电动机故障诊断技术探讨

介绍了电动机常见电气故障和机械故障的类型及产生原因,详细阐述了短时傅里叶变换、小波变换、小波包变换、经验模态分解等基于信号处理的诊断方法,以及基于专家系统、模糊理论、支持向量机、神经网络等的智能诊断方法在电动机故障诊断中的应用,指出多种诊断方法相结合以及信息融合方法是电动机故障诊断技术的发展趋势。     

机载设备自动测试与故障诊断技术的发展

介绍了机载设备自动测试与故障诊断技术的发展背景及现状，详细讨论了自动测试与故障诊断技术，指出了自动测试设备的发展趋势及其在现代航空装备维护保障中所处的重要地位。     

复杂控制系统故障诊断的远程实现技术

在简要介绍基于Internet的远程故障诊断技术作基础上,研究了利用OPC和XML技术实现远程故障诊断与维修向导的方法。提出的实现技术对解决复杂系统远程故障诊断与维修是可行和有效的。     

复杂控制系统故障诊断的远程实现技术

在简要介绍基于Internet的远程故障诊断技术作基础上,研究了利用OPC和XML技术实现远程故障诊断与维修向导的方法.提出的实现技术对解决复杂系统远程故障诊断与维修是可行和有效的.     

面向故障诊断的自动测试系统

首先简单介绍了ATS的产生、国内外应用现状、最新技术以及发展方向.然后在详细分析故障诊断技术的基础上,说明了ATS在提高现代武器故障诊断能力的巨大优势.最后,提出了构建"面向故障诊断的自动测试系统"的新思想.     

基于特征值的智能故障诊断技术研究

文章研究了基于特征值的智能故障诊断技术,具体阐述了特征值的提取方法,以及特征参数的建立方法及定义,并描述了智能故障诊断系统模型结构与开发策略。     

基于神经网络和粗集的智能故障诊断技术应用

智能故障诊断技术是20世纪90年代的前沿科学之一,其研究成果已广泛用于生产实践中,大大提高了生产效益。文中根据对油制气系统的故障诊断的应用实例提出使用粗集预处理的神经网络智能故障诊断方法,提高了系统的可靠性,减少了系统的投资成本。     

基于深度学习的智能设备故障诊断研究综述

智能设备故障诊断技术(Intelligent Fault Diagnosis, IFD)将深度学习理论应用于设备故障诊断,能自动识别设备的健康状态和故障类型,在设备故障诊断领域引起了广泛关注。智能设备故障诊断通过构建端到端的AI模型和算法将设备监测数据与机器健康状态关联以实现设备故障诊断,但设备故障诊断的模型和算法较多且相互之间并不通用,采用与监测数据不相符的模型进行故障诊断会导致诊断准确率大幅度下滑。为解决这一问题,在全面调查设备故障诊断相关文献的基础上,首先简述深度设备故障诊断的模型框架,再根据具体应用场景和设备监测数据类型对模型算法进行分类介绍、列表对比及总结,最后针对存在的问题分析了未来的发展方向。本综述有望为智能设备故障诊断的研究提供有益的参考。     

基于神经网络和粗集的智能故障诊断技术应用

智能故障诊断技术是20世纪90年代的前沿科学之一,其研究成果已广泛用于生产实践中,大大提高了生产效益.文中根据对油制气系统的故障诊断的应用实例提出使用粗集预处理的神经网络智能故障诊断方法,提高了系统的可靠性,减少了系统的投资成本.     

浅析电力变压器智能故障诊断方法

电力变压器是电力系统中的重要组成部分,是整个系统稳定可靠运行的关键影响因素,智能故障诊断方法的研究对于保证电力变压器的安全运行有着非常重要的现实意义。本文从小波变换的基本原理出发,分析小波神经网络和基于小波神经网络的电力变压器故障诊断模型,结合该模型进行变压器故障诊断,并研究诊断结果。     

智能故障诊断技术研究综述与展望

智能故障诊断是人工智能领域基于知识处理的故障模式识别,其发展为工业设备持续正常运行提供良好的技术支撑.首先阐述了故障诊断技术的研究意义和基本概念,然后从原理、应用、优缺点以及方法改进等方面总结了目前应用广泛的几种智能故障诊断技术,最后对各种智能故障诊断技术进行了分析和展望,同时给出了诊断技术的选择建议.     

