基于观测器和神经网络的液压系统故障诊断方法研究

针对液压系统特点,提出基于观测器和神经网络的故障诊断方法.该方法的原理是基于观测器实现故障的判断,利用经观测器输出训练的神经网络实现故障定位.相对于故障树和专家系统等方法,该方法的优点是诊断速度更快、不需要大样本.仿真结果证明该方法有效.     

基于故障树和LSTM-SVM的稀土电解给料自动辅机故障诊断方法

稀土熔盐电解过程中电解给料自动辅机组件之间工作关联大,故障复杂多样,使用单一故障诊断方法效果不理想。针对这一问题,通过分析给料自动辅机组件之间的工作关系,提出基于故障树和LSTM-SVM的粉体下料设备故障诊断方法。首先搭建多层故障树,分析故障模式,然后根据故障树数据提取重要度较高的故障模式,建立长短期记忆神经网络故障诊断模型,故障定位后根据故障树分析结果所定义的权重大小输出诊断结果,并使用SVM对非故障异常工作状态进行分级。测试结果表明该模型具有较高的故障识别准确率。     

基于神经网络的汽车EPS传感器故障诊断

汽车EPS传感器的故障诊断对提高汽车行驶的安全性具有重要的意义.提出了将BP神经网络引入汽车EPS传感器中的故障诊断思想.结合故障树分析(rrA)原理,给出基于EPS系统的传感器故障树模型结构图,以BP神经网络为训练网络,从传感器故障模型中选取故障征兆,进行网络训练,最终实现对EPS传感器的故障诊断.训练结果表明该方法在EPS传感器故障诊断中具有较高的诊断精度以及很好的稳定性.     

基于混合神经网络的数控机床故障诊断技术研究

为了实现数控机床故障诊断的自动化和智能化,提出了一种基于混合神经网络的数控机床故障诊断技术.首先通过一级BP神经网络对输入的故障信息进行分类,然后针对分类后的故障再通过二级ART神经网络实现故障的诊断和排除.基于两级混合神经网络的故障诊断系统不但具有故障自动诊断功能,而且还具有自学习和自组织等智能.     

图论框架下基于优化灰色关联度的机床故障定位与诊断

为有效降低机床故障发生概率,在图论理论基础上提出基于优化灰色关联度模型的机床故障诊断方法。联合故障传播有向图定义机床故障的表征形式,并引入灰色关联度算法模型确定故障之间的关联关系,实现对故障点的精确定位。从机床故障数据特征着手,建立完整的集成诊断机制,进而实现对机床故障定位与检测。以FB260型数控锁床滑枕进给系统为例,验证提出的故障诊断方法的有效性,并将其故障诊断定位结果与传统FMEA方法对比,结果表明提出方法的节点深度控制的一致性更优。     

LM算法BP神经网络的数控机床主轴系统故障诊断

针对目前数控机床故障复杂、诊断困难的问题,提出基于人工神经网络的故障诊断方法。在研究传统BP神经网络故障诊断模型基础上,引入改进的BP算法-LM算法,建立机床主轴系统LM-BP神经网络故障诊断模型,对机床主轴系统故障进行分析与诊断,再通过Matlab仿真与传统BP神经网络相对比,仿真结果表明:传统BP神经网络存在较难实现快速、准确的故障定位问题,而BP神经网络LM算法作为故障诊断的核心算法收敛速度快、识别准确。该方案设计合理可行,有较好的应用前景,并给出应用了实例。     

齿轮传动系统的智能故障诊断

在基于小波分析、模糊推理、神经网络等理论和现场调试的基础上,研制了齿轮与滚动轴承智能故障诊断系统.该系统具有完善的实时状态监测、时频域分析、智能故障诊断等功能,能有效地诊断出齿轮传动系统的故障发生部位、性质、程度、原因等.     

基于蚁群算法与神经网络的机械故障诊断方法

为解决柴油机故障诊断这一复杂问题,提出了一种基于智能互补融合的智能诊断方法.采用蚁群算法(ACA)对反映运行工况的特征参数进行属性约简,剔除不必要的属性.根据约简结果,建立了基于径向基函数(RBF)神经网络的故障诊断系统.网络的训练对比结果表明,基于蚁群算法的约简处理简化了输入神经网络的数据维数,提高了网络的训练效率和故障分类准确性.     

