组合数字电路的故障诊断

利用专家系统和逻辑推理的方法进行故障诊断是今后故障诊断的两大发展方向.本文详细介绍了用逻辑推理的方法进行数字电路故障诊断的过程,并且举例加以说明.全文分为四个部分:第一部分定义了一些基本概念,指出了该方法的适用对象;第二部分结合实例介绍诊断的具体过程;第三部分以四位二进制加法电路的故障诊断为例,介绍了电路的分割技术及其优越性;第四部分对全文作了总结.     

利用微积分研究有关组合数的和

本文通过用微积分解决有关组合数的和的计算和证明,显示了微积分在数学中具有强大的生命力。     

基于BP神经网络的风机转子故障诊断

应用BP算法对转子进行故障诊断，首先论述了BP算法的基本原理，然后提出了输出模式矩阵的改进方法，既将常用的单位矩阵来表示的故障模式转变为二进制结构，由此简化了网络结构，明显减少了样本训练次数，提高了计算故障诊断中对单一故障尤为有效，最后通过实例进行分析，证明这一方法对提高运算速度十分有效。     

利用微积分研究有关组合数的和

本文通过用微积分解决有关组合数的和的计算和证明，显示了微积分在数学中具有强大的生命力。     

多重集组合数的计算公式

给出了多重集Ｍ＝（ｎ１,ａ１,…,ａｋ）的组合数计算公式,其中ｎｉ∈Ｎ（ｉ＝１,…ｋ）或为∞。     

基于组合优化BP神经网络的模拟电路故障诊断

电子系统的可靠性已成为影响系统正常运行的关键,因此电路故障的诊断越来越受到重视。基于BP神经网络的诊断方法是目前实现模拟电路故障诊断的有效方法之一。文章针对已有BP神经网络模拟电路故障诊断技术的不足,提出了一种组合优化的诊断方案。该方案采用遗传算法优化确定BP神经网络的初始权值,以规避BP神经网络易陷入局部极小值的不足,然后应用L-M方法在这个局部解空间里对BP神经网络进行精调,搜索出最优解或者近似最优解。该方案发挥了BP神经网络的广泛映射能力和遗传算法的全局搜索能力,加快了网络的学习速度,综合提高了整个学习过程中的逼近能力和泛化能力,有效提升了基于BP神经网络模拟电路故障诊断的性能。     

车床故障诊断专用组合传感器的研制

概述了刀具型组合式传感器的研制过程，该传感器可提取车床工作过程中包含故障信息最丰富的两种信号－－切削力和振动加速度。     

一种基于ICA—SVM的故障诊断方法

提出了一种基于独立分量分析和支撑向量机(ICA—SVM)对系统性能进行监控的整体框架．这一框架包括特征提取和故障识别两部分．独立分量分析被用于从当前工况的数据矩阵中提取出代表当前工况特征的投影系数矩阵，而这些投影系数矩阵则被用于训练多个支撑向量机，以实现故障类型的识别．Tennessee Eastman过程的仿真结果证明了该算法的有效性．     

基于改进小波网络的TE过程故障诊断

针对BP 算法容易陷入局部极小值、收敛速度慢及容易振荡等缺点, 采用小波BP 网络且对小波网络采用基于梯度符号变化的局部学习率自适应算法和引入动量项的改进。将改进后的算法对多变量非线性的田纳西-伊斯曼过程进行了仿真研究, 结果表明改进算法提高了故障分类的辨识精度。     

基于数据驱动的工业过程故障诊断综述

简单介绍了常用故障诊断方法,着重对基于数据驱动的故障诊断研究进展及存在问题进行了综述,最后对数据驱动的故障诊断方法进行了展望。     

一种改进的间歇过程故障诊断方法

针对单一故障诊断方法对间歇过程故障诊断效率和准确率低的缺点,提出将快速独立主元分析(FastICA)与递推最小二乘支持向量机(RLSSVM)相结合的集合型故障诊断方法 FastICA-RLSSVM。利用FastICA对非高斯间歇过程数据快速提取特征分量,通过RLSSVM对该时变过程进行快速分类。为验证该方法的有效性,将该方法应用于青霉素发酵过程故障诊断,并与提升小波—递推最小二乘支持向量机(LW-RLSSVM)方法进行对比分析,实验结果证明FastICA-RLSSVM诊断间歇过程故障准确率高,适应性好,分类效果稳定。     

