基于小波能量熵和粗糙集的振动故障诊断研究

通过对不同振动故障信号进行小波包分解,得到若干个小波分解系数,进而从中获得各小波系数能量,并以此为特征进行基于粗糙集理论的特征约简分析,根据约简后生成的诊断规则对故障样本进行诊断,在确定故障的基础上,通过小波能量谱熵来衡量故障严重程度.实验结果显示通过基于粗糙集理论的RSES软件实现故障诊断准确率较高,同时能量谱熵参数可以在一定程度上衡量故障程度.     

基于粗糙集理论的汽轮机组回热系统故障诊断模型

在分析了汽轮机组回热系统现有故障诊断方法无法解决冗余征兆的不足之后,提出了一种基于粗糙集理论的故障诊断模型。该模型从回热系统典型故障模式出发,通过连续征兆属性的离散化建立了故障诊断决策表;利用遗传算法实现了故障征兆属性约简,并提出了结合领域知识的最小约简择优策略,然后通过给出的决策规则约简的基本原则,得到用于故障诊断的决策规则库。在应用该模型进行故障诊断时,用待诊实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则进行综合评价,并得出诊断结论。利用电站仿真机模拟典型故障进行了故障诊断模型的验证,实践表明,该模型可以有效地约简冗余的故障征兆,并具有较好的诊断效果和一定的容错能力。     

粗糙集理论和贝叶斯网络在汽轮机振动故障诊断中的应用

针对实际的汽轮发电机组振动故障诊断中常存在冗余和不确定性信息这一问题,基于智能互补融合的思想,将粗糙集理论与贝叶斯网络有机结合在一起,提出了一种汽轮机振动故障诊断新方法.利用粗糙集信息表约简方法实现对故障特征的约简,以获取最小诊断规则.基于最小规则的贝叶斯网络模型可以有效降低网络构造的复杂性,同时利用贝叶斯网络来发现节点间的潜在关系,解决故障诊断过程中的不确定推理问题,从而提高诊断效率.最后,进行了故障实例分析,结果证明了该方法的有效性.     

基于粗糙集的转子裂纹故障诊断研究

针对诊断转子裂纹故障时出现的许多不确定性的信息,信息的重要度不同以及冗余等问题,提出了一种基于粗糙集的裂纹故障诊断方法.利用粗糙集相对约简的不唯一性和不确定知识的表达能力,将诊断转子裂纹的相关特征参数进行模糊化及离散化处理,构建故障决策表.对故障征兆参数进行约简,去除冗余信息,求出集合的正域.根据依赖度和重要度关系,求出集合的核,作为诊断转子裂纹故障的规则,简化了诊断过程.实例表明,该方法能较大的提高转子裂纹故障诊断的效率和可靠性.     

基于粗糙集与支持向量机的发动机故障诊断研究

在提取发动机气门机构故障特征的基础上,提出了采用粗糙集和支持向量机相结合的故障诊断方法。首先,基于粗糙集理论对故障诊断决策表进行属性约简,然后在最优决策属性的基础上使用支持向量机分类器对故障进行分类。实际诊断结果验证了采用粗糙集与支持向量机相结合的方法对故障进行诊断的可行性与有效性。     

基于粗糙集与神经网络集成的内燃机故障诊断

鉴于粗糙集理论对于决策系统的约简处理能力以及神经网络的自组织聚类和非线性映射功能，提出了应用SOM的网络-粗糙集-BP网络集在进行故障诊断的方案：应用SOM网络离散化故障诊断数据中的连续属性值；基于粗糙集理论计算诊断决策系统的约简，根据实际需要确定最优决策系统，在量优决策系统的基础上设计BP网络进行故障诊断，柴油机的实际诊断结果验证了将神经网络与粗糙集理论相结合进行故障诊断的可行性，在数据充分的条件下，该方案可以推广应用于其它机械设备。     

基于模糊c-均值-粗糙集-自适应模糊神经网络推理系统集成的故障诊断

考虑模糊聚类的数据离散功能，粗糙集理论对决策系统的约简能力，以及模糊神经网络在模式识别方面具有的优势，提出了模糊c-均值(FCM)—粗糙集—白适应模糊神经网络推理系统(ANFIS)集成进行故障诊断的方案：首先，应用FCM聚类方法离散故障诊断数据中的连续属性值；然后，基于粗糙集理论计算诊断决策系统的约简，按照实际需要确定诊断条件；最后，根据系统约简设计ANFIS进行故障诊断。4135柴油机的实际诊断结果验证了文中提出集成故障诊断方案的可行性。在数据充分的条件下，该方案可以推广应用于其它机械设备。     

基于灰色粗糙集理论的风电机组传动链智能故障诊断方法

风电机组的状态监测和故障诊断是保证机组长期稳定运行和安全发电的关键。风电机组传动链系统的故障种类繁多,原因复杂,其故障征兆、故障原因和故障机理之间存在着极大的不确定性。文中在其故障诊断过程中,首先利用粗糙集原理对其特征参数进行约简,去除冗余参数,再利用粗糙集理论定量确定各特征参数的重要程度;根据约简的特征参数和各参数的重要程度,利用灰色关联度分析方法确定标准故障状态与目前机组状态的关联度,从而找到其故障之处。实例计算表明：在风电机组的故障诊断中将灰色系统理论和粗糙集理论结合是一种有效的方法,为其今后开展智能故障诊断提供了理论基础。     

