空调系统的神经网络信息融合故障诊断研究

空调系统的故障诊断十分复杂。针对传统故障诊断的不足,提出神经网络与信息融合相结合的故障综合诊断方法,对来自多个时刻的故障信息进行融合,得到更为准确的故障综合诊断结果。通过在集中空调教学模型上的仿真试验,证明了该故障诊断方法的可靠性。     

基于多方法融合的数控机床故障诊断方法

针对数控机床故障诊断的理论知识、经典实例和人员经验知识难以有效协同运用,使得多种故障诊断方法难以融合的问题,提出一种融合基于本体的故障诊断方法(OBFD)、基于案例推理的故障诊断方法(CBR)和人工诊断(MD)的数控机床故障诊断方法(CNCM)。首先,在分析OBFD、CBR、MD优缺点的基础上,给出了CNCM原理,并结合CNCM原理图进行阐述;其次,给出了基于流程的CNCM的诊断过程,进一步阐述了OBFD、CBR、MD三者融合的过程;再次,对CNCM实现的关键技术进行研究,包括基于本体表示的知识库和基于数据库和文本表示的案例库建立及理论知识、经典案例和经验知识等异构知识的协同运行机制,为CNCM的提供技术支持;最后,将该方法用于国内某机床厂的滚齿机故障诊断。结果表明,该方法能实现异构知识的有效协同和多方法有效融合,为提高诊断的效率和诊断的准确性奠定坚实的基础。     

基于深度卷积神经网络的未知复合故障诊断

针对振动信号的非平稳性、非线性以及未知复合故障难以诊断的问题,提出了一种基于深度卷积网络的未知复合故障诊断模型。首先将采集到的时域振动信号通过小波变换生成频谱图像;然后将频谱图输入卷积神经网络(convolutional neural network,CNH),利用卷积网络自适应的特征提取能力对复合故障进行特征学习;最后将深度卷积网络输出的特征通过分类器对故障进行诊断分类。在实验室模拟采集的不同数据集上进行实验,结果表明:基于深度卷积网络的未知复合故障诊断模型与基于改进CDCGAN的复合故障诊断方法相比,对未知复合故障的诊断率提高了44%,达到85.77%;使用不同类型的单一未知复合故障和多种未知复合故障进行实验,验证了所提模型的泛化能力和鲁棒性。     

EEMD排列熵与PCA-GK的滚动轴承聚类故障诊断

针对滚动轴承故障诊断中,用振动信号的总体经验模式分解(EEMD)方法分解后的熵特征向量维数高,且样本熵(SE)计算效率差等问题,提出了一种基于EEMD排列熵(PE)的主成分分析(PCA)-GK滚动轴承聚类故障诊断组合方法。首先,使用EEMD方法将信号分解为若干个固有模态函数(IMFs),使用PE/SE计算其IMFs熵值;然后,使用PCA对熵特征向量进行可视化降维,并作为模糊C均值(FCM)与GK聚类算法的输入,实现对滚动轴承的故障诊断。利用分类系数和平均模糊熵,对聚类结果进行了评价与对比,实验结果表明:本文模型(EEMD-PE-PCA-GK)的聚类效果比其他3种模型(EEMD-SE-PCA-FCM、EEMD-SE-PCA-GK和EEMDPE-PCA-FCM)更好,且PE比SE的计算效率更快。     

基于改进粒子群优化支持向量机的水利闸门卡阻故障诊断

针对水利闸门卡阻故障诊断主要依赖专家经验、故障样本少且难以自动识别的特点,提出了一种基于改进粒子群算法优化最小二乘支持向量机的水利闸门卡阻故障诊断方法。该方法以闸门的开度值、左右两侧荷重值及上下游水位差作为输入向量,通过最小二乘支持向量机进行故障分类,通过改进粒子群算法对支持向量机的参数进行优化。并将建立的诊断模型制作成Labview子VI程序模块,嵌入到闸门调度监控软件中,实现了闸门卡阻故障的快速自动诊断。通过在淮洪新河某泄洪闸实地实验及应用表明,该诊断程序具有较高的诊断准确率和诊断效率。     

基于模糊神经网络的热泵空调故障诊断研究

将模糊理论与神经网络相结合,构成了模糊神经网络;针对热泵空调五种常见故障,分析了模糊神经网络在热泵空调故障诊断中的应用。与传统故障诊断方法相比,基于模糊神经网络的故障诊断方法对单一故障具有很好的识别能力,可以提高诊断精度。     

堆栈稀疏降噪自编码网络在变压器故障诊断中的应用

为了进一步提高电力变压器故障诊断的识别能力,提出了一种基于堆栈稀疏降噪自动编码器(stacked sparse denoising auto-encoder,SSDAE)的新型深度学习电力变压器故障诊断新方法,较好地解决了传统电力变压器故障诊断方法识别率低及特征提取能力差的问题。SSDAE模型首先使用大量的无标签数据,采用逐层贪婪法进行无监督预训练;然后将模型的最后一层连接Softmax分类器,使用带有故障类型的数据进行微调;最终通过实例数据证明,与三比值法和基于支持向量机(support vector machine, SVM)算法的诊断方法对比,所提出的基于SSDAE网络的变压器故障诊断方法的准确率可提高近20%。     

数控机床故障分类及利用PMC进行故障诊断

<正>随着数控技术在机械加工行业的广泛推广和应用,数控维修技术的地位越来越重要,同时市场对数控机床故障诊断与维修的高素质人才的需求也越来越迫切。由此可见,熟练掌握数控机床故障诊断维修技术与方法已经成为机电数控类学生必须具备的技能之一,因此,开展基于系统开发的数控机床故障诊断与维修教学实验平台,对提高学生的数控机床故障诊断维修技术水平具有重要意义。数控机床发生故障的原因多、而且比较复杂,现针对数控机床故     

基于小样本数据挖掘的空气处理机组传感器隐形故障诊断方法

针对空气处理机组系统内传感器隐形故障诊断准确率不足及虚警率较高等问题,本文提出了基于集成经验模态分解软阈值去噪法与RBF神经网络(EEMDSTD-RBF)相结合的故障诊断方法,通过集成经验模态分解软阈值去噪法对采集的原始数据进行数据去噪,将去噪后的正常运行数据以及隐形故障数据输入RBF神经网络进行训练,得到EEMDSTD-RBF故障诊断模型,从而提高RBF神经网络对于空气处理机组传感器隐形故障的诊断准确率,同时,实验证明,该方法有效降低了虚警率。在关于空气处理机组六个传感器点位在三种隐形故障等级下的偏置故障的实验中,结果表明,与RBF及EEMDSTD-BP方法相比较,该方法在不同故障状态下,EEMDSTD-RBF的诊断准确率提高了8.7%～64.7%,虚警率降低了12.62%。     

二级模糊综合评判方法在制冷机故障诊断中的应用

摘要分析了制冷机故障原因和故障症状之间的关系。采用二级模糊综合评判方法对制冷机的故障进行诊断。设计了制冷机故障模糊逻辑诊断专用软件，并利用该软件对一故障实例进行了分析。