基于Internet的泵站远程状态监测与故障诊断系统研究

研究设计了基于Internet的泵站远程状态监测与故障诊断系统.系统提供了基于参数监测和仿真运行的状态监测方法,支持多种参数显示方式.水泵的各种参数被动态地监测和显示,运行状态也可以在远程状态监测计算机上进行模拟;提供了经典平稳信号分析方法和先进的非平稳信号时频分析方法用于及时诊断水泵的故障,预测运行趋势.先进的浏览器/服务器(B/S)结构在本系统得到应用,所有数据、方法和信号分析与故障诊断软件均置于服务器上.利用服务器的并行事件处理能力,可同时完成多个泵站的监测和诊断工作.     

灰色关联和D-S证据理论在变速箱齿轮故障诊断中的应用

利用信息融合方法进行故障诊断是当前故障诊断的趋势.本文针对变速箱齿轮的状态特点,提出了利用灰色关联和D-S证据理论进行诊断的方法并用实际数据加以验证.首先对每个振动传感器各个方向上的信息分别用灰色关联分析得到故障分类,将多个传感器各个振动方向的分类的结果利用D-S证据理论融合做出故障决策,计算结果表明融合结果比单一传感器的诊断结果可信度得到提高.     

基于灰色理论的电站机组状态监测与故障诊断方法

本文主要研究了灰色理论在大型旋转机械的状态监测与故障诊断中的方法与应用问题。鉴于一般关联度分析方法在故障诊断应用中没有考虑到特征参数对诊断结果的不同影响,本文提出了加权关联度这一新概念,并给出了加权关联度用于旋转机械诊断中的方法与步骤。这种诊断方法能根据诊断结果采用自学习修正方法来修正关联度参数,提高诊断的准确度,并有很好的前景。     

灰色关联故障诊断方法在模拟电路中的应用研究

本文介绍了灰色关联故障诊断法的概念、特点，并以笔者近期所参与的项目研究工作中涉及的某装备模拟电路的故障诊断为例，详细介绍了灰色关联故障诊断方法在模拟电路故障诊断中的应用。文中给出了参数选择方法、状态矩阵建立过程、关联度计算公式以及实际应用中的计算步骤，通过计算实现了故障诊断与定位，从而得出了这种方法可较好的用于模拟电路故障诊断的结论。     

基于火焰图像特征和粗糙集理论的燃烧诊断系统

针对电站锅炉炉膛内燃烧状况的诊断问题, 本文提出了一种基于火焰图像特征提取并采用粗糙集理论诊断锅炉燃烧状态的方法. 采用图像绿光通道亮度值的阈值分割有效地减少了背景辐射对火焰图像的影响, 改进的极坐标边界标定法保证了火焰核心区域的有效提取和图像的完整性, 为燃烧诊断研究提供了可靠的特征区. 采用基于粗糙集的决策规则的推理方法, 建立以火焰图像特征量为条件属性、炉膛工况为决策属性的决策表, 并运用粗集理论中近似集的概念确定了条件属性对决策属性的影响权系数, 对锅炉燃烧状况做出了客观性的判断, 进而为锅炉燃烧状况做出准确的诊断提供了有力的依据. 对从现场获得的一组不同工况下的火焰图像进行了实验,并把实验结果和实际的炉膛燃烧状况进行了比较, 实验结果表明本文的方法是可行的.     

模糊集理论与灰色关联理论的FMEA方法

在对传统FMEA研究的基础上,提出了基于模糊集理论和灰色关联理论的FMEA方法.结合模糊集理论建立评价失效模式的模糊语言术语集和模糊数,对各种失效模式进行评价,利用灰色关联理论计算各种失效模式的关联度,通过排序来确定失效模式的风险顺序.该方法克服了传统FMEA的缺陷,提高了FMEA应用的准确性和可靠性.     

基于数据挖掘和机器学习的诊断智能研究

用粗糙集理论智能数据分析工具,对从诊断实例数据库中的诊断知识挖掘、基于诊断实例数据资源的神经网络模式识别实现方式进行了探讨.强调了数据资源中诊断知识蕴涵的必要性.建立了充分利用数据库中存储的故障实例知识资源的诊断智能知识获取和机器学习模型.该模型利用粗糙集理论的等价类概念实现诊断知识获取,等价类与所获取规则之间的映射关系作为神经网络训练的样本集.该机器学习模型的协调应用有助于逐步提高诊断系统的机器智能.     

