术的旋转机械故障诊断

简要介绍了多传感器信息融合技术,并结合旋转机械振动故障诊断系统的要求与特点,探讨了信息融合技术用于故障诊断系统的基本层次结构。将信息融合的层次与故障诊断的功能相对应,提出了旋转机械振动故障诊断的信息融合模型。神经网络和证据理论相结合应用于故障诊断的新方法,提高了故障诊断系统的灵活性、效率和准确性。     

设备故障诊断中的信息融合技术

简要综述了数据集成与信息融合的一般过程及融合结构。针对故障诊断过程，在数据融合与规则融合基础上，提出了灰色融合和模糊融合两种信息融合方法，并给出了并行决策融合模型。     

信息融合技术在旋转机械故障诊断中的应用

提出了一种利用多路传感器采集信息,将小波、神经网络和D-S推理有机结合起来的综合故障诊断方法,并对旋转机械的典型故障进行了诊断测试,实验结果表明该方法和利用单一传感器信息进行诊断相比具有容错性、互补性强和诊断精度高的优点.     

基于小波神经网络信息融合动密封故障诊断研究

针对动密封中唇形密封的综合故障问题，应用小波神经网络技术加混合式数据融合方法，将数据级、特征级和决策级故障诊断数据融合在一起，对动密封中唇形密封的缺陷进行智能诊断，描述了小波神经网络的建模过程，探讨了通过多源互补信息减少故障诊断系统不确定性的优化方法。结果表明，采用混合式融合结构可以通过多源互补以及冗余信息来提高诊断系统的鲁棒性；采用小波神经网络信息融合的诊断方法，可有效诊断动密封中唇形密封存在的综合故障问题。     

基于D-S证据理论的发动机信息融合故障诊断模型

建立了基于D-S证据理论的发动机信息融合故障诊断模型.通过油液光谱分析得到监测元素的浓度值、梯度值和比例因子,采用模糊综合评判法将其组合在一起作为光谱各元素的综合评价指标,同理得到铁谱磨粒总数和各磨粒综合评价指标.最后,利用故障诊断模型对所得的16个光谱、铁谱综合评价指标进行融合,提高了故障诊断的准确率,实现了发动机故障的准确诊断.     

基于神经网络的船用柴油机故障诊断专家系统

介绍一种基于神经网络的船用柴油机的故障诊断专家系统，以及系统结构、神经网络的学习算法，给出应用实例，诊断结果表明该方法的有效性。     

船舶柴油机机械故障诊断与处理分析

作为船舶机器设备的核心动力装置之一,柴油机如果发生故障将会影响整个船舶的正常运转,因此要求检修人员关注船舶柴油机的故障,在短时间内排除故障,保障船舶正常运转。本文主要对船舶柴油机械故障发生的原因类型以及监测设备进行分析,如主机无法正常启动、运行气缸有异常敲击声、增压器震动、螺旋桨机械故障等等,给出相应的诊断办法,如观察法、测试和化验,并对螺旋桨故障、船舶水密壁功能障碍给出了解决措施。     

基于层次分析法的发动机故障诊断专家系统

运用故障树分析法进行康明斯发动机的故障分析,建立了发动机常见故障的层次树模型,并将其转化成二叉故障树以构建专家系统的知识库;研究了系统的推理诊断流程:采用层次分析法设计了故障诊断专家系统.基于Windows平台和Delphi7.0语言开发了故障诊断专家系统.提供了一套简单、实用的故障诊断工具,给装备的故障诊断带来了极大的方便.     

运用HHT边际谱的柴油机故障诊断

提出了一种基于希尔伯特-黄变换(Hilbert-Huang transformation,简称HHT)边际谱的柴油机故障诊断方法。在3110柴油机上进行了气门间隙变化和断油等故障的模拟试验,测取了柴油机在断油工况和气门间隙异常工况下的气缸盖振动信号,并采用抽区间采样分析法对缸盖振动信号进行了时域特性分析。通过对故障敏感段信号的HHT边际谱分析,得出了在各工况下信号随时间和频率变化的精确表达,并以边际谱的最大峰值作为特征向量,采用马氏距离(Mahalanobis距离)进行分类,判断柴油机的工作状态和故障类型。试验分析表明,该方法即使在小样本的情况下也能有效地识别柴油机气门间隙变化和断油故障。     

基于SOM神经网络的柴油机故障诊断

利用神经网络的非线性映射及其高度的自组织和自学习能力,将SOM网络应用于柴油机的故障诊断.利用夹持式传感器获得柴油机喷射系统的燃油压力波形,对波形进行时域分析和特征提取.根据所取得故障信息及其对应的故障类型来构造网络结构,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对故障进行判断.通过仿真实验验证SOM神经网络在柴油机故障诊断的正确性.经实例分析证明,该方法可对故障进行有效诊断.     

粗集理论在变速箱故障特征提取中的应用

根据CA10B变速箱故障诊断的需要,将粗集理论应用到变速箱故障诊断分析中。通过运用粗集理论,将变速箱的故障特征进行简化,最终将传动装置故障诊断最初用的14种特征量简化为4种,实现了在不影响诊断效果的前提下,大幅度的提高了诊断速度,为旋转机械的快速诊断提供了可行的办法。     

基于复杂度的柴油机失火故障诊断方法

利用柴油机排气噪声来检测各缸失火故障状态，通过提取排气噪声的复杂度指标来判断信号的随机性，用计算机语言的长度来衡量排气噪声的特征，分析得到正常、掉1缸和掉2缸等工作状态下的复杂度参数，进而判断各种故障现象。实验证明该方法简单易行，诊断可靠，说明复杂度是非线性动力学参数在机械故障诊断中的新应用。     

基于多尺度核独立成分分析的柴油机故障诊断

为提高利用缸盖振动信号进行柴油机故障诊断的精度和速度,提出了一种基于多尺度核独立成分分析提取故障敏感频带的柴油机故障诊断方法。首先,提出奇异值能量标准谱对缸盖振动信号中的微弱冲击特征进行增强;然后,对信号进行固有时间尺度分解,并基于相关性准则选择有效频带分量;最后,利用核独立成分分析消除有效频带之间的频带混叠,得到故障敏感信息集中的独立频带,并计算其自回归模型(auto regression model,简称AR)参数、模糊熵和标准化能量矩作为特征向量输入核极限学习机(kernel extreme learning machine,简称KELM)进行柴油机故障诊断。试验分析结果表明,该方法可以快速准确地提取缸盖振动信号中的柴油机故障敏感频带,增强故障敏感特征,故障诊断准确率达到99.65%。