基于T-S模糊神经网络的液压设备故障诊断

针对液压设备的故障数据具有非线性、不确定性以及信号噪声多等特点,本文提出一种基于T-S模糊神经网络的液压设备故障诊断,T-S模糊神经网络是将T-S模糊推理模型与神经网络相结合的机器学习方法。对于采集的液压设备振动数据提取相关特征构成特征矩阵,将特征矩阵输入建立的T-S模糊神经网络模型,利用其自适应提取能力,自主选择最佳故障特征进行分析,实现液压设备故障诊断。通过液压设备数据验证,说明该方法具有较快收敛速度、较高诊断精度高和稳定性。     

基于概率神经网络的液压管路泄漏故障程度识别

针对复杂环境下飞机的液压管路系统在故障诊断时存在的各种问题,提出一种基于概率神经网络的液压管路系统泄漏故障的诊断方法。在飞机液压管路系统中主要产生的故障是由于管路系统的振动导致的管路破裂、泄漏等。对飞机液压管进行建模,分析其工作状态下不同液压泄漏故障程度时的固有频率,选取前5阶固有频率作为故障诊断的特征值;构建PNN概率神经网络诊断模型,利用测试样本进行故障诊断实验。结果表明,该方法对液压管路故障具有较高识别率。该研究为液压管路系统的故障诊断提供了参考。     

人工神经网络在过程工业中的应用

当前,集过程实时监测、故障诊断、模拟、优化、控制以及调度等各层次功能于一体的过程工业生产过程综合自动化成了过程工业界和学术界共同关注的热点之一.与离散产品的制造业相比,由于流程型工业过程具有强非线性的特点,给实现流程工业综合自动化造成很大的困难,因此必须引入新的思路,开发新的方法.人工神经网络是一种模拟人类思维活动的并行分布式的信息处理系统,可用于映射任何连续函数及进行模式识别,同时还具有自学习功能,实现知识的自动获取,自20世纪90年代以来已在过程系统工程领域内受到广泛的瞩目.重点讨论了人工神经网络在过程系统建模、故障诊断以及在线优化等方面的应用,以展示这种方法在流程工业综合自动化中的良好应用前景.     

制造企业远程故障诊断服务系统的研究

介绍了企业对实现远程故障诊断服务的迫切需求,远程故障诊断服务的技术现状,详细论述了远程故障诊断的模型设计,远程故障诊断系统知识库的更新方法及推理方法,最后介绍了实现远程服务的关键技术。     

A systematic approach to integrated fault diagnosis of flexible manufacturing systems

A flexible manufacturing system (FMS) is an application of modern manufacturing techniques. Like for other manufacturing equipment, the success of an FMS is very much dependent upon its trouble-free operation. It is crucial to monitor all the possible faults or abnormalities in real time and, when a fault is detected, react quickly in order to maintain the productivity of the FMS. Because of the complexity of FMSs, the functionally complete diagnosis of an FMS should be based on all the available information and various advanced diagnostic techniques so as to get a satisfactory result. This paper proposes a systematic approach to fault diagnosis of FMSs that integrates condition monitoring, fault diagnosis and maintenance planning. An intelligent integrated fault-diagnosis system is designed with a modular and reconfigurable structure. The implementation of the integrated diagnosis system is presented in detail. The system can monitor the major conditions and diagnose the major faults of an FMS, and give corresponding maintenance planning as well. The developed system has been applied to an existing FFS-1500-2 FMS in Zhengzhou Textile Machinery Plant and has achieved good results.     

数控系统智能故障诊断系统的研究

针对数控系统的故障特点,提出融合规则和实例推理的专家系统诊断方法.基于QT开发诊断系统,包括知识库管理和诊断推理模块,可根据出现的故障现象、采集的故障信息和人机交互,通过故障诊断,向用户提出诊断结论和建议.与以往数控系统故障诊断方法相比,该方法诊断效率高,能够快速地排除故障,提高数控系统运行的安全性.     