化工过程智能故障诊断技术方法论的研究

动态系统故障诊断是解决现代化工业系统可靠性和安全性必不可少的关键技术之一简要地讨论化工过程智能故障诊断技术的发展状况和趋势后，根据化工过程智能故障诊断技术的特点，系统地对化工过程智能故障诊断技术的多学科特点以及技术策略方法进行研究，强调其科学性、集成性、应用性以及渗透性，将分析与综合、定性与定量、假设与验证相结合等基本思维方法应用到化工过程智能故障诊断中，形成化工过程智能故障诊断技术的方法论．     

装载机液压系统的故障诊断专家系统分析方法

介绍了一种液压系统的故障诊断专家系统分析方法,用系统故障因果图→逻辑表达式→正逆判断法可获得较准确的故障分析.     

基于人工免疫算法的机组振动故障诊断方法

将人工免疫算法的负向选择原理应用于汽轮机转子振动故障诊断中,并提出疫苗作用抗体的改进办法。该方法利用转子正常工作样本和少量振动故障样本即可得到合理的抗体集,具有边检测边学习,不断动态调整的功能,在故障诊断时可以给出快速、准确的识别。最后通过转子实验台取得的振动数据验证了算法的有效性,检测结果表明准确率达到95%。     

基于多向主元分析的多传感器故障诊断

研究一种基于MPCA的多传感器故障诊断方法．这种方法把过程测量空间分为主元子空间和残差子空间．在残差子空间，首先用Q统计指标检测出传感器是否存在故障，如果Q统计指标超限，在主元子空间应用T^2统计量和相应的T^2统计量的贡献率，识别出引起过程异常的主要传感器变量并剔除．然后用同样的方法继续判断其它的传感器故障．仿真实例验证了该方法的有效性．     

基于DSC-BiGRU的化工过程故障诊断

针对化工过程数据具有动态时序性以及少数故障特征不明显难以进行故障诊断问题,本文将深度可分离卷积(DSC)和双向门控循环单元(BiGRU)相结合,提出基于DSC-BiGRU的集合型故障诊断方法。首先,对数据进行归一化处理并输入DSC网络提取空域特征,并将数据降维;再将DSC的输出作为BiGRU的输入,通过BiGRU从两个方向提取时域特征;最后,通过全连接层(FC)进行故障诊断。经田纳西-伊士曼(TE)过程验证,该方法较传统方法能够有效提升化工过程的故障诊断精度。     

模拟VLSI电路故障诊断的子带特征提取方法

为了降低模拟电路参数型故障的测试难度,提出了一种基于奥克塔夫(Octave)-Haar小波结构的模拟VLSI电路故障诊断方法。将测试响应经小波滤波器组完成子带滤波,随后对各子带滤波序列计算故障子序列与正常子序列的互相关系数,对每一故障,可确定出互相关系数最小的子带,并将此数值作为该故障的特征,对应子带的正常响应序列的自相关系数作为无故障特征,用故障特征与正常特征的对比可诊断故障。对国际标准电路的实验表明,该方法对参数型故障的诊断已具有高分辨率。     

一种基于KPCA的非线性故障诊断方法

介绍了一种非线性故障检测方法——核主元分析法(KPCA)，通过核函数来完成非线性变换，将变量由非线性的输入空间转换到线性的特征空间．在特征空间中使用PCA计算主元，构造T^2和SPE统计量检测过程故障的发生．提出了一种KPCA贡献图计算方法，根据测量变量和非线性主元的相关性，计算测量变量的贡献量绘制贡献图，用于故障变量的分离、仿真结果表明，KPCA方法可以比PCA方法更加迅速的检测到故障的发生，利用KPCA贡献图可以较好的辨识出故障变量。     

基于UML的智能故障诊断系统的开发

将传统的软件工程方法与面向对象的软件工程方法相结合,利用UML(统一建模语言)为工具,采用面向对象的方法对智能故障诊断系统进行了分析、设计和建模,从而使智能故障诊断系统的复杂性降低,更便于管理。