VPRS在轴承故障诊断中的应用

将变精度粗糙集(VPRS)理论引入到轴承的故障诊断中,提出了一种故障决策规则提取方法。首先用等间距法对连续属性进行离散化,然后根据实际,选取不同的β(正确的分类率),利用变精度粗糙集的近似分类质量进行条件属性约简,得到β近似决策规则,最后通过轴承故障实例验证了此方法的有效性和实用性。     

变精度粗糙集在齿轮故障诊断中的应用

在二级齿轮箱的变负载过程中,为了有效地处理非平稳信号,采用小波包提取特征参量(条件属性值);为了有效地处理带噪声的数据,将变精度粗糙集理论引入到齿轮的故障诊断中,提出了一种条件属性约简方法.首先对连续属性进行离散化;然后定义集合M,根据实际情况,选取不同的正确分类率β,利用变精度粗糙集的近似分类质量进行条件属性约简,并与加入噪声数据后所得的约简结果进行了对比;最后通过齿轮故障实例验证了此方法的有效性和实用性.     

基于变精度粗糙集的柴油机监测点优化

为获得有效的柴油机振动信号监测点,提出了一种基于变精度粗糙集模型的测点优化方法。该方法在保证集合相对可辨别性的前提下,计算各个测点的阈值,并以此作为测点优劣的评判标准。以某大功率柴油机为例,采集不同测点位置的振动信号,并提取频域特征值;应用基于变精度粗糙集的方法进行测点的优化计算,与实验结果进行对比,表明该方法能够有效区分不同测点位置以及不同故障类型的敏感程度,从而得到效果较好的振动信号监测点位置,同时减小噪声对故障诊断的影响,有利于提高故障诊断的准确率和效率。     

基于信息熵属性约简的航空发动机故障诊断

针对不协调信息条件下的航空发动机故障诊断问题,研究了基于信息熵属性约简的故障诊断方法。首先定义了故障诊断信息系统来描述不协调故障样本数据,针对基本粗糙集模型分类能力不足的问题,引入变精度粗糙集模型处理不协调诊断信息系统;然后针对现有条件熵不能区分不确定性规则的缺陷,提出了变精度条件熵作为属性重要度的度量标准,设计了启发式属性约简算法,提取故障诊断规则。将该方法用于航空发动机故障诊断,验证了该方法可有效处理不协调信息,显著提高了航空发动机故障诊断的准确率。     

粗糙集和支持向量机相整合的柴油机故障诊断算法

由于柴油发动机的结构复杂给故障诊断的研究带来了很多不便,本文基于粗糙集理论对柴油机故障诊断的决策进行属性约简,然后使用支持向量机对故障属性进行分类,从而使柴油发动机的故障诊断更加切实可靠。因此本文对粗糙集和支持向量机相整合的柴油机故障诊断算法进行浅析。     

以粗糙集近似逼近理论提取发动机振动故障特征

主要探索一种从庞杂数据中挖掘有用信息的方法。首先介绍了粗糙集的基本理论与计算近似精度的方法，简述了粗糙集理论的特点及与模糊集理论、证据理论的区别与联系，然后将经过预处理的发动机振动信号进行实数离散．运用粗糙集的下近似、上近似及粗糙逼近理论，计算属性等价类对决策等价类的逼近精度。计算结果表明，采用等频率和等量间隔相结合的方法离散实数能保留数据中良好的自然分类特性，采用粗糙集的近似逼近理论能有效地提取出发动机故障特征。     

粗糙集用于故障诊断中的测点优化配置

提出了一种基于粗糙集属性约简技术的测点优化配置方法。首先根据齿轮箱的故障机理确定了基本测点,采用粗糙集理论建立了测点优化决策表;然后提出了采用基于属性频率的差别矩阵法求取最小属性约简集,避免了复杂的布尔运算;最后通过对约简集进行分析找到了有效的信号监测点,并且应用BP神经网络进行了仿真验证。实验结果表明该方法不需要对监测对象建模,也不需要进行动力学分析,而是根据时频域指标与故障种类之间的关联程度选择有效监测点,通过监控有效监测点,采集有效故障信息,有利于提高故障诊断的效率和准确率。     

