浅析基于面向对象技术开发液压系统智能故障诊断系统的方法

分析了基于面向对象方法设计液压系统智能故障检测系统的思想,利用面向对象设计工具RationalRose中的例图（usecasediagram）和时序图（sequencediagram）对采用集成传感器的液压系统的故障诊断系统进行建模分析,构建了检测诊断系统中以传感器为对象的诊断流程例图和时序图,以已开发的简单故障诊断系统结合一个应用实例．说明了面向对象技术在智能故障诊断系统开发设计中的优越性。     

集成诊断方法在变压器故障诊断中的应用

为了提高传统油中溶解气体分析的诊断能力,克服单一诊断方法的不足,充分利用各种诊断方法的优势,提出一种变压器智能集成故障诊断方法,建立了基于三比值法、模糊理论和线性分类器的集成诊断模型。诊断结果表明,采用集成诊断方法能有效弥补单一诊断方法的不足,提高故障诊断率。     

基于信息融合技术的提升机控制系统故障诊断方法的研究

针对提升机控制系统故障诊断方法存在的局限性,提出了一种基于多传感器信息融合的智能故障诊断方法。该方法采用D-S证据理论决策级融合进行故障识别,利用统计证据获得Mass函数。通过一实例论证了在提升机控制系统故障诊断中,采用此方法比单传感器信息故障诊断方法更具准确性和可靠性。     

信息融合技术在变频器故障诊断中的应用

针对变频器故障诊断方法存在的局限性,提出了一种基于多传感器信息融合的智能故障诊断方法。利用D-S证据理论决策级融合进行故障识别,实例分析表明,信息融合技术用于变频器故障诊断对提高诊断的可靠性和准确性有重要作用。     

基于多传感器信息融合技术在滚动轴承故障诊断中的应用

为了提高滚动轴承故障诊断的准确性,运用了将多传感器信息融合技术用于故障诊断的检测方法。由电流传感器和加速度传感器采集电流信号和振动信号,经小波变换等预处理后通过能量算子获得故障特征值,再经过动量改进BP神经网络进行训练,实现对滚动轴承故障的准确诊断。通过实验证明该方法可行。     

基于信息融合的机械故障诊断技术研究

从信息论角度证明了多传感器信息融合诊断系统的输出可以获得比单个传感器更小的不确定度,依据所诊断对象的特性综合利用各类信息源诊断信息,可以获得比传统机械故障诊断方法更有效、更准确、更可靠的诊断结果。构造了信息融合故障诊断系统的框架,通过对当前国内外信息融合诊断技术应用实例的分析,证明了所提出的信息融合诊断系统框架的正确性,并进一步提出了今后多传感器信息融合诊断技术的主要研究发展方向。     

矿用离心风机故障诊断在线监测系统设计

设计了矿用离心风机故障诊断在线监测系统。该系统由传感器模块、信号采集模块、网络传输模块以及上位机等组成,通过传感器对风机的多种模拟、数字信号进行采集,采用以太网通信模块将监测的信息远程传输至监测上位机,并根据诊断算法实现矿用离心风机的在线故障诊断。     

基于主元分析的煤矿空压机故障诊断研究

针对目前煤矿空压机监测出现故障诊断复杂、人工成本高等问题,采用主元分析方法,对煤矿空压机故障诊断方法进行研究。研究了煤矿空压机主元故障预警方法以及煤矿空压化故障诊断检测方法,并以某煤矿为例,系统在正常运行的情况下,采集传感器的样本数据,建立预警模型,然后采取实验测试数据进行检验认证,验证结果显示主元分析方法,能够有效准确地把故障信息准确提取出来,确保煤矿空压机能够准确进行故障诊断,从而达到矿井安全生产的目的。     

基于决策层的提升机减速器故障诊断方法研究

针对提升机减速器提出了一种决策层融合结构模型应用在齿轮故障诊断中。对各个传感器的信息进行神经网络属性判决,再将各神经网络的属性判决进行决策层融合,此种方法具有较强的灵活性,当传感器数目增加时,只需增加神经网络个数就可。对以上信息融合故障诊断方法经过试验研究,证明了方法应用在提升机减速器诊断系统中,减小了错判和漏判,提高了系统的可靠性,保证了提升机安全运行。     

基于多传感器信息融合的矿井通风机故障诊断

为了提高矿井通风机机械故障诊断的准确性,提出了将多传感器信息融合技术用于故障诊断的检测方法.由多个传感器采集振动信号,经小波变换预处理后获得故障特征值,再经BP神经网络进行故障局部诊断,获得彼此独立的多个证据,然后运用D-S证据理论对各证据进行融合,实现对矿井通风机机械故障的准确诊断.     

