基于信息融合的组织型P系统输电网故障诊断方法

输电网故障诊断通常以开关量信息为决策数据,即保护装置的动作信息,但是单一的开关量故障诊断方法过度依赖开关量信息的完整性和准确性,存在一定的不确定性。为了解决上述问题,该文提出基于信息融合的组织型P系统（Tissue-likePsystems,TPS）的电网故障诊断方法。首先,通过结线分析法确定可疑故障元件。其次,通过评估保护装置的动作状态来修正TPS故障诊断模型中的初信向量。最后,通过信息融合推理算法进行故障诊断,从而判断故障元件。该文还采用IEEE14节点系统进行算例分析,证明了该方法的可行性和有效性。     

应用概率神经网络诊断自行火炮发动机的故障

目的　研究概率神经网络模型 ,并应用于故障诊断 .方法　对基于概率统计思想和 Bayes分类规则的概率神经网络模型、网络结构、算法及其特点进行分析 ,利用其进行故障诊断 ,并提出一种优化估计平滑因子的方法 .结果　概率神经网络可很好地诊断自行火炮发动机进行中油路和气路的故障 .结论　概率神经网络在模式识别和故障诊断领域中可取得良好地应用效果     

机载制冷系统故障诊断及可视化软件的研究

目前,在机载蒸发循环制冷系统故障诊断的可视化软件方面,国内外相关的研究较少。建立了一种基于PSO-SVM的机载蒸发循环制冷系统故障诊断模型,利用PSO算法对SVM模型的参数进行优化,以提高模型的诊断精度。为了便于机组人员实时监测系统的运行状况,使用MATLAB中的GUI模块对所构建的故障诊断模型进行了可视化界面设计。该软件可用于训练和测试故障诊断模型,并诊断用户输入的系统运行数据。经过验证表明,该软件运行可靠、诊断结果准确。     

复杂系统故障诊断中的两类关键技适

复杂系统故障诊断中的一些关键技术问题一直制约诊断技术的发展．本文对其中的两类典型的关键技术（性能衰退预测技术、故障定位技术）进行了介绍和分析．简要总结分析了复杂系统故障诊断当前的研究现状．提出了复杂系统故障诊断中的两类关键技术（性能衰退预测、故障定位）,并给出了适合这两类关键技术的具体方法．结合作者所在课题组的研究,介绍了基于à Trous算法的小波递归预测的小卫星电源系统性能衰退预测技术、基于双级径向基函数（RBF）神经网络的液压伺服系统故障定位技术．研究结果证明了所提出的方法对于这两类典型对象故障诊断的有效性．     

基于多重分形去趋势波动的机械故障诊断新方法

针对旋转机械系统故障信号的非平稳性、非线性等复杂特征,给出一种基于多重分形去趋势波动分析的机械故障诊断方法。该方法首先对原始信号进行去趋势处理,再结合多重分形理论提取多重分形谱面积和多重分形熵两个分形参数,并将其作为故障诊断的新判据,最后通过实验结果证明了方法的有效性,从而为机械故障诊断提供了一种新的方法。     

基于改进极限学习机的通风扇故障诊断

为了提高飞机电子舱通风扇故障诊断精度,该文提出了一种基于改进极限学习机的通风扇故障诊断方法。采用收缩系数改进粒子群算法,得到IPSO算法,并采用IPSO算法对ELM进行优化,建立了基于IPSO-ELM的故障诊断模型。采用美国西储大学轴承中心的风扇端加速度数据进行仿真分析,并与PSOSVM模型进行对比,结果表明,IPSO-ELM模型的诊断精度为98%,比PSO-SVM模型高6.52%,验证了该文所提通风扇故障诊断方法的实用性。     

基于虚拟传感器的AGV故障诊断方法

为实现自动导引车（automated guided vehicle, AGV）的低成本有效故障诊断,提出一种基于虚拟传感器（virtual sensor,VS）的AGV故障检测方法。首先,基于AGV的结构特性,建立紧凑动力学模型;基于所建立的AGV模型,结合H_∞控制理论,设计全新的VS,使得能够在无需了解AGV轮胎模型且不进行线性化处理的条件下,对车轮横向力、纵向力及转矩进行有效估计,通过相应的定理证明所提VS的可解性与收敛性;进一步,通过比较AGV模型与VS产生的输出响应构造用于故障诊断的残差信号,并给出基于“IF-THEN”规则的故障诊断策略;最后,通过实验验证所提故障诊断方法的有效性。结果表明,所提方法能够对不同运行情况下的AGV状态进行有效检测,从而可为后续复杂AGV系统的全面状态监测提供有益参考。     

复杂测试系统量值稳定性检查监控方法及模型

针对复杂测试系统量值稳定性检查的特殊需求,提出基于测量过程控制的复杂测试系统量值稳定性检查监控方法;针对传统统计控制方法在测量过程控制中容易出现"误发警报"问题,给出基于Bayes参数优良估计、控制限优化的小样本控制图模型.说明了模型在某复杂测试系统量值稳定性检查监控中的具体应用,证明了方法和模型的有效性.     

基于改进FOA优化的CS-SVM轴承故障诊断研究

针对故障诊断中的小样本及样本类不平衡问题。建立基于代价敏感支持向量机(CS-SVM)的故障诊断模型,提出采用改进FOA算法(IFOA)对规则化常数C+,C-和核函数参数g进行优化选取,通过增大对故障类样本错分的惩罚代价,提升对故障类的诊断正确率;以IMS航空轴承试验数据为对象,结合随机共振、KPCA特征提取方法对所提IFOA优化的CS-SVM模型进行了验证。结果表明,该方法能有效处理误分类代价不同的轴承故障诊断问题,提高了故障类样本的诊断正确率,可拓展应用至其它故障诊断领域。     

基于模糊算法的配电网故障诊断研究

通过分析配电网的特点，针对电网故障的不确定性因素，采用模糊算法的专家系统进行故障诊断，先研究专家系统的主要结构，然后将数据库理论以及横糊理论进，行综合应用，对电网故障诊断问题进行充分的研究，将模糊识别技术与故障诊断专家系统结合起来，并最终设计并实现了基于模糊识别的电网故障诊断专家系统。