基于振动信号相位特性的状态监测

在设备运行状态监测中,振动分析与诊断是最常用的方法,主要分析参数为幅度特性和功率谱,分析方法和诊断技术都比较成熟。与常规方法不同,论文从振动信号的相位特性出发,利用信号通过系统的滞后特性,对设备运行状态进行监测,从理论上和方法上进了较深入的研究,并以车辆悬挂系统为对象,对运行状态进行在线监测,与基于幅度特性的监测法进行了比较,收到了较好的效果,丰富了振动监测的内容,拓展了振动监测的途径。     

AR（p）模型参数的灰色关联度ARGR诊断方法

本文提出了一种以AR(p)参数构成的二次特征量来计算系统各种状态之间灰色关联度的AR-GR新方法。该法综合了AR(户)模型Marple 算法和灰色关联度GR 算法的优点,可用于工程信号的分类处理和设备的监测诊断。用编制的计算机程序对实测信号进行检验,结果表明。该方法具有快速、准确的特点,有广阔的应用前景。     

基于灰色关联分析与回归分析WC-12Co涂层工艺参数的多目标优化

以Q235钢为基体,采用等离子喷涂法制备了高质量WC-12Co涂层,对WC-12Co涂层显微硬度、沉积厚度和结合强度进行综合评价。基于主气流量、电流和喷涂距离工艺参数设计了Box-Behnken实验模型,利用层次分析确定评价指标的权重,用灰色关联分析和回归分析对工艺参数进行优化。研究结果表明,层次分析后评价指标的权重矩阵为W_j=[0.44,0.17,0.39]。通过灰色关联分析法得到最优参数为气流量2 500L/h、电流350A、喷涂距离130mm,回归分析得到最优参数为主气流量2 500L/h、电流349.08A、喷涂距离129.18mm。两种方法优化结果基本一致,可以应用于工艺参数的多目标优化。     

Attribute Selection Based on Rough Set Theory for Electromagnetic Interference (EMI) Fault Diagnosis

Electromagnetic emissions are radiated from every part of a personal computer motherboard, thus producing electromagnetic interference (EMI). EMI has an adverse effect on the surrounding environment because EMI could cause malfunctions or fatal problems in other digital devices. EMI engineers diagnose motherboard EMI problems using the electromagnetic noise data measured by the spectrum analyzer. Finding the sources (e.g., PS2, USB, VGA) of electromagnetic noise is a time-consuming process. The attribute selection and fault diagnosis was developed based on the advantage of rough set theory (RST). RST is a novel data mining approach for dealing with vagueness and uncertainty. It can be used to find hidden patterns in data sets. In this study, the basic rough set theory concepts are introduced. The rough set approach enables one to discover the minimal subsets of condition attributes associated with the motherboard EMI fault diagnosis problem. The operating sequence includes data collection, data preprocessing, discretization, attribute reduction, reduction filtering, rule generation, and classification accuracy. Historical EMI noise data, colleted from a famous motherboard company in Taiwan, were used to generate diagnostic rules. Our research result (average diagnostic accuracy of 80% above) shows that the RST model is a promising approach for EMI diagnostic support systems.     

基于灰信息挖掘的视情维修决策方法研究

针对列装新设备缺乏状态劣化信息和维修阈值难以进行视情维修决策的问题,基于新旧设备故障率变化趋势的一致性,定义改进性系数表示基本故障率的变化不同,得到新型设备的故障率函数,结合回归支持向量机拟合新型设备风险度函数曲线,得到新型设备的维修阈值,进而建立新型设备的视情维修决策模型,最后以船用柴油机监测数据进行了实例验证。结果表明,该方法能有效挖掘旧型柴油机的历史数据信息,充分利用新旧柴油机之间的内在联系,为灰信息条件下新设备的视情维修决策提供了新途径。     

模糊粗糙集在轴承故障模式识别中的应用

提出一种基于模糊粗糙集理论的模式识别方法,将动态聚类法和方差分析法引入连续属性模糊化,获取模糊隶属函数,避开了粗糙集理论属性离散化过程带来的信息丢失;利用F检验判断分类的合理性,克服了人为确定分类数目的缺点;应用模糊化得到的模糊决策表进行条件属性约简,通过属性值约简,提取了清晰、简明的故障模式规则。轴承故障模式识别结果表明,该方法对比一般粗糙集理论,有效地提高了模式识别精度,在实际模式识别中具有很好的应用价值。     

