旋转机械运行过程故障诊断专家系统

为满足设备现场的需要，提出了能对旋转机械的运行状态进行在线监测和对其故障进行自动诊断的专家系统。介绍了该系统的基本结构及其主要功能的实现方法。     

旋转机械故障诊断专家系统的知识表示法

分析了影响旋转机械运行状态的各种因素,就旋转机械故障诊断专家系统中知识库的建立及知识表达提出了一种建模方法,这种方法根据旋转机械的特点,把知识库中的故障征兆分为了５大类,１３小类,１００多个具体项。根据知识表示模型的网络传递算法,可以方便地进行知识库组织及维护。最后,列出了１２５ＭＷ汽轮发电机组知识库的实现方法。     

基于Visual Prolog的旋转机械故障诊断专家系统

采用人工智能专家系统计算机技术模拟故障诊断领域专家的推理思维方式,对机械设备发生的故障实现迅速准确的诊断,同时缩短故障停机时间具有重大意义。应用Visualprolog语言,构造了旋转机械故障诊断专家系统,提出了一阶谓词逻辑子句表达知识的方法,建立了专家知识库。系统的推理机采用深度优先的推理策略。应用表明系统有效完成旋转机械常出现的十多种故障的诊断,并运行可靠。     

旋转机械运行过程故障诊断专家系统

为满足设备现场的需要，提出了能对旋转机械的运行状态进行在线监测和对其故障进行自动诊断的专家系统。介绍了该系统的基本结构及其主要功能的实现方法。     

旋转机械故障诊断专家系统的属性和求解策略的探讨

本文讨论了旋转机械故障诊断专家系统的属性,提出旋转机械故障诊断专家系统是正向求解问题的、模糊的、病态结构系统的观点.并针对其基本属性,提出以频域模糊聚类分析为正向推理求解策略的思想与基本框架.同时,对知识库的容量与提高病态结构系统确定性的关系作一探讨.     

基于Alopex神经网络的旋转机械故障诊断专家系统

提出了一种可以减小网络规模的故障表示方法,并将Alopex算法引入神经网络模型的训练过程,将人工神经网络与规则推理相结合,建立了旋转机械故障诊断的神经网络专家系统。该系统充分利用了神经网络与规则推理的优点,采用正反向混合推理方式调用知识库中的各种知识进行诊断。采用二进制数码表示机械的各种故障,基于Alopex算法训练神经网络。建立的专家系统克服了基于规则专家系统的自学习困难问题和基于神经网络诊断系统的系统控制能力弱的缺点,具有较强的诊断能力。     

水电机组旋转机械故障诊断专家系统研究

在水电机组旋转机械故障诊断专家系统中，推理机是核心部分，单纯的产生式推理构造的推理机推理速度慢，缺乏知识的分类和组织。针对旋转机械振动信号的特点，在产生式推理的基础上，提出了加入模糊模式识别的分类方法，实现了知识的分类和组织，取得了较好的效果。     

旋转机械振动故障诊断中专家系统知识获取方法探讨

讨论了旋转机械故障诊断专家系统的知识获取原则、知识库初始化与完善和先验的针对性知识在故障诊断专家系统中的作用。提出以模糊聚类方法获取针对性知识的数学模型和以该模型为基础的一种旋转机械故障诊断专家系统的知识获取策略     

旋转机械故障诊断实验专家系统

针对旋转机械故障诊断实验模拟出的典型故障,在专家系统工作原理的基础上,通过VC及Prolog缡程语言结合SQL数据库组建出一套面向对象,以用户为中心的故障诊断专家系统设计方案.将规则推理、正反推理、多传感器及知识库相结合形成阶梯式故障推理机制;对不同旋转机械,通过对比知识库中的已录入的专家知识经验得出故障类型,产生原因并给出解决办法.     

旋转机械状态监测与故障诊断系统

本文作者以旋转机械为对象，开发研制了一个集数据采集、状态实时监测与报警、工况在线分析及邦联智能诊断于一体的状态监测与故障诊断系统。该系统已在汽轮发电机和透平压缩机组上投入运行，应用实践表明它能广泛适用于各类放置机械的状态监测与故障诊断。     