基于贝叶斯网络的催化燃烧式瓦斯传感器故障诊断

为了有效诊断瓦斯传感器故障,提出一种基于贝叶斯网络的瓦斯传感器故障诊断模型。在对瓦斯传感器故障的各种原因、事件及内在逻辑关系进行致因分析的基础上建立瓦斯传感器故障树,并依据相关规则建立贝叶斯网络模型。其次,在基于故障树确定基本事件风险率基础上,利用贝叶斯网络模型找到最为关键的瓦斯传感器关键故障因素。最后,选取开采工作面回风隅角催化燃烧式瓦斯传感器进行故障诊断案例分析。结果表明:该瓦斯传感器故障诊断结果为存在事故风险,该结果与工程实际较为一致。同时提出了对电源及开关、催化剂有效性等进行着重检修与排查,对人为因素、其他技术因素、环境因素进行控制的建议。     

压风机监控系统传感器故障检测与分离方法

为了解决煤矿压风机监控系统关键传感器的故障检测与分离问题,提出了一种基于主元分析模型的传感器故障诊断方法。该方法可辨识系统中相关性较高的若干传感器,并为之建立主元分析模型。根据所建立的模型,利用平方预报误差(SPE)判断系统中是否有传感器发生故障;利用SPE贡献图定位故障传感器。系统经阶跃偏差故障试验和漂移故障试验,结果表明,将主元分析法应用于煤矿压风机监控系统传感器的故障检测与分离,可为压风机系统的正常运行提供有力保障。     

基于ASGSO-SVR模型的瓦斯传感器故障诊断

针对现行煤矿瓦斯传感器常见的卡死、冲击、漂移等故障,运用支持向量回归机建立多传感器数据融合的瓦斯浓度预测模型,详细研究影响该预测模型精度的相关参数选择方法,提出用ASGSO算法自适应优化支持向量机预测模型参数的算法,将模型预测结果与现场实测瓦斯浓度相比较得到残差δ,用于对瓦斯传感器故障的诊断。用现场监控数据对该方法进行离线仿真实验,得到残差信号的变化曲线。通过选择合理的阈值,判断传感器是否处于故障状态。结果表明,ASGSO算法参数优化对提高SVR预测模型的精度有很大帮助,此方法对瓦斯传感器的常见故障的诊断是正确和有效的。     

基于小波神经网络技术的井下瓦斯传感器故障诊断分析

煤矿井下瓦斯传感器的准确性和鲁棒性关系到矿井的安全生产。以瓦斯传感器故障诊断为研究对象,利用小波包分解算法分析了瓦斯传感器故障信号、提取了相关特征,并基于这些特征,采用扩展滤波算法训练神经网络。兖州集团王庄煤矿的100组瓦斯检测数据验证了该技术的有效性和准确性,为瓦斯传感器故障的在线诊断系统设计提供了参考。     

电液控制系统关键传感器的故障预警方法研究

为了保证电液控制系统的正常运行,对电液控制系统核心传感器部件的故障预警是关键一环,分析了传感器在电液控制系统的工作原理,得到了传感器在系统中的故障规律,为了对井下的电液控制系统中的核心传感器的故障进行预警和诊断,结合目前比较流行的传感器故障预警方法,以液压支架的压力传感器为例,提出了一个静态分析与动态分析融合的诊断方法,其核心是通过对传感器采集的数据进行分析,能有效预测压力传感器故障,提高电液控制系统的可靠性。     

基于灰色系统理论的实验台温度控制系统故障诊断研究

实验台温度控制系统工作正常与否是决定煤自然发火实验成功与否的关键因素。在构建数据采集处理系统的基础上 ,建立灰色预测GM(1,1)模型预报温度传感器的未来工作状态 ,通过预测数据与实际数据比较根据门限值判定其工作状态 ,建立故障诊断软件进行诊断     

基于小波包与EKF-RBF神经网络辨识的瓦斯传感器故障诊断

针对瓦斯传感器常见的偏置型、冲击型、漂移型和周期型4种突发型故障,以小波分析和RBF神经网络为基础,提出了由小波包分解提取特征能量谱与扩展Kalman滤波算法（EKF）优化的RBF神经网络进行模式分类辨识的瓦斯传感器故障诊断方法。对瓦斯传感器的输出信号进行小波包分解,运用基于代价函数的局域判别基(LDB)算法进行裁剪,获取最优的特征能量谱,经处理后作为特征向量训练EKF-RBF神经网络,采用参数增广和统计动力学方法,通过带有整定因子的EKF参数估计,用来辨识瓦斯传感器的故障类型。实验结果表明：该方法的辨识正确率在95%以上,误报率和漏报率都明显优于其他算法,能够有效用于瓦斯传感器的故障在线诊断。