基于D-S证据理论的航空发动机磨损故障智能融合诊断方法

油样分析方法目前已成为航空发动机磨损故障诊断的重要手段,但单一油样分析技术的诊断准确率均有限,为了提高故障诊断的精度,本文提出了基于D-S证据理论的发动机磨损故障智能融合诊断方法。首先用BP神经网络实现发动机磨损故障的单项智能诊断,然后,充分利用神经网络诊断结果,用D-S证据理论实现了磨损故障的融合诊断。最后,算例验证了本文方法的有效性。     

航空发动机磨损故障的智能融合诊断

提出了航空发动机磨损故障的智能融合诊断方法。对油样分析中多种数据源信息的特点进行分析，根据不同的诊断目的对多种分析方法进行了相应的组合；利用基于规则的专家系统诊断技术，分别实现发动机磨损故障的定位、定性及定因的单项诊断；在此基础上，利用D—S证据理论，实现了发动机磨损故障的融合诊断；最后用算例验证了方法的正确性和有效性。     

基于Dempster-Shafer证据理论的航空发动机磨损状况融合诊断

本文利用Dempster-Shafer证据理论对滑油光谱分析得到的铜、铁、银3种元素含量进行融合诊断,从而达到对航空发动机磨损状况更为准确的判断,同时也提高了发动机工作的可靠性。通过对实测的两组样本数据进行融合诊断分析,发现3种元素的融合诊断结果比单一元素诊断结果更准确、可信度更高。第一组样本数据诊断正确的概率从37.05%提高到76.52%,第二组样本数据诊断正确的概率从69.59%提高到96.26%。     

基于数据融合技术的发动机磨损模式识别方法

针对单一的智能模型在发动机磨损模式识别中的局限性,提出了一种基于数据融合技术的多模型磨损模式识别方法。它利用模糊优选模型、神经网络模型和灰色关联度模型等3种单一智能模型的识别结果作为信息源,经D-S证据理论对其进行融合得到最终识别结果。实际计算表明,该模型具有良好的通用性、适应性和容错性,比单一的智能模型具有更好的识别效果。     

基于神经网络信息融合的发动机磨损磨粒识别

磨粒识别和分类是铁谱分析技术在发动机故障诊断和状态监测的关键环节.针对单一神经网络模型磨粒识别的局限性,提出了一种基于不同类型神经网络信息融合的磨粒智能识别方法.首先利用径向基函数(RBF)神经网络和反向传播(BP)神经网络对磨粒进行识别,得到2组初始识别结果, 归一化后作为2组基本概率分配函数,然后利用D-S证据理论对其融合得到最终识别结果.实例计算表明,与单一神经网络模型相比,提出的信息融合方法提高了磨粒识别的区分度和准确率,并具有良好的通用性和容错性.     

航空发动机气路故障的智能诊断方法研究

航空发动机设备的稳定运行对于飞机飞行安全而言有着极其重要的作用,一旦航空发动机出现故障问题未能被及时发现和处理,则极有可能会引发严重的安全事故,因此工作人员应积极引进智能故障诊断方法,提高对发动机设备气路故障的诊断效率,从而更好地保障飞机安全飞行。     

应用小波变换信息融合诊断航空发动机故障

研究了小波变换的信息融合技术以及将其应用在振动信号处理、故障诊断方面较传统方法的优越性.在分析的理论基础上.对某型航空发动机用不同传感器采集的振动信号进行信息融合,然后提取出噪声掩盖下振动信号中的故障信息,根据航空发动机整机振动的典型故障特征频率,判断该发动机是否发生故障.     

基于粗糙集－集成神经网络的航空发动机磨损故障诊断方法

将粗糙集理论和神经网络相结合并应用到航空发动机磨损故障诊断中,依据属性的重要性和决策表的相容性,用自组织神经网络完成连续数据离散处理这一关键环节,采用粗糙集理论对征兆信息进行属性约简,获取征兆的主要特征,为神经网络结构简化和子神经网络的构成等奠定了基础,通过基于D-S证据理论的方法得到最终的融合结果。将该方法用于某型航空发动机的磨损故障诊断专家系统中,实验证明了该方法的有效性。     

油液采样周期对航空发动机故障监控的影响分析

目前有单位为加强航空发动机故障监测,人为缩短油液采样周期,结果发现故障征兆被监控发现的概率却在降低。论文从发动机润滑系统模型入手,分析了采样周期与磨粒数据之间关系,探讨了油液监控采样周期对发动机故障监控的影响,对发动机油液监控工作提出了具体建议。     

基于改进半监督模糊C-均值聚类的发动机磨损故障诊断

为解决在少量油液样本条件下发动机磨损故障诊断难的问题,提出一种改进半监督模糊C-均值聚类算法(Improvedsemi-supervised fuzzy c-means clustering algorithm,ISS-FCM).定义一种优化的目标函数,将无标签样本与训练样本间的平均距离度量考虑在内并赋予其一定权值,以...     