基于分级二分图和改进差分进化的网络故障定位算法

为了减少网络故障传播模型的计算量和提高网络故障定位的准确性,提出了一种基于分级二分图和改进差分进化的网络故障定位算法,适用于计算机网络信息安全管理或者隐私保护。首先,通过引入分级故障诊断概念设计了完整二分图故障模型,并利用其将系统的网络故障定位在3个不同层级的子模型中。然后利用不同的二分图故障传播模型进行网络故障诊断。最后通过启发式思想,结合改进差分进化算法进行求解,有效解决了故障定位准确性低的问题。通过仿真实验证明了提出算法的有效性,结果显示提出算法具有较高的准确性和更少的诊断定位时间。     

柔性制造系统(FMS)状态监测与故障诊断集成研究

从分析柔性制造系统(FMS)的故障机理出发,搭建FMS集成诊断系统总体框架,重点介绍FMS状态监测与故障诊断子系统的结构、硬件组成及其软件结构,并给出该系统的实现方法.     

神经网络在复杂液压系统故障诊断中的应用

尝试将BP神经网络应用于液压系统的故障诊断,阐述了基于BP神经网络的故障诊断专家系统的基本结构及知识库组建的方法。结合工程机械液压系统,建立了适合复杂系统故障诊断的复合神经网络结构。该诊断系统具有知识库规模小、推理速度快、推理过程及结论明确等优点。     

Expert fault diagnosis system for leaching process in zinc hydrometallurgy

1　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｔｈｒｅｅｂａｓｉｃ ｐｒｏｃｅｓｓｅｓｉｎｚｉｎｃｈｙｄｒｏｍｅｔａｌ ｌｕｒｇｙａｒｅｌｅａｃｈｉｎｇ ,ｐｕｒｉｆｉｃａｔｉｏｎａｎｄｅｌｅｃｔｒｏｌｙｓｉｓ[1,2 ].Ｌｅａｃｈｉｎｇｉｓｔｈｅｆｉｒｓｔｐｒｏｃｅｓｓ,ｗｈｉｃｈｉｎｖｏｌｖｅｓｔｈｅｃｏｍ ｐｌｅｘｃｈｅｍｉｃａｌｒｅａｃｔｉｏｎｓｆｏｒｄｉｓｓｏｌｖｉｎｇｚｉｎｃ ｂｅａｒｉｎｇｍａ ｔｅｒｉａｌｉｎｄｉｌｕｔｅｓｕｌｆｕｒｉｃａｃｉｄｔｏｆｏｒｍａｎｅｕｔｒａｌｚｉｎｃｓｕｌ ｆａｔｅｓｏｌｕｔ…     

基于小波包能量和层次熵的D-S证据理论的轴承故障诊断技术

针对齿轮箱轴承故障识别率低、故障信号不平稳的问题,提出层次熵与小波包能量多源数据融合轴承故障诊断方法。采用小波包对轴承正常、内圈、外圈、滚动体故障等4种振动信号进行三层小波包分解并重构,计算各频段样本熵（即层次熵）和小波包能量作为故障特征向量集;应用归一化方法对2种特征向量处理后分别建立BP神经网络模型实现轴承不同故障模式的诊断;最后应用D-S证据理论,通过小波包能量和层次熵以及两者融合信息的故障诊断结果比较,表明基于神经网络和D-S证据理论相结合方法用于复杂机械的故障诊断是可行和有效的。     

基于数据驱动和本体建模的数控机床主轴故障诊断与推理

针对目前数控机床主轴系统故障诊断存在方法单一及智能化程度低的问题,提出基于数据驱动和本体建模的机床主轴故障诊断与推理方法。采用EMD对传感器采集的蕴含故障特征的原始信号进行数据处理与分析,提取原始统计特征,在此基础上,构建DBN-RF诊断模型实现深度特征自适应挖掘与故障模式识别。利用Protégé5.1工具结合领域知识构建机床主轴故障本体知识库,将DBN-RF诊断模型的故障辨识结果与本体知识库中的实例进行语义映射,实现故障知识推理,获得故障原因和故障解决策略。基于采集的不同工况下轴承故障数据验证了DBN-RF诊断模型的有效性,最高故障诊断平均准确率可达92.93%;构建实例验证了本体知识库的可重用性和推理功能;最后,设计开发了数控机床主轴健康管理服务系统,实现主轴系统状态实时感知和故障诊断与推理。