高精度铂电阻温度采集系统设计与实现

针对当前铂电阻温度采集系统中存在的不能有效减小测量误差、现场接线可靠性低以及不能准确进行故障诊断等问题,设计了一种具备自诊断功能的四线制高精度铂电阻温度采集系统,包括铂电阻温度传感器、自诊断及标定模块、恒流源和电压采集模块,利用MATLAB软件对采集系统进行了建模与仿真分析,同时搭建了硬件电路并进行实物测试。仿真和实物测试结果表明,该温度采集系统不仅能够极大改善线路电缆误差和器件一致性误差问题,而且能够实现在线路发生断线故障时及时准确的对故障进行自诊断定位,能够大幅提升温度智能化诊断检测水平。     

线缆故障检测方法现状

为了满足设备线缆维修快速性和准确性的需求,减少设备资源和人力的浪费,分析了线缆的故障模式,总结了目前常用的线缆故障检测方法,主要分为传统的故障检测方法和基于反射法的故障检测方法,其中传统的故障检测方法包括电桥法、音频感应法和行波法,基于反射法的故障检测基本方法包括时域反射法和频域反射法,详细描述了传统的故障检测方法、基于反射法的故障检测方法的原理和这些方法在线缆检测过程中存在的问题,并总结了目前基于时域反射法和频域反射法与其他的信号处理方法结合的线缆故障检测,方便了设备线缆维修时的方法的选择。最后根据线缆故障检测方法的发展现状,总结了目前线缆故障检测技术存在的问题,为今后的研究提供了新的方向。     

基于深度学习的故障预测技术研究

针对常规故障预测方法难以分析复合故障的情况下各个故障对系统的交互作用、难以分析装备数据复杂特征、难以实时准确预测故障等现状,对现代大数据和人工智能方法应用在故障预测领域进行研究,提出基于深度学习的故障预测技术,将系统故障预测可分为动态预测和静态预测。利用深度学习算法处理装备状态监测和试验验证获得的海量故障数据,通过故障模型训练、故障特征识别、故障演化规律获取来对系统进行在线动态预测;针对软件故障突变特性,利用软件质量特征属性进行静态故障预测;同时,提出使用开源深度学习框架TensorFlow进行系统研制方法。通过基于深度学习的故障预测技术,能够提高装备故障预测能力。     

基于梯度下降法和自适应参数相结合的姿态解算方法

为了解决四旋翼无人机在姿态解算时的高精度和实时性问题,提出了一种基于参数自适应的梯度下降法和互补滤波相结合的多传感器数据融合算法。该算法采用四元数表示姿态信息,利用梯度下降法对磁力计和加速度计数据进行预处理,并根据陀螺仪输出的角速度和外部加速度大小自适应选择梯度下降参数β,再将其和陀螺数据更新后的四元数进行互补滤波用于补偿陀螺的累积误差,解算出三个姿态角。最后设计仿真与实验分析。实验结果表明,相对于传统的梯度下降法和互补滤波法,该算法姿态估计误差小且具有更好的静态和动态性能。     

基于排列组合熵的高速列车走行部故障分析

针对列车走行部的多种故障模式,提出了基于排列组合熵的高速列车走行部故障诊断方法.对原车和抗蛇行减振器失效、空气弹簧失气、横向减振器失效四种工况进行仿真实验,得到列车不同位置的振动信号.计算列车振动信号的排列组合熵,首先实现了同一速度下不同故障的分离,然后以排列组合熵作为故障特征向量,对特征向量进行多级SVM分类识别.实验结果表明,该方法可以有效识别列车同一速度下的不同故障,高速时对四种工况的平均识别率达97％以上.     

基于降维映射分析及贝叶斯分类器的故障诊断方法及其在仪表中的应用

提出了一种基于贝叶斯分类器及基于主成分分析(Principal Component Analysis, PCA)相结合的仪表故障诊断技术? 该技术采用马氏距离研究表征仪表故障的关键复合参数,采用PCA研究复合参数与实际参数映射关系,从而建立从仪表故障－关键影响因素之间的对应关系,为仪表的故障诊断与故障溯源提供依据.利用某超声波流量计故障诊断数据库,对上述方法的故障诊断效果进行了验证,结果显示两型超声波流量计进行的故障智能诊断的故障正确识别率分别达到99.6%和96.5%。还对影响超声波流量计相关故障的关键影响因素进行了分析。     

改进ART1神经网络在航空发动机故障诊断中的应用

根据航空发动机故障诊断原理和飞参数据,提出了一种改进ART1神经网络故障诊断方法.该法对数据预处理后,运用四阈值法和二次判断建立故障代码消除"伪故障",并对ART1神经网络的输入层进行了改进,在诊断突发性故障的基础上,增加了对因为部件原因而引起的渐变性故障的诊断.实验结果证明,该方法精确度高,噪声抑制力强,而且诊断准确,大大降低了虚警率.     