基于证据理论与粗糙集集成推理策略的内燃机故障诊断

证据理论是处理不确定性问题的有效工具,但其依赖专家知识提供证据,并要求各证据体相互独立,致使实际应用困难。针对此问题,提出了证据理论与粗糙集(Rough Sets)集成的方案:基于系统聚类的方法对特征数据离散化;基于变精度粗糙集条件熵的方法对决策表约简;约简后各条件属性作为证据并计算基本可信度分配;利用证据理论组合规则对各证据进行合成及决策。柴油机的实际诊断结果验证了将证据理论与粗糙集相结合进行故障诊断的良好效果。     

基于粗糙集与贝叶斯网络的配电网故障诊断

随着社会经济的发展,现在的电能质量标准已不能满足用电户的要求,但电力系统的故障是难以避免的。所以,当电网出现不稳定运行状态时,就要求工作人员能在最短时间内判断故障原因、位置并切除故障,维持电网稳定运行状态。阐述电力系统故障诊断中粗糙集理论和贝叶斯网络的方法,在故障诊断时先形成原始决策表,再利用粗糙集理论进行约简,有效去除冗余信息;然后根据约简结果建立贝叶斯网络模型,克服了缺失信息而造成的诊断结果错误的缺点,大大提高了诊断结果的可靠性。     

基于不完备数据的汽轮机组故障诊断的粗糙集方法

通常从不完备数据中获取规则要比从完备数据中获取规则困难，为了在故障诊断信息不完备的情况下提取简单有效的诊断规则，提出了一种从不完备数据中获取确定和不确定诊断决策规则的粗糙集方法。以某汽轮发电机组振动故障为例给出了该方法的具体实现过程，并验证了该方法的有效性。     

Chu空间下的粗糙集与证据理论结合进行内燃机诊断

证据理论是处理不确定性问题的有效工具,但其依赖专家知识提供证据,并要求各证据体相互独立,致使实际应用困难。借助粗糙集理论,剔除冗余成分,应可克服证据获取主观性和证据体相关性的缺陷。Chu空间理论提供了一种通用的代数框架,是用于诊断信息融合的一种新方法;针对此问题,研究了Chu空间表达下的粗糙集与证据理论可集成性,并提出了基于二者集成的故障诊断推理策略。柴油机的实际诊断结果验证了将粗糙集与证据理论相结合进行故障诊断的良好效果。     

基于粗糙集和神经网络的柴油机故障诊断

介绍了粗糙集理论的核心内容和ROSETTA软件的特点,给出了基于粗糙集理论的柴油机缸盖振动信号的故障诊断系统。以某型号大功率柴油机为例,首先将提取的缸盖振动信号经过小波包消噪和时域、频域分析,构造出用于故障诊断的特征值,然后应用ROSETTA软件约简特征属性,最后通过神经网络进行故障模式分类。通过对比ROSETTA软件处理前后神经网络的输出结果,表明粗糙集理论能优化特征属性,有效地减少神经网络的输入节点数,提高故障分类的准确率。     

基于粗糙集理论的柴油机神经网络故障诊断研究

介绍了粗糙集理论的核心内容 ,给出了基于 kohonen神经网络的连续属性值离散化方法。应用粗糙集理论对反映柴油机运行工况的特征参数进行了属性简化 ,剔除了不必要的属性。研究了 RBF神经网络故障诊断模型及学习规则 ,给出了基于粗糙集理论的 RBF神经网络故障诊断原理和步骤。通过对柴油机供油系统柱塞磨损故障的自动分类和诊断 ,表明该系统能有效地减少神经网络的输入节点数 ,克服了神经网络规模过于庞大及分类识别速度慢等缺点。     

基于异构粗糙神经网络集成的故障诊断研究

将粗糙集与神经网络集成相结合,提出一种基于异构粗糙神经网络集成进行故障检测的方法。首先利用粗糙集的属性约简能力,从给定数据集中去除冗余信息;然后基于负相关学习理论构造多个异构成员神经网络,最后组合多个训练好的异构神经网络进行故障诊断。该方法不仅显著提高了神经网络的泛化能力,而且无需预先确定神经网络的拓扑结构,简单易用。设计了四种不同的诊断器在柴油机供油系统的标准样本集上进行的诊断测试实验,结果表明,基于异构粗糙神经网络集成的故障诊断方法具有最好的诊断正确率。     

粗集理论在水力机械故障诊断中的应用潜力分析

粗集理论是一种处理模糊性和不精确问题的新型数学工具,为分析和处理不完备信息提供了有力的分析手段。文中对近年来粗集理论在机械故障诊断应用方面作了介绍及评述,并将此方法推广到水力机械故障诊断方面,重点阐述了粗集理论与常见的数据挖掘、人工神经网络、支持向量机等软计算方法的融合,这将为解决水力机械故障诊断中的难题提供一种新的思路和方法。     

基于粗糙集理论的电网故障诊断决策表约简新算法

在可辨识矩阵属性约简基本算法的基础上结合Tabu搜索优化算法,提出了基于Tabu搜索的电网故障信息决策表属性约简新算法,该算法有效解决了常规基于核的约简算法的有效计算问题。通过大连电网的实际算例,证明了该算法可有效应用于电网的故障诊断中,并具有简单、快速、有效的特点。     

模糊理论在风力发电机组故障诊断中的应用

模糊理论为基础，结合风力发电机组的实际运行工况、现场运行人员和专家的经验，分析了故障与征兆之间的模糊关系，形成了模糊故障诊断规则，建立了风力发电机组模糊故障诊断自适应修正数学模型。最后对一个具体故障实例加以分析，验证了模糊理论在风力发电机组故障诊断中的可行性。