基于朴素贝叶斯分类器的公共自行车系统故障诊断方法

针对公共自行车没有安装车载检测传感器、流动及停放区域较大、管理部门无法及时发现自行车故障等问题,提出了基于朴素贝叶斯分类器的自行车故障诊断方法。通过分析公共自行车系统(PBS)租用记录、维修记录和用户评价,选取15个状态分类特征作为自行车故障检测的特征向量;根据朴素贝叶斯分类器后验概率,获取每个状态分类特征对类的贡献率;以召回率作为评价指标来预测诊断故障自行车。采用杭州市PBS 2016年的相关数据对模型进行实践验证,通过预测模型输入特征值的优化,测试样本的召回率达85.79%,精度较为理想。     

液压泵故障的小波变换诊断方法

分析了小波变换的时 -频局部化特性及基于多分辨分析的信号小波分解重构算法 ,研究了信号局部奇异性在小波变换下的特性。根据故障信号和噪声的局部奇异性在小波变换下的模极大值在不同尺度上的传播特性不同的特点 ,并利用小波分解重构算法 ,对泵壳振动加速度信号进行了分解、去噪和重构。大大改善了监测信号的信噪比 ,对故障特征信号进行了时域定位 ,提取了故障特征频率。     

基于贝叶斯推断贡献的机械设备故障诊断方法

现有机械设备故障诊断方法大多针对已知故障建立,不具备识别新故障的能力,针对该问题提出一种基于贝叶斯推断贡献(Bayesian Inference Contribution,BIC)的故障诊断方法.该方法基于BIC理论对各已知故障建立状态模型,并自学习振动数据与各状态模型的允许最大距离,当振动数据与各已知故障状态模型间距离均大于允许最大距离时识别为新故障,反之为已知故障,并在此基础上设计了状态模型更新方法,使其能够利用新故障数据和误诊数据对模型进行更新.采用往复压缩机的真实故障数据进行测试,结果表明,该方法对新故障的识别准确率为100％,采用误诊数据对状态模型更新后整体诊断准确率得到明显提升.     

基于SIE和SVR的液压泵故障定量诊断

为更好地实现液压泵故障定量诊断,对故障定量诊断中的退化特征提取和故障程度诊断方法进行研究。针对排列熵算法的不足,提出空间信息熵(spatial information entropy,简称SIE)的概念,分析了空间信息熵3个参数(时间序列的分区数s、相空间重构的嵌入维数m和延迟时间τ)变化对其性能带来的影响,为其选取提供了依据。仿真分析结果也验证了其作为液压泵退化特征的有效性和优越性。基于空间信息熵算法提取液压泵故障退化特征集,针对退化特征与故障程度之间存在的非线性关系,提出采用果蝇优化算法优化参数的支持向量回归机实现液压泵的故障定量诊断。对实测液压泵振动信号分析结果表明,空间信息熵在表征液压泵故障程度方面具有更好的性能。将果蝇算法优化参数的支持向量回归机用于液压泵的故障定量诊断得到了理想的定量诊断效果,并通过对比分析验证了提出的支持向量回归机模型的有效性和优越性。     

基于数据分布的故障分类器核函数参数优化

针对基于支持向量机的故障分类器的参数优化问题，研究了基于数据分布的支持向量机核函数参数优化的基本原理．提出了一种简化算法。依据该简化算法，实现了故障分类器的参数优化，并应用于汽轮发电机组的故障分类。测试结果表明，该参数优化方法可以提高故障分类器的分类能力，具有算法简单、优化效率高等优点，但其通用性有待进一步提高。     

基于模糊综合评判的飞机液压泵故障预测

针对飞机液压泵故障难以准确预测的技术难题,提出了基于模糊综合评判和层次分析法的飞机液压泵故障预测方法。根据液压泵的工作机理及形成机制,分析液压泵在运行过程中的几种常见故障形式,得到液压泵常见故障模式和故障因素集,采用层次分析法计算故障预测中的各项权重,运用模糊综合评判法对液压泵的故障进行预测。以某型飞机液压泵为具体研究对象,对提出的方法进行试验验证。结果表明,该方法能够实现飞机液压泵故障预测的效能,对其他航空设备的故障预测也具有良好的应用前景。     

