基于CBR的水利工程机械智能化故障诊断技术研究

利用CBR诊断技术的优势,提出了基于CBR的水利工程机械智能化故障诊断系统,并介绍了系统的总体结构及其故障诊断机理,重点研究了包括案例的建立、案例的检索、案例的学习及案例库的维护等系统实现的关键技术.     

以案例推理为中心的拉丝机故障诊断系统

将案例推理技术引入到托丝机故障诊断系统中.分析基于案例推理(Case-Based-Reasoning,CBR)故障诊断的机理,建立CBR拉丝机故障诊断系统模型.运用CBR方法对拉丝机系统故障诊断过程中案例的收集与整理、案例库的建立、案例的检索与匹配以及案例的维护等关键技术进行研究.     

基于CBR的液压启闭机故障诊断方法

该文将基于案例的推理技术(Case—Based Reasoning,CBR)运用于液压启闭机故障诊断中,提出基于CBR方法的故障诊断流程,详细描述了其核心问题——故障库的检索方式,设计了故障相似度的计算方法。针对故障诊断方法,给出了故障诊断系统构架、数据库结构及故障征兆的确认方法,从而指导现场维修人员排除故障。     

基于CBR的数控机床故障诊断系统研究

随着数据库、人工智能、神经网络等技术的日新月异,基于案例推理技术(CBR)在故障诊断领域取得了很大的成功.文中通过对CBR关键技术的研究,利用Access建立了数据库,采用Visual C 6.0实现了检索、添加、删除、修改等各个模块的功能.     

工程机械智能故障诊断技术的研究现状及发展趋势

随着我国社会经济和科学技术的快速发展,工程机械也日趋智能化和复杂化,而在具体使用过程中难免会发生各种各样的故障,以往传统的故障诊断技术已经无法满足系统的实际需求,在此背景之下,智能化的故障诊断技术就应运而生了。工程机械在具体使用过程中会受到振动、高低温以及粉尘等各种外界因素的影响,所以发生故障的频率也就相对比较频繁,这种问题会给社会和企业带来较大经济损失,所以不断提升机器的故障诊断技术势在必行。本文就工程机械故障诊断技术的目的、方法以及发展趋势进行了一定的分析与研究。     

CBR-ANN技术应用于飞机武器故障诊断系统的研究

针对现役飞机军械维护工作中存在故障案例记录和整理不足、故障诊断及排除效率低等现状,提出将人工智能中的基于案例推理技术(CBR)与人工神经网络技术(ANN)相结合应用于飞机武器故障诊断,建立故障诊断系统,该系统的应用和完善有利于提高飞机武器系统作战能力.     

GA-CFS结合案例推理的轴承故障诊断

针对轴承故障诊断中知识难以获取的问题，提出了一种GA-CFS(Genetic Algorithm and Correlation-Based Feature Selection,GA-CFS)结合案例推理的轴承故障诊断方法。利用案例推理技术（Case-Based Reasoning,CBR）建立轴承故障案例库进行故障诊断。又针对案例推理技术中案例检索时遇到的属性冗余问题，以及难以人工确定关键属性及其权重的问题，采取GA-CFS方法对属性集合进行筛选，初步确定特征子集，再根据遗传算法确定各个子集中的特征的权重，最后根据特征子集及其权重选取符合要求的最佳特征子集，再用该特征子集构建轴承故障案例库，并通过实验验证了该方法的可行性。     

基于RBR+CBR双重推理的带式输送机驱动系统故障诊断研究

基于规则推理(RBR)和基于案例推理(CBR)的方法均适用于带式输送机故障诊断领域。针对二者在故障诊断中或侧重原因分析或侧重维修手段的问题,对基于RBR+CBR双重推理的推理机制进行了研究,并建立了专家系统,对带式输送机驱动系统进行了故障诊断。首先,在传统专家系统的结构基础上构建了故障诊断专家系统;然后,根据故障机理建立了驱动系统故障树,采用产生式表示法设计了故障规则库,根据故障案例与专家经验,采用矩阵表示法设计了故障案例库;基于规则推理(RBR)和基于案例推理(CBR)的方法,设计了专家系统推理机制;利用LabVIEW程序开发平台设计了专家系统人机交互界面,实现了传感器—知识库—客户端之间的串联通信;最后,为了验证上述专家系统的可行性,在某矿带式输送机运行现场进行了实验,并进行了结果分析。研究结果表明：该带式输送机专家系统的故障原因分析准确率超过95%,故障维修方案有效性超过94%;与RBR、CBR算法支持下的专家系统相比,该专家系统具有更优的收敛性、有效性和准确性,为带式输送机的故障智能诊断提供了一种有效的方法。     

工程机械的智能化现状与发展趋势

智能化在工程机械中的发展指明了良好的发展方向,本文鉴于此研究了单机集成化操作与智能控制技术、智能监控、检测、预报、远程故障诊断与维护和基于网络的机群集成控制与智能化管理技术,并且对工程机械的发展提出了相关的对策。     

模糊逻辑与神经网络故障诊断技术的融合与应用研究

基于单一的智能诊断技术在工程机械故障诊断应用中的局限性,叙述了常见的三种智能诊断方法,指出了它们各自的优缺点,提出了建立基于模糊逻辑与神经网络技术的智能诊断系统的方法,介绍了系统的设计思想、结构与功能和诊断步骤,并以某柴油主机燃烧系统为例,通过详细地描述诊断过程,验证了融合式智能故障诊断技术在工程机械故障诊断领域中应用...     