基于深度学习的航空发动机磨损部位识别方法

针对航空发动机润滑系统中摩擦副部件复杂、磨损颗粒能谱监测元素众多,靠人工经验难于进行磨损部位精确识别的问题,提出一种基于深度学习的航空发动机润滑系统磨损部位识别方法。该方法应用一维卷积核为计算单元,搭建一维卷积残差网络模型。以航空发动机润滑油中磨损颗粒能谱分析数据为输入,采用所搭建的一维卷积残差网络模型实现对能谱数据的特征提取以及航空发动机磨损部位的定位识别;以某型航空发动机润滑油中磨损颗粒实测能谱数据验证该方法的有效性,并和Resnet18、Resnet34、CNN等网络模型进行对比验证。结果表明,所提方法对航空发动机磨损部位的识别精度达到95%以上。为了验证模型的鲁棒性和泛化能力,在真实的某型航空发动机能谱数据基础上,对含氧数据和噪声数据分别进行测试,进一步说明该模型用于对磨损定位识别的有效性,具备实际应用的可行性。     

基于模糊综合评判与故障树法的燃气轮机故障诊断

燃气轮机作为一种多功能供能机械,被广泛地应用于我国海上平台的生产作业,直接为平台的各个系统输送电能,其正常工作对整个平台的正常生产起到关键的保障作用;但是,近年来我国沿海钻井平台使用的不同型号发电机组时有发生叶片断裂的事故,造成严重的生产损失,所以研究故障叶片的诊断具有重要意义。本文运用一种将模糊综合评判与故障树分析法有机结合的诊断方案,克服了传统故障树诊断技术中难以解决的随机不确定性和复杂模糊性问题,并且以某作业区海上平台燃气轮机故障叶片为例,阐述了运用该方法对叶片故障原因进行的精确诊断。     

基于时间信息融合的振动故障诊断方法

由于依靠一个状态的数据进行融合诊断存在误诊和漏诊的可能性,提出了一种基于时间信息的融合诊断方法,以小波分析和概率模型为分析手段,给出了基于时间信息融合的具体算法,并定义了故障定量判别的指标——故障度.通过转子故障模拟试验得到了大量数据,对故障实例的计算以及振动信号的分析结果表明,故障度能够有效地区分故障类别,提高了诊断的准确性.     

舰载柴油机信息融合故障诊断技术研究

介绍了基于信息融合的舰载柴油机故障诊断技术.融合柴油机热工、油液及振动3大类信息,采用自适应谐振理论( ART)和BP网络相结合的决策级融合技术,建立了融合诊断技术模型,结合实例说明了该模型的诊断原理,并验证了该诊断方法的有效性.结果表明:新型神经网络模型既可以解决并发故障诊断问题,也可以解决新的故障类型诊断问题.     

多传感器数据融合在汽车引擎故障诊断中的应用

描述决策层数据融合方法在电动引擎故障诊断中的应用.通过对SANTANA汽车AJR型引擎进行故障诊断,证实了该方法实用性.此外,由于进行数据融合前必须先获得原始数据,因此,在汽车引擎测试中,信号获取和处理系统由虚拟仪器技术设计.     

浅析发动机敲缸故障机理与诊断方法

<正>0引言敲缸是指发动机在工作行程开始的瞬间,活塞头部或裙部与气缸壁相碰撞所发生的异常响声,是汽车较为常见的故障现象。该故障不仅会引起活塞与气缸壁的非正常磨损,而且还会影响车辆运行动力性和经济性,其产生的因素是多方面的,归纳起来有活塞与气缸壁的配合间隙过     

一种聚类优化融合故障诊断方法及其应用

针对单一聚类诊断方法难以准确、全面识别不同故障状态的问题,提出了一种聚类优化融合故障诊断方法。分别利用社团聚类、K均值聚类及粒子群聚类三种方法对故障进行识别,得出三种聚类方法对应的故障识别准确率,在此基础上构建初始权值矩阵,并通过遗传算法对初始判断矩阵与三种聚类方法进行优化,得到最优权值矩阵与优化的聚类模型,用于融合诊断。轴承故障诊断实例结果表明,该聚类融合诊断方法能够有效提高故障识别准确率。