基于粗糙集的旋转机械振动故障诊断研究

振动故障是旋转机械最常见的故障,旋转机械故障诊断常用的是振动分析法.粗糙集理论是一种研究不完整数据、不精确知识的表达、学习和归纳的数学工具.基于粗糙集理论,对旋转机械的振动故障诊断决策表进行分类、约简和核集的形成,推导出最简明的决策表,从而提取故障诊断的重要属性,降低决策表的冗余性.研究表明,粗糙集理论应用于旋转机械振动故障诊断可得到更明晰的诊断规则,从而提高了故障诊断的实时性和快速性.     

基于粗糙集-神经网络的大型数控液压机液压系统故障诊断

大型数控液压机的液压系统故障与状态信息存在着复杂的非线性关系.该文将粗糙集理论和神经网络相结合,应用到大型数控液压机液压系统的故障诊断中.文中以下液压垫诊断为例,采用粗糙集理论对故障决策表进行属性约简,将获取的主要特征属性输入神经网络进行训练学习,通过这些测试数据得到仿真结果.仿真结果表明该方法用于大型数控液压机的液压系统故障诊断是有效的.     

单变量的多尺度粗糙集模型研究

针对Pawlak粗糙集模型处理信息的某些局限性,借鉴变精度粗糙集模型的思想,创新地引入多尺度变量,建立单变量的多尺度粗糙集模型.有利于对数据信息进行多尺度多角度地、分析处理,进一步提高抑制噪声的能力,从而更有效地获取决策规则.通过建立尺度变1量S与尺度函数f(s)的变化关系,讨论了变量S对近似分类质量的影响,为进一步对信息属性的多尺度描述奠定了基础.通过实例说明了该方法的简单性、可行性.     

基于多源数据融合的电力系统故障诊断与评估平台开发

针对当前电力系统故障数据和信息分布在不同安全分区的问题,对符合安全防护规定的跨安全分区数据分类、关联和融合技术进行了研究,提出了基于多源数据融合的电力系统主网和配网故障智能诊断技术。在主网诊断过程中,充分利用故障状态量、电气量和时序信息等数据,并结合气象等外部要素情况,分析了故障原因;在配网评估过程中,综合利用电力生产管理系统(PMS)、调度管理系统(OMS)以及能量管理系统(EMS)的海量数据,发展了基于规则推理的配网故障诊断评估技术。并根据江苏电力系统实际情况,侧重电网运行信息、设备状态信息和环境监测信息深度融合与综合应用,开展了基于多源数据融合的电网故障诊断平台研究以及故障辅助分析系统的研制。研究结果表明:该系统综合利用了多源数据的冗余信息,可更快速和准确地实现故障智能诊断。     

A novel KFCM based fault diagnosis method for unknown faults in satellite reaction wheels

Reaction wheels are one of the most critical components of the satellite attitude control system, therefore correct diagnosis of their faults is quintessential for efficient operation of these spacecraft. The known faults in any of the subsystems are often diagnosed by supervised learning algorithms, however, this method fails to work correctly when a new or unknown fault occurs. In such cases an unsupervised learning algorithm becomes essential for obtaining the correct diagnosis. Kernel Fuzzy C-Means (KFCM) is one of the unsupervised algorithms, although it has its own limitations; however in this paper a novel method has been proposed for conditioning of KFCM method (C-KFCM) so that it can be effectively used for fault diagnosis of both known and unknown faults as in satellite reaction wheels. The C-KFCM approach involves determination of exact class centers from the data of known faults, in this way discrete number of fault classes are determined at the start. Similarity parameters are derived and determined for each of the fault data point. Thereafter depending on the similarity threshold each data point is issued with a class label. The high similarity points fall into one of the 'known-fault' classes while the low similarity points are labeled as 'unknown-faults'. Simulation results show that as compared to the supervised algorithm such as neural network, the C-KFCM method can effectively cluster historical fault data (as in reaction wheels) and diagnose the faults to an accuracy of more than 91%.     

