合肥同步辐射加速器故障诊断专家系统原型

开发的合肥同步辐射加速器故障诊断专家系统原型是一台以微型计算机为宿主机、用TurboProlog语言编程的产生式系统，由人机接口、时序分析子系统、知识库、黑板、推理机，解释子系统和知识获取子系统构成，用来辅助加速器运行值班人员及时捕捉和诊断与真空有关的故障，其知识库中的故障知识部份是从藉助于蒙特卡罗模拟、用计算机试验代替物理实验获得的故障数据中提取的。原型系统已用于离线处理合肥同步辐射加速器调试运行期间记录的与真空有关的故障数据。     

滚动轴承试验机远程监测系统的设计与应用

利用虚拟仪器、数据库和无线网络技术设计开发基于C/S与B/S混合结构的滚动轴承远程监测系统,整个系统由下位机实时监测子系统、上位机监测诊断子系统以及两者的数据通信3部分组成,能够满足实时数据的获取与处理(尤其是大型二进制数据的存储问题)、异常数据的筛选与上传以及远程用户的信号分析和故障诊断等工作。对6309深沟球轴承的全寿命周期试验结果表明:该系统能够实时监测轴承的运行状态,并通过对筛选后的异常数据进一步分析得到故障原因和故障部位,具有较高的实用价值。     

基于小波包特征提取的模糊诊断网络建立及应用

本文首先根据小波包分解原理和应用经验总结出小波包特征量与汽机故障对照表,将其与模糊综合评判和BP网络有机结合在一起,建立了基于小波包特征提取的模糊BP诊断网络模型.采用模糊综合评判技术,使该网络可在少量典型故障样本监督下训练成功,对于缺少机组运行故障知识库的厂家具有推广应用前景.最后举例说明,该网络在汽机诊断中是一种有效的智能分类器.     

智能动力装备的全生命周期诊断 和服务技术与系统研制

动力装备作为复杂机电系统具有应用范围广、连续作业、点多线长、危险因素众多的突出特点,针对目前动力装备存在的全生命周期监测诊断技术缺乏、智能化水平不高、服务支持不足的问题,研究开发了智能动力装备的全生命周期监测和服务支持系统。围绕动力装备全生命周期监测诊断和全生命周期性能优化、维修备件服务构建系统平台,研究了系统中的信息采集管理,动态自适应监测,健康状态预示与评估,故障预警和快速智能诊断、转子远程及现场快速动平衡维护以及智能维修决策等关键技术,最后在用户企业构建动力装备产品全生命周期监测与服务支持的示范基地,为客户提供诊断分析、状态评估、全生命周期设备管理、维修决策支持服务。     

基于油液分析的自行火炮远程诊断系统研究

本文研究了基于油液分析的远程设备故障智能诊断专家系统,具体包括开展远程诊断的必要性和可行性,远程诊断的实现方法,专家系统知识库的建立和系统的推理机的选择,以及开展远程诊断时需要注总大儿个问题.     

虚拟式旋转机械故障监测与诊断系统

针对当今旋转机械故障诊断系统和安全保护系统提出新思路-故障监测、预防、诊断系统的需要，同时结合旋转机械故障振动信号的特点，以Windows2000及Windows XP为开发平台，采用LabVIEW及MATLAB为编程工具，综合计算机技术、虚拟仪器技术、信号处理技术与故障诊断技术等技术，建立一套虚拟式的旋转机械故障监测与诊断系统。该系统除可以实现信号的采集、处理、存储等基本功能外，还可实现对旋转机械故障的早期监测与其常见故障的诊断等功能;同时还为该系统配置一个小波分析模块，可以实现存储信号的小波消噪、小波包分解、发展趋势识别等功能。     

航空发动机机务维护专家系统的研究与故障诊断

结合航空发动机机务维护的特点,介绍了基于关系数据库开发实现专家系统的设计方案,提出了按知识点分类的方法构建知识库,降低了构建知识库的难度,缩小了诊断范围,提高了故障诊断成功率.重点描述了通过数据库存储专家知识和专家知识规则之间的逻辑关系.系统采用宽度搜索、实例优先的知识推理策略有效地实现专家系统的知识推理,大大提高了故障诊断效率.并用DELPHI 7.0和MICROSOFT SQL SERVER 2000开发了航空发动机机务维护中常见故障诊断专家系统.     

