基于多传感器数据融合的智能故障诊断系统

多传感器数据融合的典型应用实例就是过程监测和故障诊断,它是智能故障诊断系统中的最基本、最有效的信息处理工具;而智能故障诊断系统通常都是在多传感器数据融合的基础上进行综合诊断.研究了多传感器信息融合系统的层次结构和融合策略,改进了单一D-S证据理论的融合方法;在分析了多传感器数据融合技术和智能故障诊断的系统要求后将两项技术进行了有机的结合,最后提出了一种新的基于多传感器数据融合的智能故障诊断系统的结构框架.     

液压系统故障诊断技术综述

介绍了液压系统故障诊断技术的发展过程和各种典型的故障诊断方法,总结了液压系统故障诊断技术的研究热点,指出了通用化故障诊断系统是液压系统故障诊断技术的发展方向,智能传感器技术、信息技术和人工智能技术等的融合是通用化故障诊断系统的实现途径。     

基于多传感器集成融合技术的敏捷虚拟测试诊断系统研究

通过对多传感器数据融合理论和机电设备故障诊断特点的分析,提出了用多传感器数据融合的方法进行了智能故障诊断的系统框架,诊断系统的建立采用敏捷虚拟测试技术,其拓扑结构具有多层次性,开放性,灵活敏捷等优点,融合中心采用多种融合诊断策略,综合诊断处理的方法使得诊断结果具有更高的置信度。     

智能化挖掘机的研究现状与发展趋势

智能化挖掘机是传统挖掘机与人工智能、自动控制和信息物理网络等技术深度融合的产物。相对于传统挖掘机,其拥有更高的功率利用率及作业精度,集远程作业、环境感知、智能诊断为一体,在抗震救灾、太空及水下作业等领域都有广阔的应用前景。然而挖掘机液压系统具有强非线性、流量耦合、时变等特点,而工作装置又存在动力学耦合和负载不确定性,结构简单、参数依赖度低、高精度的智能控制算法将提高挖掘机自主作业精度;由于视觉传感器易受光照、气象条件影响,研究多传感器融合及其智能算法将提升挖掘机的环境感知能力;液压系统故障模式隐藏性高,受机载设备硬件限制,探索非冗余小规模深度学习网络和压缩感知技术是实现在线智能故障诊断的关键。从轨迹控制、环境感知、远程控制与智能故障诊断四个方面,综述了挖掘机智能化的国内外研究现状;指出了智能化挖掘机发展存在的问题与发展趋势;最后根据现有研究成果得出了五点结论。     

多传感器信息融合技术在液压系统故障诊断中的应用

针对单参数诊断复杂系统中出现的信息不完整和不确定性问题,提出基于BP神经网络和D-S证据理论的多传感器信息融合故障诊断方法。为了简化BP神经网络结构,首先利用两并行BP神经网络对故障数据进行诊断;之后,D-S通过证据理论融合局部诊断结果,实现对于不准确信息的准确判断,获得准确诊断结果。该方法适用于特定类型火箭发射器液压驱动伺服系统(HDSS)的故障诊断,实现了对于液压伺服驱动系统中主要部件的故障定位和诊断,有效提高了系统可靠性。     

信息融合在液压系统故障诊断中的应用

介绍了信息融合的定义及多传感器信息融合的过程,阐述了信息融合技术在故障诊断中的应用,在此基础上提出Bayes网络,讨论了Bayes信息融合技术应用于液压系统故障诊断的实现方法.     

集成传感器的液压系统状态监测设计与应用

采用嵌入加载阀的集成式液压系统压力、温度和流量测量传感器组．配合相应的信号调理与接口箱,构建了工程机械液压系统状态监测与故障诊断的硬件框架结构体系。利用虚拟仪器开发平台LabWindows／CVI开发了测试仪的信号采集、状态监测和故障诊断系统。软件开发中将神经网络技术与传统的专家系统技术有机地融合起来,可实现工程机械液压系统的状态监测和故障诊断。使用结果表明,该测试仪可以准确地测量液压系统的工作状态参数。诊断工程机械液压系统的常见故障。     

基于D_S证据理论和模糊数学的多传感器数据融合算法

本文提出了一种基于模糊数学和 D- S证据理论的多传感器数据融合技术的故障诊断系统 ,该系统选用以决策层为主、特征层为辅的方法。通过比较基于多传感器数据融合进行故障诊断的结果与单传感器进行故障诊断的结果 ,说明了此种算法的优越性 ,它避免了单一传感器的局限性 ,减少了各传感器不确定的影响。     

挖掘机液压故障诊断系统的设计

在对挖掘机工作原理和液压系统进行分析的基础上,通过建立挖掘机液压系统故障树,对挖掘机故障进行定性分析,利用PHP程序语言和MySQL数据库技术设计了挖掘机在线故障诊断系统,通过该系统可快速排除挖掘机工作过程中出现的故障。     

挖掘机液压系统故障诊断专家系统

液压设备的故障诊断和维修是一项复杂的工作,需要应用大量的专家经验和诊断策略才能解决复杂故障的诊断问题。为此,我们收集了大量的液压挖掘机故障诊断专家知识和经验,利用专家系统工具及良好的人机管理系统,编制了具有实用性的挖掘机液压系统故障诊断专家系统——ESFDHS,使该系统的诊断工作科学化,也提高了诊断的准确率和效率。     

