基于Android的嵌入式机器声音故障检测系统的设计与实现

针对目前多数故障检测系统缺乏实时性和高精度,以Android为平台,设计一个基于小波包分解的嵌入式机器声音信号故障检测系统。介绍故障检测系统的总体框架。围绕声音采集、预处理和故障判断三个功能模块,阐述系统在实现过程中的一些关键算法,实现声音信号的去噪处理和故障特征提取。实验分析结果表明,该系统运行简便可靠,具有一定的适用性和实用价值。     

基于神经网络的机车车轮故障诊断

针对现有机车车轮超声检测系统无法准确区分其故障类型,探讨了一种基于小波包变换与BP神经网络相结合的方法来识别基于超声检测机车车轮的故障类型。该方法对机车车轮的超声检测的回波信号进行小波包分解,并提取了频谱能量特征值,由此构造不同类型机车车轮内部伤损对应的特征向量,然后利用改进的BP神经网络算法训练随机抽取的样本空间,并对测试样本数据进行了识别验证。通过实验验证了该方法能够快速准确地识别出机车车轮不同类型的故障对应的超声检测信号。     

机车电机微机自动测控系统的研制

机车电机微机自动测控系统根据电机功率的不同采用直接角载法和反馈法两种方法，实现对DF4型机车各种电机（主发电机和牵引电机除外）的性能检测，即空载、负载及超载条件下运行检查试验；完成对电机的控制、检测、故障判断分析，打印报表，数据网络传输。     

基于神经网络信息融合的机车牵引电机故障诊断

对信息融合的故障诊断进行了研究,提出了一种基于信息时空融合的故障诊断模型,并将其成功应用于电力机车牵引电机的故障诊断;这种方法是在运用神经网络进行局部的故障诊断的基础上,再运用D-S证据理论进行全局决策的融合,从而实现了这两种算法优势的互补,提高诊断的准确率;实例分析结果表明,该故障诊断模型能够准确地检测出故障发生的位置及其故障发生的原因,适合于电力机车牵引电机的故障诊断,并具有推广的价值.     

机车牵引电动机接地故障分析与防范

电传动内燃机车以及电力机车广泛使用的牵引电动机多为串励直流牵引电动机,在使用过程中,电机接地是较为常见且严重的故障。本文对牵引电动机的接地故障原因进行了分析,并且提出了有针对性的解决办法。     

机车电子控制柜动态检测与故障诊断系统研究

电子控制柜的内部组成结构中具有着多种而又复杂的插件板,由于相对于机车电子的工作流程与工作性能来说,具有一定的高温作业性,因此,在不断的高温供热和震动频率下往往造成不必要的问题,引起插件板的烧毁等问题,为此机车电子控制柜的动态监测系统就发挥了自己的作用和价值,而对于故障诊断系统的分析与研究,又可以进一步提高机车电子控制技术和安全行车。     

基于小波-神经网络的电机振动故障诊断

针对电机振动信号的频谱特点,提出基于小波-神经网络技术的电机故障模式识别与诊断的新方法。利用小波包的多维多分辨率特性,对电机振动信号进行分解与重构,获得振动信号的突变信息,提取与电机故障相关的特征信息,将其作为特征向量输入ART2神经网络,对其进行训练。经过训练后的神经网络可对电机工作状态进行在线监测和实时故障诊断,并在转子实验台上进行了模拟故障仿真试验。通过对仿真结果的分析,证实这种诊断方法的可行性。     

小波包分解与神经网络风机齿轮箱故障诊断

齿轮箱作为风机传动系统重要的机械部件长期工作在恶劣环境中易于发生故障。针对风机齿轮箱产生的振动信号具有非平稳、瞬态、不确定性、以及外界干扰因素等特点,提出了小波包与改进的BP神经网络相结合方法。首先提取原始振动信号的时域波形,利用小波包对于时域特征值进行分解,将小波包分解后的子频带能量进行归一化计算,并作为BP网络的输入特征向量,其次创建BP故障模型,通过改进的优化算法对神经网络的权值和阈值进行全局寻优,最终使得对故障类型进行精确的判断,提高了故障诊断效率。仿真结果比较了两种优化算法的性能指标,得出改进的蚁群算法(MMA)优化算法识别精度更高,误差相对较小,收敛速度更快,验证了方法的有效性和可靠性。     

基于小波包分析的电机滚动轴承故障诊断

电机滚动轴承发生故障时的信号是非平稳的,小波包变换对故障特征提取有明显的优势,给出了利用小波包对故障信号进行分析的方法。确定轴承参数以及对故障信号的采集,并计算各类故障特征频率,选择小波基和确定最佳的分解层数,之后在Matlab软件环境下对信号进行小波包分解和重构,得到滚动轴承各类故障信号的功率谱,最后把实验结果与计算结果做对比,证实了该方法可以有效地把轴承中的故障信息成分检测出来,从而判断滚动轴承的故障类型。     

电机振动信号实时检测系统的设计

在虚拟仪器(VI:Virtual Instrument)LabVIEW6.i平台上,基于小波包变换算法设计了VI程序,实现了电机振动速度信号实时检测系统。经过信号处理,该系统还具有信噪分离、测量电机振动功率谱等功能。实测某电厂400000kW大型发电机的振动速度信号,实测效果优于P3562A动态信号分析仪的测量结果。结果表明,该方法是可行的和有效的。     