基于模糊积分理论的故障智能集成诊断策略的研究

为有效而充分地利用故障信息以提高诊断精度 ,本文受生物感知系统“先分后合”信息处理方式的启发 ,提出了故障多征兆域集成诊断的诊断思想 ,并对该思想的实现途径进行了研究 ,提出了基于模糊积分理论实现集成处理的可行策略 ,最后就所提出的方法和策略进行了示例研究。     

基于最大故障诊断信息量准则的多负荷传感液压系统监测点优化设计

对特种叉车多负荷传感液压系统的监测点进行分析,建立了多负荷传感系统的测试信号有向图和“元部件-监测点”相关性模型。利用信息论中熵的概念,综合评判最大故障诊断信息熵、较短测试时间和较低测试成本以实现故障诊断,建立了最大故障诊断信息量准则,并以此准则对多负荷传感液压系统状态监测点进行优化设计。最后采用分步测试方式画出特种叉车液压系统故障诊断隔离树。     

故障诊断专家系统在烟草糖料自动配置中的研究与实现

针对烟草行业糖料配置系统的精度和可靠性问题，在分析了故障诊断基本方法的基础上，应用了故障分级诊断的思想，提出了四种适用的数学模型，并使用VC＋＋6．0开发工具开发了基于糖料自动配置系统的故障诊断专家系统。应用结果表明，该系统能够实现历史和实时数据自动导入、故障初级诊断、精密诊断和自学习，能够满足故障诊断的可靠性和精确性的要求。     

基于数据挖掘技术的远程服务与故障诊断

构建一个多制造商和多客户共用一个服务平台的设备远程监测与故障诊断系统，采用现场总线技术采集现场设备状态数据，通过Internet将信息发送到远程服务中心，由不同的工具对信息进行处理，诊断中心采用智能诊断与专家诊断相结合的工作模式，利用关联规则挖掘知识并用于智能诊断，本文阐述了系统网络运行结构，系统功能模型，基于关联规则发现知识的算法以及评价与实现。     

基于最大故障信息量二元树的模拟电路诊断法

本文提出一种模拟电路故障诊断法。利用二元树的信息传递性实现模拟电路的故障定位，寻找系统Y在N个故障状态X下的最大故障信息量J0，采用序贯法一直寻找不同故障条件下子系统特征xj的最大信息量Ji，最终找到一个故障特征群R；构造系统最大故障信息二元树，从故障特征群中快速定位故障点，实现模拟电路故障的有效诊断。最后给出一个诊断实例验证了该方法。     

变压器故障诊断中数据融合技术的研究

本文介绍了信息融合的基本特点、融合系统的构成及关键技术;分析了融合技术处理多源信息的能力,将数据融合技术与故障诊断原理融为一体,实现了基于数据融合技术的变压器故障诊断,提高了变压器故障诊断的确诊率。     

Rolling bearing fault diagnosis based on mean multigranulation decision-theoretic rough set and non-naive Bayesian classifier

To analyze data from multi-level view, reduce computational burden, and improve fault diagnosis accuracy, a novel fault diagnosis method of rolling bearings based on mean multigranulation decision-theoretic rough set (MMG-DTRS) and non-naive Bayesian classifier (NNBC) is proposed in this paper. First, fault diagnosis features of rolling bearings in training samples are extracted to construct MMG-DTRS. Then, the significance degree of condition attribute in MMG-DTRS is defined to quantitatively measure the influence of condition attributes with respect to the decision ability of an information system. An attribute reduction algorithm based on MMG-DTRS is applied to acquire a lower dimensional condition attribute set, which reduces computational complexity and avoids the interference of irrelevant or redundant condition attributes. Finally, NNBC is constructed to classify rolling bearing conditions in test samples. The classification procedures by using NNBC are given. The performance of the proposed method is validated and the advantages are investigated by using a fault diagnosis experiment of rolling bearings. Experimental investigations demonstrate the proposed method is effective and reliable in identifying fault categories and fault severities of rolling bearings.     

可靠性计算方法在机床维修中的应用研究

论述了机床在启动状态下工艺过程精度的可靠性及分布稳定性的判定;绘制用于分析系统工作条件下的状态转移图;计算有关分布特性参数、故障率、修复率等。为分析系统在启动状态下的可靠性提供可靠的定性和定量依据。