便携式HEV动力电池故障诊断系统的设计

设计了基于无线传感网络的便携式混合动力汽车HEV (Hybrid Electric Vehicle)动力电池故障诊断系统.主要包括电池组高压检测模块、ZigBee无线传输模块、STM32F103VB主处理器、触摸屏手持终端、无线打印模块等.介绍了HEV动力电池故障诊断系统的软硬件设计方法,实现了对动力电池状态信息的在线检测和快速故障诊断.系统具有较好的准确性和稳定性,为HEV动力电池的故障诊断和维修提供指导.     

Development of smart sensors system for machine fault diagnosis

Machine fault diagnosis is a traditional maintenance problem. In the past, the maintenance using tradition sensors is money-cost, which limits wide application in industry. To develop a cost-effective maintenance technique, this paper presents a novel research using smart sensor systems for machine fault diagnosis. In this paper, a smart sensors system is developed which acquires three types of signals involving vibration, current, and flux from induction motors. And then, support vector machine, linear discriminant analysis, k-nearest neighbors, and random forests algorithm are employed as classifiers for fault diagnosis. The parameters of these classifiers are optimized by using cross-validation method. The experimental results show that smart sensor system has the similar performance for applying in intelligent machine fault diagnosis with reduced product cost. Developed smart sensors have feasibility to apply for intelligent fault diagnosis.     

Real-time fault diagnosis [robot fault diagnosis]

This article presents a number of complementary algorithms for detecting faults on-board operating robots, where a fault is defined as a deviation from expected behavior. The algorithms focus on faults that cannot directly be detected from current sensor values but require inference from a sequence of time-varying sensor values. Each algorithm provides an independent improvement over the basic approach. These improvements are not mutually exclusive, and the algorithms may be combined to suit the application domain. All the approaches presented require dynamic models representing the behavior of each of the fault and operational states. These models can be built from analytical models of the robot dynamics, data from simulation, or from the real robot. All the approaches presented detect faults from a finite number of known fault conditions, although there may potentially be a very large number of these faults.     

Development and classification of expert systems for chemical process fault diagnosis

Fault diagnosis of process plants has been addressed by a variety of techniques, including quantitative and qualitative model-based methods and expert systems approaches. The strengths and weaknesses of model-based and experience-based methods are discussed, and it is concluded that both types of reasoning are useful in fault diagnosis. Strategies for development of expert systems that merge model-based information with heuristic and experiential knowledge are examined.     

改进神经网络的传感器故障诊断与容错处理

为提高神经网络对霍尔传感器发生故障诊断率,设计了一种改进神经网络模型,该模型由反向传播(BP)神经网络并行组成,利用算法对各BP神经网络输出进行加权整合,进而得到误差更小的输出结果,并将改进神经网络模型应用于无刷直流电机霍尔传感器故障诊断系统中,利用无位置传感器系统实现霍尔传感器故障容错处理。仿真结果表明:改进神经网络故障诊断准确率达到96%,高于传统BP神经网络,且容错控制系统能够显著降低霍尔传感器故障对电机转速的影响,使电机能够在霍尔传感器故障时正常稳定运行。     

Internal representation of a process,fault diagnosis and fault correction

This paper reports on an investigation into the relationship between the internal representation of a process on the one hand and on the other, control behaviour when diagnosing and correcting faults. The subjects were 87 process operator trainees, performing certain tasks in a simulated process control situation. Two modes of internal representation are distinguished: a more verbal or abstract mode of the functioning of the process (the mental model) and a more visual or concrete mode of the structure of the process (the mental image). It is concluded that the mental model probably plays an important role in fault correction and in the verification process in diagnosing faults, while the mental image seems to play an important role in the search for information in the process of diagnosis. Some implications for operator training are discussed.     

基于事件触发的故障诊断与动态调节集成设计

本文发展了一种事件触发采样与更新检测机制、故障诊断及调节的集成设计框架.事件触发技术不仅用于传感器端,同时也用于容错控制器端.所设计的故障诊断观测器能够应用基于事件触发的非均匀采样输出同时估计故障和系统状态,基于所获得的状态和估计信息,构造事件触发更新检测器和动态容错控制器,进而借助于增广系统方法来集成设计两个事件触发检测器、故障诊断观测器和容错控制器,以保证故障系统的性能,同时尽可能的降低传感器、控制器、执行器三者之间的信息传输频率.仿真实例验证了所提方法的可行性和优越性.     

DFTA在软硬件相关故障诊断中的应用研究

软件密集型系统中由于有大量软件的嵌入,其故障模式发生了变化,产生了新的软硬件相关的故障模式。在分析软硬件相关故障特征的基础上,提出了一种基于动态故障树分析方法的故障诊断方案,并给出了分析方法和步骤。最后通过实例分析,证明了这种方法的可行性。