软件密集型系统的故障诊断技术研究

在软件密集型系统发生故障时缺乏系统、规范的诊断方法,严重影响软件密集型系统的质量。以大量研究为基础,提出基于软件黑匣子的集成软件故障诊断模型,利用UML的扩展机制,采用"4+1"视图模型方法构建模型的体系结构框架,在Visual C++6.0环境中开发了它的原型系统。最后给出两个验证的应用实例,证明该技术路线是行之有效的。     

基于平均空间的故障检测与诊断

本文针对故障检测与诊断中存在系统不确定性问题,应用空间近似法提出一种直接求 取残差增益使残差与系统不确定性最大限度解耦的方法,并提出区分执行机构故障和传感器 故障的方法,最后给出了仿真结果,仿真证明该方法具有计算量小、检测诊断可靠等特点．     

液压系统故障的识别与诊断

本文根据不同级别的故障诊断技术要求和液压系统特点,从压力脉动信号中提取故障信息,采用自回归模型参数作故障特征、用模式识别技术对系统各种状态进行分类,形成一种液压系统故障识别与诊断的方法。在泵源系统故障诊断试验研究中,采用三种分类方法,对不同传感器位置、不同模型阶次和样本容量时的确诊率、漏警率和虚警率作了比较。诊断方法原理正确,效果良好,具有很好的应用前景。     

基于IAGA-SVM的捣固车液压系统故障诊断研究

针对传统液压系统故障诊断方法受人为因素影响较为严重,故障成因相对复杂等问题。提出一种改进的自适应捣固车液压系统故障诊断方法。首先,从捣固车的车载数据中采集系统抽取出来的故障特征值。其次,将特征值输入支持向量机(SVM)模型中进行训练,同时对核函数和惩罚系数做出优化。最后,应用自适应支持向量机建立从特征向量到故障模式之间的映射,最终做到对液压系统的故障诊断。结果可得,此方法可以准确高效地诊断出故障类型,证明了此方法的实用价值。此外,经过与GA-SVM以及AGA-SVM的对比剖析,表明了IAGA-SVM方法在故障诊断领域中的卓越性。     

AFDES中基于Case推理方法的研究

本文对“汽车故障诊断专家系统(AFDES)”中的基于Case推理方法进行了研究,介绍了不确定知识的事例表达、事例的存储和检索,提出了事例的相似度计算算法和基于事例推理算法。     

面向故障诊断的重构模式及应用研究

智能故障诊断技术为保障工程技术系统的可靠性和安全性开辟了新的途径,随着系统设备和功能的日益复杂化,发生故障的机率以及由此带来的损失越来越大,现有单一、固定的故障诊断方法却难以满足复杂系统诊断的全部要求.针对故障诊断特点,探讨了基于软件复用的重构故障诊断系统的解决方案,提出了系统的重构层次模型,采用多智能体技术构造了一种具有进化和重构特性的故障诊断推理模型,讨论了诊断模型重构的方法,并通过实例初步验证了可行性,为今后故障诊断系统的开发提供了新的理念和方法.     

一种基于滑模—神经网络观测器的故障检测和诊断方法

本文针对一类非线性系统，提出了一种用于故障检测和诊断的滑模观测器方法．其 中，观测器中的滑模项保证了该系统在无故障情况时的鲁棒性，并且系统运行的滑动区域提供了故障检测的条件．当检测出故障之后，观测器中的故障估计部分被启动，利用RBF神经网络估计故障，从而能在线辨识故障的形态．仿真结果验证了该方法的有效性．     

TEP故障诊断方法研究

针对TEP(Tennessee Eastman Process)的故障诊断问题,分别采用PCA主元分析法与粒计算属性约简算法对TEP的52个变量在15种故障情况下的实测数据分别进行处理。结果显示采用PCA主元分析方法可以将其中的14个对各种故障情况都无影响或影响微弱的变量排除,而采用基于粒计算的属性约简算法。对预处理后的数据进行属性约简,可以将条件属性约简至24个即排除28个条件属性,表明该方法对TEP故障诊断的有效性。     

轧钢监测诊断系统的研究

本文针对轧钢生产过程的自动化、智能化、开展了轧钢生产线特别是关键轧机的监测系统研究,讨论了系统组态软件特征,构造了系统的结构和配置,制定并完成了网络实时数据传输方案。     

故障诊断知识建模及系统

有效进行故障诊断可以提高客户满意度,故障诊断知识建模是其中的关键。针对故障诊断知识建模问题,提出基于本体元数据的故障诊断知识建模方法 KSM(Knowledge Solution Model):KSM主要由描述诊断方案的应用环境的元数据组和详细诊断方案(简称详细方案)构成。主要元数据包括:语种、方案名称、主题词、问题编号、产品线信息(如产品线、机型信息、部件信息等)、关联文档、访问角色、方案特征等。详细方案是一棵由多个步骤组成的树。步骤由一个或多个叶子步骤组成。叶子步骤不可再分。叶子步骤由一系列的引导状态、引导动作、用户应答和跳转指令等部分组成。该方法和模型成功应用于国内某大型IT企业。并于2010年正式上线。实验结果令人满意,结论是KSM可以有效解决故障诊断知识的建模问题,为后续的故障诊断建立知识基础。