单向阀造成的液压泵吸空故障

通过一起液压泵吸空故障排除实例 ,分析了故障产生的原因 ,指出了单向阀安装位置不当会引起液压泵的吸空故障 ,并提出了相应的解决措施     

基于粗糙集属性约简和贝叶斯分类器的故障诊断

利用改进的小波包对收集的信号进行特征提取,解决了小波包分解的频率混叠问题;针对故障信息中的冗余属性问题,提出了基于类差别矩阵改进属性重要度的属性约简算法,根据各条件属性在类差别矩阵中出现1的频次定义新的属性重要度,提高属性约简的效率;通过考虑条件属性与类属性间的关联性,提出了基于熵权法的属性加权朴素贝叶斯分类器算法,提高故障分类精度。通过对滚动轴承故障数据的对比分析,验证了所提组合方法在提高故障诊断正确率、快速性方面所具有的优势。     

基于改进HHT和小波包理论的液压泵故障特征提取

针对液压泵振动信号出现的调制现象,该文提出一种基于经验模态分解(EMD)和相关性分析的包络解调方法,并与基于小波包理论和Hilbert变换的包络解调方法进行了对比,通过分析某型装备液压泵在各种故障状态下的振动信号,成功提取了调制信号在高频谐振带的包络成分.通过两种方法的对比可以得出:两种方法都能较好的提取对象的故障特征,但改进EMD方法所提取到的故障特征更为准确,能量丢失较少.     

基于Auto MPG数据集的贝叶斯网络分类器建模及性能分析

基于实现实例集分类任务的朴素贝叶斯网络分类器、增强朴素贝叶斯网络分类器、树形朴素贝叶斯网络分类器、无监督贝叶斯网络分类器和条件贝叶斯网络分类器的建模方法,利用从UCI数据库中选取的Auto MPG数据集对5类贝叶斯网络分类器的分类效果进行实验比较,根据实验结果分析该5类贝叶斯分类器的性能和特征,验证模型的有效性。     

基于贝叶斯网络的机械设备故障诊断方法研究

建立了一种基于贝叶斯网络的机械设备故障诊断模型,引入评分函数和蚁群算法对模型进行了优化,在模型建立过程中引入知识进行自我学习,减少了因检测对象造成的不确定信息,提高了机械设备故障检测的可信度,最后通过实例进行了验证。     

基于多尺度排列熵的液压泵故障识别

将排列熵引入液压泵的故障识别中,分析了排列熵作为液压泵故障特征指标的性能;采用互信息法和伪近邻法优选排列熵计算中的延迟时间和嵌入维数,基于优选参数得到了能够更好区分液压泵故障的排列熵。针对单尺度排列熵只能在单个尺度上衡量振动信号复杂度的不足,在对多尺度排列熵进行研究的基础上提出了一种综合多尺度排列熵熵值和排列熵变化趋势的指标--多尺度排列熵偏均值,对液压泵实测信号的分析结果验证了该指标作为液压泵故障特征的有效性和优越性。     

基于Auto MPG数据集的贝叶斯网络分类器建模及性能分析

基于实现实例集分类任务的朴素贝叶斯网络分类器、增强朴素贝叶斯网络分类器、树形朴素贝叶斯网络分类器、无监督贝叶斯网络分类器和条件贝叶斯网络分类器的建模方法,利用从UCI数据库中选取的Auto MPG数据集对5类贝叶斯网络分类器的分类效果进行实验比较,根据实验结果分析该5类贝叶斯分类器的性能和特征,验证模型的有效性。     