Fault diagnosis of axial piston pumps with multi-sensor data and convolutional neural network

Axial piston pumps have wide applications in hydraulic systems for power transmission. Their condition monitoring and fault diagnosis are essential in ensuring the safety and reliability of the entire hydraulic system. Vibration and discharge pressure signals are two common signals used for the fault diagnosis of axial piston pumps because of their sensitivity to pump health conditions. However, most of the previous fault diagnosis methods only used vibration or pressure signal, and literatures related to multi-sensor data fusion for the pump fault diagnosis are limited. This paper presents an end-to-end multi-sensor data fusion method for the fault diagnosis of axial piston pumps. The vibration and pressure signals under different pump health conditions are fused into RGB images and then recognized by a convolutional neural network. Experiments were performed on an axial piston pump to confirm the effectiveness of the proposed method. Results show that the proposed multi-sensor data fusion method greatly improves the fault diagnosis of axial piston pumps in terms of accuracy and robustness and has better diagnostic performance than other existing diagnosis methods.     

基于D-S证据理论的液压泵故障诊断

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。     

基于D-S证据理论的液压泵故障诊断

介绍了D-S证据理论的基本概念、基本理论,讨论了基于D-S证据理论信息融合的故障诊断方法,并将其应用于液压泵故障诊断中。结果表明,基于D-S证据理论的信息融合诊断方法可以充分利用多个传感器信息的冗余性与互补性,实现比单一传感器神经网络诊断更为准确和可靠的诊断结果。     

集成多传感器信息融合算法的啃轨故障诊断系统设计

提出一种集成多传感器信息融合算法的起重机啃轨故障智能诊断系统,不同原因造成的啃轨有规律可循,利用多传感器数据融合、故障诊断逻辑运算等算法,得出可能导致啃轨的原因。这一系统提高了啃轨定位和诊断的精度、速度,便于维护人员掌握设备运行状态,及时发现并处理设备故障,提高设备自动运行的可靠性和设备寿命,还能节省能源,降低成本,适用于恶劣环境,这种方法广泛适用于各种存在车轮啃轨现象的轨道式起重机、桥式起重机和有轨机车等。     

多传感信息融合在液压故障诊断中的应用

针对恶劣工作环境下多传感信息融合识别效果差和D-S证据理论中证据难获取的问题,在组建有效的传感器网络的基础上,结合改进的JDL模型并根据数据融合分级处理思想,数据层采用自适应加权最小平方估计法对数据进行清洗和特征提取,特征层通过多并行PSO-Hopfield网络的联想记忆功能进行局部诊断,决策层根据修正的D-S证据理论进行时空域融合,并且每级和最终诊断之间都有直接数据通信和反馈,使得知识库信息能为数据挖掘进行知识发现作必要的数据储备。通过仿真结果可知:该数据融合系统容错性强、能综合利用传感器信息并准确定位故障。     

多传感器信息融合的天线促动器故障诊断

促动器作为天线主动面的唯一调整装置,是保障天线反射面精度的关键部件,因此对促动器健康状态的监测至关重要。文中针对单个传感器诊断存在数据维度有限且现有工程数据稀缺的问题,提出了一种连续小波变换与组归一化并行卷积神经网络(Continuous Wavelet Transform-Group Normalization Parallel Convolutional Neural Networks, CWT-GPCNN）的故障诊断方法。首先建立CWT-GPCNN的故障诊断模型,引用组归一化技术加快网络收敛速度并提高诊断精度;然后通过评估超参数对模型性能的影响,确定诊断的最佳模型;最后,采用促动器传动系统实验数据集对所提方法进行验证,实验结果表明所建模型具有较好的泛化能力及多传感器融合的优越性。文中对多传感器融合与单传感器的诊断性能进行了比较,结果证明了多传感器融合诊断的优越性。此外,还对CWT-GPCNN模型与其他3种信息融合模型进行了比较。CWT-GPCNN模型的准确率高达93%,表明它具有良好的诊断性能。     

基于信息融合的异步电动机故障诊断方法

针对交流异步电动机故障诊断，扩展了多传感器信息融合技术的理论，分析了异步电动机建模环境的不确定性导致这些诊断结果混叠甚至误诊的原因，提出了针对异步电动机采用新型的测试传感器和多传感器信息融合进行故障诊断的实现方法框架。     

基于信息融合技术的烟气轮机故障诊断系统研究

为保障烟气轮机的安全可靠运行．实现科学维护,采用了多传感器信息融合技术的故障诊断方法。通过提取烟气轮机上携带故障特征的多类信息,并在决策层上采用神经网络与D-S证据理论相结合的方法对这些信息进行有效的融合。     

基于模糊Petri网融合推理的装备故障诊断技术研究

研究了模糊Petri网应用于故障诊断中的正向推理方法,针对某型工程装备液压系统故障的特点,建立了基于模糊Petri网的故障诊断推理模型,并以液压系统压力不足故障为例,探讨了正向推理方法在系统级故障诊断中的应用。实现了故障征兆的信息融合,该推理方法适用于现场的快速故障诊断。