模糊识别在电厂送风机故障诊断中的应用

本文将模糊识别法应用到电厂送风机故障诊断系统中,建立了送风机的故障特征向量、故障模糊向量及模糊关系矩阵,通过模糊识别得出各故障的隶属度,根据最大隶属度原则确定设备具体故障。最后通过具体实例分析证明该方法效果良好。     

基于波形智能识别的诊断方法

以柴油机燃油系统为诊断对象,研究了基于波形智能识别的诊断方法,提出了一种基于波峰或波谷之间的支配与从属关系的波形结构特征抽取与符号描述方法,建立了一个基于波开识别的诊断系统,并给出了诊断实例。     

小波-神经网络-模糊识别在旋转机械故障诊断中的应用研究

对旋转机械故障诊断常用的一些方法进行了评述与比较;利用小波包可进行多维多分辨率分析的特点,对旋转机械振动信号进行特征提取。对提取的特征,用ＡＲＴ２神经网络诊断故障类型,根据故障类型的诊断结果,进一步对故障严重程度进行模糊识别;通过对实验数据的分析处理,获得了较好的效果。     

机械设备故障诊断的人工神经网络识别法

阐述了机械设备故障诊断机理的发展，研究了一种新的状态识别方法－人工神经网络诊断法，基于并行运算的计算机新功能，是人工智能的一个重要方面，其核心思想是人脑结构的物理模拟，使用大量的专家经验对网络权值进行训练，以实现知识的存储，通过对ＢＰ算法的改进，用基因遗传工程思路指导神经网络的训练，能较好的模拟人类专家的思维过程，应用特例说明了本文所研究方法的实用性和可靠性。     

时域波形智能识别专家系统

根据时域波形的特点,建立一个波形智能识别专家系统。以波形处理工具库实现波形的理解;以形态获取器和编译技术实现知识的获取;以混合推理技术实现波形的智能识别。     

模糊综合评判在压缩机故障诊断中的应用

利用模糊综合评判理论，建立了设备故障诊断的综合评判模型，对离心式压缩机常见故障进行了诊断分析和研究，结果表明采用此方法诊断设备的故障，计算简单、应用方便，结论明确直观，具有很高的准确度。     

伪证据识别在机械故障诊断中的研究

针对多传感器信息在故障诊断中可能存在伪证据,造成证据间剧烈冲突使经典证据理论合成规则失效的问题,利用Dempster-Shafer合成规则中一致证据的聚焦性,提出一种新的伪证据识别方法,构造出新证据取代原来的伪证据进行证据合成,削弱了伪证据的不良影响。在构建的基于多传感器信息融合的故障诊断识别框架中,运用改进的证据合成方法对发动机的故障进行诊断,将此诊断结论与其他证据理论的诊断结论进行了比较。结果表明,该方法可有效提高机械故障诊断的准确率,验证了此方法的可靠性和优越性。     

汽油机点火系统电压波形识别与诊断方法

以汽油机点火系统为诊断对象，研究了基于设备信号时域波形结构模式识别的诊断方法。该方法可用于汽油机点火系统的故障诊断，文中并附有应用实例。结果表明，点火电压波形反映了各环节工作状态，对规则波形利用波形结构的方法进行诊断是有效的，可实现故障的自动诊断和识别     

基于模糊层次分析的柴油机智能故障诊断

针对柴油发动机故障多,且具有模糊性和复杂性的特点.设计了基于模糊层次分析的智能故障诊断系统.以柴油机起动系统为例,构建了故障层次模型,并采用三角模糊互补判断矩阵来表示各故障因素的可能性,结合多Agent技术,建立了具有自学习、自修正能力的智能故障诊断系统.     

模糊逻辑在故障诊断中的应用

本文首先简述了有关模糊逻辑的概念,然后介绍一种适合模糊诊断思维的数学模型,并且给出一个通用的诊断算法;第一步,部分现象的诊断,即提出假设;第二步,逼近或排除;第三步,确定故障.最后做了一个滚动轴承故障诊断试验,结果验证了该方法的有效性.     