基于LPP与VPMCD的液压泵故障模式识别

针对液压泵振动信号复杂且难以提取有效特征量的问题,提出一种基于局部保留投影(LPP)算法的故障特征提取方法。采用集总经验模态分解(EEMD)法对液压泵振动信号进行分解,从得到的内禀模态分量(IMF)中选取敏感分量,对敏感分量进行分析并从中提取液压泵故障高维特征向量,利用局部保留投影法对高维特征向量进行融合降维,提取隐藏在高维特征空间中的故障本质信息,即敏感特征向量。基于变量预测模型的模式识别(VPMCD)算法实现模式识别的良好性能,提出采用VPMCD算法实现液压泵故障模式识别。基于提取的敏感特征集,建立各状态敏感特征的变量预测模型,进而实现液压泵的故障识别,实测液压泵振动信号分析结果验证了所提出液压泵故障模式识别方法的有效性。通过对比分析验证了所提出方法的良好性能。     

隐性函数S-压缩贝叶斯故障识别方法

支持矢量机(Support vector machines,SVM)已经在小样本故障识别中得到了广泛应用。与之对比,由于先验知识获取和非线性识别较难实现,基于贝叶斯概率的故障识别方法应用较少。针对上述问题,提出隐性函数S-压缩贝叶斯故障识别方法(LS-BFR)。LS-BFR以高斯随机过程和贝叶斯概率为基础,以高斯回归作为隐性函数,通过S-压缩对回归输出进行变换使其具有概率意义,利用贝叶斯概率实现故障识别。为提高LS-BFR非线性故障识别效果,引入核函数方法在高维空间进行隐性高斯过程回归,并给出基于贝叶斯参数估计的核函数参数选择方法。在转子试验台上模拟了不对中和不平衡故障,并利用LS-BFR进行故障识别。试验结果表明,基于隐性函数和S-压缩的LS-BFR方法能有效地进行小样本故障识别,且识别效果优于SVM。     

基于形态差值算子和特征能量比的液压泵故障分离方法

针对液压泵滑靴和斜盘磨损复合故障信号的分离问题,提出了一种基于形态差值算子与特征能量比相结合的方法。首先,将若干种不同长度的结构元素和复合故障信号的形态特征进行匹配,利用形态差值算子提取出若干个信号;其次,分别对上述信号计算两种故障的特征能量比;最后,找出两种故障的最大特征能量比,他们所对应的即为最优匹配结构元素长度,且基于该两种长度的形态差值算子所提取出的两个信号分别为最优分离出的滑靴和斜盘磨损故障信号。通过对实测液压泵复合故障信号的实验验证,表明所提方法能够根据信号形态特征的多样性有效地实现对复合故障信号的最优分离,且比RobustICA方法有效和优越。     

应用油液综合监测技术诊断液压泵的早期故障

几台工程机械的液压泵发生咬死擦伤而突然失效,为找出事故的真正原因以便采取应对措施,应用油液综合监测技术对液压系统原用新油与现用新油、原用过油与现用过油进行了比较分析,故障诊断的结果表明,导致液压泵早期失效的最主要的原因是该批液压油严重污染(ISO 20/17),因此,油液综合监测技术对于监测油品的污染及设备磨损状况从而避免机械早期失效是十分必要的.     

一种基于贝叶斯测度的有监督离散化方法

传统的朴素贝叶斯不能处理连续属性,文中基于贝叶斯测度提出一种有监督离散化方法。它能够在无先验知识的前提下,自动寻求最佳的离散子区间数目和区间划分。在此基础上根据MDL准则控制离散化子区间的数目,使学习方法的精确度和复杂度达到均衡。在UCI机器学习数据集上对该方法进行了验证,取得了良好的效果。     

基于模糊理论的机械设备故障诊断方法

以机械设备的故障特点的研究为基础,应用模糊数学理论,结合经验分析,建立了机械设备故障的模糊诊断模型,提出了机械设备的模糊诊断方法,并结合实例介绍了这一方法的具体应用．     

转子故障贝叶斯诊断网络的研究

将贝叶斯网络技术引入到转子故障诊断领域,旨在提高故障诊断中不确定信息的处理能力和推理质量;提出了用于转子故障诊断的一般网络框架,使诊断故障时既考虑了实际的运行工况,又考虑了现场的故障征兆,这符合专家的诊断思路;转子同频故障网络算例验证了其良好的识别效果。