远程监测与故障诊断系统中的视频子系统及实现

视频会议系统在现实中起到了很好的交流与沟通的作用。现在越来越多的企业建立了自己的视频会议系统。在远程故障监测与诊断系统中，融入视频交流系统，能够改变过去单一的诊断模式，更加实时、有效地进行沟通，从而提高诊断的效果。本文在分析开发视频系统的几种技术的基础上，提出了一个视频交流子系统的方案。实际中，按照本方案实现的视频交流系统也达到了一定的预期效果。     

电子设备智能监测与诊断技术综述

随着人工智能技术的发展,现代监测与诊断技术向智能化方向发展,本文介绍了电子设备智能监测与诊断的模式和智能诊断方法,从硬件实现技术和诊断方法两个方面给出了电子设备智能监测与诊断的发展方向,对智能监测系统的实现有一定的指导意义。     

机器学习与医学装备智能化维修探讨

保障医学装备的正常有效运行,是医院业务正常开展的基本保证。随着大数据、人工智能技术的发展,医学装备故障智能化诊断在临床的应用成为可能。智能维修具有诊断速度快、自适应能力强等特点,可为医学工程人员提供有价值的故障判断参考。以机器学习技术为基础,阐述了实现医学装备故障智能化诊断的方法。利用故障信息知识库数据集,从监督学习算法、无监督学习算法和半监督学习算法等途径,说明实现医学装备故障智能维修的技术路线,并分析了不同算法的优点和特性。     

拆除爆破设计的智能系统研究与开发

介绍了一个有关拆除爆破设计智能系统的研究与开发。该系统应用专家系统技术,对爆破领域的知识进行描述,建立知识库,并通过推理机等功能模块,进行爆破设计及参数优化。     

基于假设模态法的风力机动力学分析

采用Kane方法建立风力机系统动力学模型,并使用假设模态离散化方法对其进行柔性化。结合修正的BEM理论计算得到的风轮气动载荷,并在Fortran环境下编程建立风力机整机的系统动力学数学模型,完成对风力机的随机响应分析。以某型2.5MW风力发电机组为研究对象进行分析计算,将分析数据同国际权威计算软件GH Bladed数据比较。比较表明,该分析模型可以较好的模拟风力机的动力学特性,同时兼顾了较少建模计算时间和较高分析精度两个优点,近而验证采用假设模态法进行风力机动力学分析是一种行之有效的方法。     

应用VB开发制冷系统故障诊断专家系统

专家系统在制冷空调领域的开发应用比较多。本文介绍了用VB开发制冷系统故障诊断专家系统，着重介绍了其核心部分：知识库和推理机的开发。     

燃气轮机发电机组的振动信号监测与分析系统

研发了一套燃气轮机振动监测、故障诊断系统，系统集数据采集、分析，振动状态检测，振动故障预报、诊断为一体。系统常规的分析功能主要有频谱分析、转子轴心轨迹分析、小波分析、短时傅立叶变换、相关分析等；另外配有趋势分析、报警功能，并建立了振动故障诊断数据库，实现对燃气轮机主要部件的故障诊断。电站现场的6台燃气轮机测试结果表明，本系统的软件功能和硬件功能可以满足燃气轮机振动监测和振动故障诊断的要求。     

基于CNN-集成学习的多风电机组故障诊断

海上风电场地处偏远环境,长期受到盐碱腐蚀。为解决风电机组运行过程中产生的多种故障检测识别问题,在传统卷积神经网络LeNet-5的基础上构建模型。该模型采用ReLU函数作为激活函数,增加了卷积层、池化层和全连接层。针对风电机组的监督控制和数据采集(supervisory control and data acquisition,SCADA)系统及状态监控(condition monitoring,CM)系统所提供的数据集,进行多元类别故障诊断。并对多台风电机组进行聚类分析,应用集成学习方法,构建多风电机组故障诊断模型。实验表明,所提方法取得了97%~99%的诊断精度。通过将实验结果与其他算法进行对比,验证了该方法的有效性。     