噪声标签下注意力特征混合的旋转机械故障诊断

实际工程中,受人为标记或数据预处理等原因影响,旋转机械故障数据集易出现噪声标签,导致故障诊断模型性能降低,故提出注意力特征混合的旋转机械故障诊断方法。 首先,构建残差神经网络(ResNet)提取样本中的时频特征,通过随机分组和特征交互构建正确标签样本组、部分噪声标签样本组和噪声标签样本组;其次,引入注意力机制计算各样本组内样本相关性对各组样本分配权值,得到能区分部分噪声样本组中噪声标签样本的差异性权值;然后,根据权值对每组样本进行混合(Mixup) ,通过对噪声标签样本插值并在反向传播中更新注意力层参数降低噪声标签样本所占比例;最后,利用在线标签平滑(OLS)统计模型预测信息更新软标签,通过降低噪声标签样本对模型损失更新的影响,进一步抑制噪声标签样本组的负面影响。 在不同程度的噪声标签干扰下的旋转机械故障数据集上进行实验验证,检测精度均达到 95% 以上,证明了所提方法的有效性。     

基于知识网格的故障诊断专家系统模型

利用知识网格能够提供更广范围的知识获取与数据挖掘、便于构造更有效且完备的知识库以及知识库之间的知识共享与协同能力等特点,提出了基于知识网格的故障诊断专家系统模型,构造基于本体的故障诊断知识库、基于资源空间模型的知识规范管理、及其网格环境下故障诊断推理机制.知识网格故障诊断专家系统易于知识的动态扩充、知识的广域存放以及异构知识源的有效融合.该研究不仅为故障智能诊断研究提供了一条崭新的途径,同时也促使了传统专家系统的新发展.     

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.     

连续采煤机装载系统故障诊断的专家系统

装载系统是连续采煤机重要的组成部分,如果发生故障将导致连续采煤机停止工作,严重影响其生产率.通过对连续采煤机装载系统常见故障及其原因分析,采用BP神经网络方法,建立了连续采煤机装载系统故障诊断专家系统,利用该系统可确定连续采煤机装载系统的运行状态、降低故障率、提高生产率和使用寿命.     

基于神经网络的数控机床故障诊断专家系统

针对传统专家系统在处理故障诊断中的不足,提出了将神经网络技术与专家系统融合的诊断模型,并用于数控机床的故障诊断中.介绍了诊断系统结构、功能及改进的BP神经网络算法,并给出了应用实例.试验结果表明,该方案合理、可行,有较好的应用前景.     

Imbalanced fault diagnosis of rotating machinery using autoencoder-based SuperGraph feature learning

Existing fault diagnosis methods usually assume that there are balanced training data for every machine health state. However, the collection of fault signals is very difficult and expensive, resulting in the problem of imbalanced training dataset. It will degrade the performance of fault diagnosis methods significantly. To address this problem, an imbalanced fault diagnosis of rotating machinery using autoencoder-based SuperGraph feature learning is proposed in this paper. Unsupervised autoencoder is firstly used to compress every monitoring signal into a low-dimensional vector as the node attribute in the SuperGraph. And the edge connections in the graph depend on the relationship between signals. On the basis, graph convolution is performed on the constructed SuperGraph to achieve imbalanced training dataset fault diagnosis for rotating machinery. Comprehensive experiments are conducted on a benchmarking publicized dataset and a practical experimental platform, and the results show that the proposed method can effectively achieve rotating machinery fault diagnosis towards imbalanced training dataset through graph feature learning.     

旋转机械基于信号的故障检测分析

旋转机械是各种类型机械设备中数量最多、应用最广泛的一类机械,介绍了基于信号处理的旋转机械故障诊断,并给出了支持向量机下模式识别与故障检测的方法,对压缩机进行了实验研究,证明了方法的有效性。该方法可以广泛应用到工程实际中,为有关人员起到一定的参考作用。     

墙面喷浆抹平机器人故障诊断专家系统的研究

基于相关的人工智能理论，对墙面喷浆抹平机器人的故障原因进行了分析，并综合专家系统和神经网络特点，提出了基于2种方法相互融合的墙面喷浆抹平机器人故障诊断系统，实现了故障的快速、准确诊断及处理．设计了墙面喷浆抹平机器人故障诊断系统总体结构，采用故障树分析法，以墙面灰浆不均匀为例，分析了墙面喷浆抹平机器人出现此故障的可能原因，并创建了常见故障代码表．以Visual Basic为基础语言，开发了状态检测和故障诊断的上位机界面．该研究为喷浆抹平机器人的不断完善和其智能故障诊断系统的开发提供了理论依据．     

汽车发动机故障诊断专家系统的研究

对汽车发动机的故障诊断系统进行了研究.系统用TURBO-PROLOG语言编写,它总结了领域专家的经验,建立了故障树,并用产生式规则构成知识库.依据故障诊断的特性,该系统采用不精确推理和有限深度搜索策略,能完成汽车发动机40多种故障的诊断.