基于灰色关联理论的案例推理在故障智能诊断系统中的应用

从灰色关联理论出发，结合欧几里德距离，提出了一种新的相似度计算方法，并以装载机故障智能诊断系统为例，将该计算方法应用于案例的检索中；同时从案例的表示、案例的检索、案例库的更新等方面，讨论了基于灰色关联理论的案例推理在整个系统中的实现方法以及案例推理与其他诊断方式的结合策略。该计算方法大大提高了相似度的分辨率，并很好地解决了多指标因素相互美联情况下复合相似度的计算问题。     

机群智能化工程机械故障诊断系统研究

机群智能化工程机械故障诊断系统以高等级公路施工工程机械为对象 ,采用无线电通讯技术、故障诊断技术、计算机技术、传感器技术、智能控制技术等 ,研究由沥青拌和设备、摊铺机、振动压路机、装载机和自卸汽车等单机所组成机群的智能化故障诊断系统结构、知识表达方法、推理过程、系统功能实现等关键技术。最终实现对施工机群的实时状态监测和故障诊断 ,减少施工机械故障停机 ,提高施工效率。     

基于事例与因果模型的故障诊断

基于事例的推理（ Ｃ Ｂ Ｒ）近年来在人工智能领域受到了广泛重视, Ｃ Ｂ Ｒ 可用于解决复杂系统的故障诊断问题。本文针对 Ｃ Ｂ Ｒ 技术在故障诊断中的应用,从人的诊断思维出发,研究了故障事例的表达模型,探讨了以故障的因果模型为知识导引进行事例组织与故障推理的方法,并以柴油机故障诊断为例,指出这种方法可有效地提高故障推理与事例检索的效率。     

可视化旋转机械故障智能诊断系统设计

介绍了可视化旋转机械故障智能诊断系统设计基本思想、方法和关键技术。讨论了旋转机械故障智能诊断专家知识的获取、可视化专家知识库的建立,及由专家规则、模糊逻辑、神经网络于一体的组合智能推理机。实现了信号采集与分析、特征参数的自动识别与提取、可视化专家知识库和组合智能推理机的集成。编制了整套系统软件,开发了一套故障智能诊断装置,对旋转机械典型故障进行智能诊断,诊断出机组运行中可能存在的故障种类、故障严重程度,故障发生时间及故障治理的专家建议,即可实现故障的检测、故障分离、故障辩识、故障对策等,并具有网络化功能。     

基于概率神经网络的大机组快速响应智能诊断系统

介绍大机组快速响应智能诊断系统。该系统采用概率神经网络作为故障分类器，收敛速度为反向传播（ＢＰ）算法的２万倍，并稳定收敛于贝叶斯优化解，避免了ＢＰ网络局部最小的弱点，可以在线快速追加故障。进一步提高系统诊断能力；同时，采用智能化信号处理技术自动提取全息话获得丰富的诊断信息．极大降低对操作人员的要求，实现对大机组常见故障快速、简捷、自动的智能化诊断并减少对专家的依赖。研制出实用的“傻瓜”式智能诊断软件，已在国内多家大型石化企业装机使用。     

基于神经网络的工程机械磨损故障诊断研究

根据工程机械结构特点、摩擦磨损规律和磨粒特征建立了标准磨粒谱 ;提出了基于神经网络的磨粒识别技术 ,设计了智能磨粒识别系统 ,诊断实例表明 ,用神经网络方法可以准确地识别工程机械磨损故障类型、程度和部位     

基于现场总线的RFID读写系统应用研究

基于物联网关键技术,建立了基于现场总线的RFID智能读写系统,详细阐述了该读写系统的工作原理,完成了读写系统的硬件设计.结合建筑施工现场多工程机械协同工作的特殊环境,利用RFID、GPS、GIS和现场总线技术,设计了工程机械群智能监控管理系统.该系统实现了对工程机械群的实时智能监控和故障诊断.本研究可提高工程机械群管理的稳定性和实时性,提高我国工程机械检测及故障诊断的水平.     

基于神经网络的旋转机械故障诊断研究

一般对特定的基于多层感知的故障诊断问题,很难确定神经网络的结构,在分析了多层感知器对故障的识别和诊断能力后,采用由小到大和由大一小的方法确定神经网络隐层数与隐层单元数。     

基于Web的工程机械故障诊断专家系统设计与实现

通过对设备工程机械各系统的工作原理、系统故障现象进行分析,确定诊断系统由故障巡检和故障诊断专家系统组成,系统知识库采用树状知识组织形式来描述,知识表达采用生产式规则和面向对象的知识表示法相结合的方式.在故障诊断的方法中引入了故障树分析,同时将领域专家的经验知识转化为诊断系统的知识,构建采用正向推理机制的诊断系统.     

面向变工况下工业流数据故障诊断的持续迁移学习系统

机器学习模型在智能故障诊断中取得了显著成功,但主要应用于静态场景。 在实际场景中,新的故障类别数据以流形 式不断产生,且数据分布随机械设备运行条件变化而发生变化,导致连续流数据具有非独立同分布的特征,这种面向非独立同 分布连续流数据的诊断问题被称为持续迁移诊断问题。 针对此问题,本文提出了一种基于持续迁移学习系统(CTLS)的故障诊 断方法。 该方法设计了域适应学习损失函数和持续迁移学习机制,能有效处理变工况下的工业流数据,无需重放旧类别数据便 能够能学习新类别知识。 此外,利用机械故障诊断案例评估该方法的性能,分析结果证明 CTLS 能够高效处理变工况条件下的 工业流数据,是一种极具潜力的解决实际工业问题的可靠工具。