智能故障诊断技术的发展和展望

介绍了当前设备智能故障诊断技术的发展概况及发展前景,对智能诊断的本质问题及未来智能诊断系统是什么样的等问题进行了初步探讨。     

故障诊断中多传感器信息冗余性的研究

从信息论的观点出发,导出了传感器信息融合中的宙余性和互补性的定量描述,分析了传感器冗余性和互补性的特点,并从实际应用出发提出了信息冗余性的质量指标－－相关熵的概念,用它来间接评价传感器信息间的冗余性取得了较好的效果。这为设备运行故障诊断技术的深入研究打下了基础,具有工程应用价值。     

柴油机智能故障诊断技术及其发展趋势

总结了灰色理论、神经网络、专家系统和分形理论等智能方法在柴油机故障诊断技术中的应用,并指出了柴油机故障诊断技术的智能化、网络化和仿真化的三大发展趋势。     

基于小波相关排列熵的轴承早期故障诊断技术

针对机械系统早期故障诊断困难的问题,引入滤波效果良好的小波相关滤波法(Wavelet transform correlation filter,WTCF)和对信号微弱变化特征敏感的排列熵算法,定义一种新的小波相关排列熵(Wavelet correlation permutation entropy,WCPE)的概念,并提出基于WCPE的特征提取方法。对采集到的设备振动信号进行WTCF处理,得到信噪比较高的各层小波系数,在此基础上计算小波系数的排列熵复杂度,构造信号沿各小波分解层分布的WCPE特征矢量,并据此分析振动信号的微弱变化。通过对滚动轴承全寿命振动数据的分析,证明基于WCPE提取的信号特征不但能够准确表征轴承由正常状态到故障状态的详细变化过程,还能及时检测出轴承的早期故障。对比小波熵及小波相关特征尺度熵等其他早期故障诊断方法,该方法可显著提前滚动轴承早期故障的检出时间。     

数字制造中的智能监控与故障诊断

分析了智能故障监控与诊断过程的主要环节，介绍了人工智能技术在工况状态识别及诊断推理环节中的应用。     

基于贝叶斯方法的智能诊断系统中的故障树排序

主要解决了在以故障树为基础的数控机床智能诊断系统中,面对多棵故障树如何确定各故障树的诊断顺序的问题。在故障树诊断方法中融合贝叶斯算法定位已发生故障所在的故障树,利用已有的机床异常状态信号来计算各故障树被触发的后验概率,概率高的故障树优先被诊断,其后对优先级高的故障树采用最小割集的方法进行诊断。这种方法提高了诊断速度,同时避免了贝叶斯网络进行故障诊断时故障诊断系统可靠性低这一弊端。     

粗糙集理论在智能故障诊断中的应用

神经网络和规则推理是智能故障诊断的两种重要方法。给出了粗糙集理论在这两种系统中的应用，粗糙集－神经网络（RNN）系统，粗糙集作为神经网络系统的预处理，仿真结果表明RNN系统提高了诊断准确率和诊断速度，粗糙集用于故障诊断专家系统的规则获取，可得出确定性规则和可能性规则。结果表明粗糙集方法能处理由于类重叠引起的样本信息不精确，不一致情况下的规则获取，消除故障诊断中的误报和漏报现象对诊断性能的影响。     

机械产品智能化故障诊断技术研究现状与展望

阐述了机械产品故障诊断技术发展的三个阶段以及各阶段特点，并重点分析了90年代研究最多的两种智能故障诊断技术，最后结合目前研究工作对智能故障诊断技术进行了展望。     

基于神经网络的智能故障诊断系统的开发研究

针对传统专家系统在故障诊断领域应用中的局限性,提出了将神经网络理论与专家系统技术相结合的混合方法用于现代制造系统的故障诊断过程,并介绍了神经网络的智能故障诊断系统的体系结构,并对系统性能和构建中的一些关键技术,如神经网络构造、数据准备和网络训练等进行了探索和分析。