Wear Fault Diagnosis of Machinery Based on Neural Networks and Gray Relationships

1　ＩｎｔｒｏｄｕｃｔｉｏｎＩｎａｌｌｆａｕｌｔｓｏｆｅｑｕｉｐｍｅｎｔ,ｔｈｅｒａｔｅｏｆｗｅａｒｆａｕｌｔｉｓｅｍｉｎｅｎｔ[1] ,ｅｓｐｅｃｉａｌｌｙｉｎｒｅｃｉｐｒｏｃａｌｍａｃｈｉｎｅｓ.Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｔａｔｉｓｔｉｃｓ,ｉｎａｌｌｆａｕｌｔｓｔａｋｉｎｇｐｌａｃｅｉｎｄｉｅｓｅｌｅｎｇｉｎｅｓｕｓｅｄｉｎｍｉｎｅｓ ,ｔｈｅｒａｔｅｏｆｗｅａｒｆａｕｌｔｉｓｏｖｅｒ 50 % .Ｔｏｔｈｅｄｉａｇｎｏｓｉｓｏｆｔｈｅｓｅｆａｕｌｔｓ,ｔｈｅｅｆｆｅｃｔｉｖｅｍｅｔｈｏｄｉｓｔｏｕｓｅ…     

灰色预测法在机械测试中的应用

通过运用灰色系统理论建立关于轴承磨损量的灰色预测模型,计算结果表明,预测模型的计算值与实际测定值之间非常接近,而且可进一步预测设备运行状态趋势。灰色系统理论,其理论的简洁和思想方法的新颖特点表明,它将成为机械设备故障诊断的有力工具。灰色预测法的引进,丰富了设备状态监测与故障诊断技术学科的基础理论,推动了该学科向更高水平发展,预示了该学科具有更广阔的应用前景。     

Research on the Information Fusion Method of Oil Diagnosis and Vibration Diagnosis Based on the Rough Sets Theory

The improved method has been presented for knowledge reduction in rough sets （R-S） theory, when R-S is used to model the information expression of oil and vibration diagnosis. Therefore, the typical fault simulation tests of rolling bearings have been made, and the application method of R-S has been also analysed in this paper. The diagnosis model of holding rack fault in rolling bearing was presented based on the improved reduction method. It is suited to information fusion to combine information when oil analysis and vibration analysis are combined for fault diagnosis.     

基于改进KNN回归算法的风电机组齿轮箱状态监测

针对风电机组齿轮箱的状态监测问题,提出使用改进KNN回归算法建立齿轮箱的正常行为模型。首先,对经典KNN回归算法的距离度量公式进行改进,实验证明预测精度提高约60%;其次,基于改进的离群点和相似点剪辑算法优化KNN回归算法的训练集以提升运算效率,优化后计算时间缩短约20%,预测精度基本保持不变。最后,针对某风电场一台2 MW风电机组的齿轮箱实际故障数据,应用提出的改进KNN回归算法并结合统计过程控制相关理论,实现对齿轮箱故障的预警。结果表明:较经典KNN算法,提出的改进算法故障预警能力显著增强。     

机泵群实时监测网络和故障诊断专家系统

应用现代信息技术和人工智能实施设备诊断工程,逐步实现状态维修和预知维修,是大型流程工业企业降低生产成本的重要途径之一。概要介绍为实现这一目标所开发的机电装备实时监测网络和人工智能诊断技术。简要介绍了基于Ethernet和FDDI开发、应用于石化企业的机、泵群实时监测网络;首次提出了黑灰白集合筛选法,在一次原因分析法和故障机理及其识别特征研究基础上,应用此方法开发的基于黑灰白集合筛选法的机械故障诊断专家系统,用于工程实践取得了满意的结果。     

统一集论与人工智能

通过综合经典集合、模糊集合、可拓集合、Vague集合、粗糙集合、集对分析、FHW（模糊灰色物元空间）、FEEC（模糊可拓经济控制）等多种理论，提出了统一集概念，并详细讨论统一集的各种运算以及相关性质。从分析集合理论和人类思维形式之间的关系入手，把统一集理论初步应用到模式识别、聚类分析、逻辑推理、机器学习、智能决策等多种人工智能领域，指出了集合论及其运算系统与逻辑推理系统的等价关系。统一集能对现有的理论进行总结、统一，还为开辟崭新的集合论、逻辑推理方法提供很好的理论基础。