汽轮发电机组的多微机振动监测与故障诊断系统

大型汽轮发电机组振动监测与故障诊断的多微机系统是在线运行机组的实时监测、数据管理、图谱分析、报表打印、自检报警、事故追忆和故障诊断的多功能系统。它是一种以一主计算机指挥多从属计算机的主从工作方式。应用该系统可大大提高电站设备运行的可靠性、安全性与自动化程度,预防重大事故发生,并可推广应用到风机、水轮机等旋转机械方面。     

Acoustic emission detection of fatigue cracks in wind turbine blades based on blind deconvolution separation

The occurrence and expansion of fatigue cracks in large wind turbine blades may lead to catastrophic blade failure. Each fatigue phase of a material has been associated with a typical set of acoustic emission (AE) signal frequency components, providing a logical base for establishing a clear connection between AE signals and the fatigue condition of a material. The relevance of efforts to relate recorded AE signals to a material's mechanical behaviour relies heavily on accurate AE signal processing. The main objective of the present study is to establish a direct correlation between the fatigue condition of a material and recorded AE signals. We introduce the blind deconvolution separation (BDS) approach because the result of AE monitoring is usually a convoluted mixture of signals from multiple sources. The method is implemented on data acquired from a fatigue test rig employing a wind turbine blade with an artificial transverse crack seeded in the surface at the base of the blade. Two different sets of fatigue loading were conducted. The convoluted signals are collected from the AE acquisition system, and the weak crack feature is extracted and analysed based on the BDS algorithm. The study reveals that the application of BDS‐based AE signal analysis is an appropriate approach for distinguishing and interpreting the different fatigue damage states of a wind turbine blade. The novel methodology proposed for fatigue crack identification will allow for improved predictive maintenance strategies for the glass‐epoxy blades of wind turbines. The experimental results clearly demonstrate that the AE signals generated by a fatigue crack on a wind turbine blade can be synchronously separated and identified. Characterizing and assessing fatigue conditions by AE monitoring based on BDS can prevent catastrophic failure and the development of secondary defects, as well as reduce unscheduled downtime and costs. The possibility of using AE monitoring to assess the fatigue condition of fibre composite blades is also considered.     

Dynamic failure analysis of renewable energy systems in the remote offshore environments

For effective integrity management of marine renewable energy systems in the dynamic and uncertain ocean environments, understanding the failure dynamics is crucial. The cost of investment in marine/offshore renewable energy infrastructures and the associated cost due to failure and loss of energy production necessitate a predictive monitoring methodology that is dynamic and adaptive. This paper presents an integrated multi-state pure-birth-pure-death Markovian-net profit value model for the offshore turbine subsystem failure analysis and its cost-based consequences. The integrated model captures the offshore turbine subsystem's dynamic failure states and its economic implications due to the cost of energy loss and downtime for the period under consideration. The model applies a phase-type exponential distribution to describe the monotonic state of failure. The methodology is demonstrated with an offshore wind turbine gearbox, and it captures the dynamic state of the system and its failure mechanisms. The cumulative effect of the subelements deterioration decreases the gearbox performance by over 35% within the first 2 years of operation.     

基于专家系统与神经网络集成的故障诊断的应用研究

本文针对工业生产中使用的直流电动机,应用人工智能的相关理论对其故障进行了广泛深入地研究。在此基础上,探讨了专家系统与人工神经网络相集成的电动机故障智能诊断方法并加以实现。实践证明,网络的学习时间显著缩短,整个系统的推理效率明显提高,并验证了集成式专家系统的诊断效果比传统的专家系统或神经网络更为全面、准确和迅速。电动机故障的集成式智能诊断方法是一个既有理论研究意义又有实际使用价值的课题与方向。