模型数据相结合的电液伺服系统传感器早期故障检测与辨识

电液伺服系统中存在各类非线性因素和不确定干扰,传感器早期故障引起的系统状态量变化往往小于干扰引起的变化,因此很难发现。本文提出了一种模型和数据相结合的电液伺服系统传感器早期故障诊断方法,通过基于模型的方法对系统中难以准确测量的外干扰力进行有效解耦,通过建立观测器组对系统中常见的传感器故障进行辨识,针对系统中的建模误差、测量噪声等剩余不确定干扰,采用基于神经网络的方法进行模型补偿,通过建立补偿规则,可进一步提高对早期故障的敏感性。仿真和实验结果验证了所提出的混合式故障诊断方法的有效性。     

海底电缆早期短路故障建模与分析

针对海底电缆发生早期短路故障的特征,依据交联聚乙烯海底电缆短路故障演化机理并结合早期故障的电气特性,搭建电弧理论的海底电缆线路早期短路故障诊断模型,对海底电缆参数对故障电流的影响进行仿真分析.本文介绍了电弧理论模型,并对海底电缆电弧故障进行建模,以此分析早期海底电缆故障模型.通过分析模型中的海底电缆参数(时间常数,固定电阻,初始电弧长度以及电弧伸展率)对故障电流峰值及其增量变化的影响,验证早期故障电流峰值及其增量受固定电阻和初始电弧长度影响较大,而受时间常数及电弧伸展率影响较小.     

某型相控阵雷达信号处理系统故障诊断系统设计与应用

针对某型相控阵雷达信号处理分系统故障部位难以定位,严重影响雷达工作能力这一难题,本文通过对故障现象进行分类,建立相应的故障匹配文件库,采用精确单模式串匹配算法,设计开发了一套故障诊断软件。该软件实现了故障部位准确定位功能,为快速、及时排除故障提供了技术支持,并在实际应用中验证了其正确性。     

惯性行人导航系统传感器安装位置研究

传感器的安装位置直接影响着惯性行人导航系统的工作性能。因此有必要确定其最优的安装位置,针对安装于行人脚部的惯性传感器,在慢速、常速和快速三种行走速度下,分别采集脚尖、脚背、脚侧和脚跟四个安装位置的数据进行对比研究。首先针对加速度和角速度模值进行定性对比,其次提出四条件法进行零速区间检测,分别计算零速区间的加速度及角速度模值,定量对比这两个模值的平均值和标准差。之后计算零速区间平均单步误检率,定量对比四个安装位置的零速检测效果,综合定性和定量对比结果,得出脚跟和脚背是较优安装位置,而脚侧是较差安装位置的结论,并通过行走实验进行了验证,为惯性行人导航系统传感器安装位置的选择提供了依据。     

概率神经网络在教学方法选择中的应用

针对教学方法的合理选择问题,应用"小组评估法"、"所罗门学习风格测量法"和概率神经网络等方法研究依据学生素质进行教学方法的自动化选择方法,建立了学生认知能力、学习风格、学习动机、教学内容难易程度、教学方法与学生接受程度间的映射模型,提出了基于概率神经网络的教学方法选择策略。实验证明:运用该策略能够辅助教师进行教学方法合理选择。     

行驶工况下汽车油门信号安全协调策略研究

针对汽车行驶过程中油门因机械卡滞,传感器电信号短路、断路导致的油门开度信号故障问题,设计了油门信号安全协调策略,采用TruckSim建立整车动力学模型,并把基于MATLAB/Simulink搭建的油门信号安全协调策略输出的油门开 度信号作为整车动力学模型的输入,联合仿真验证结果表明:油门信号安全协调策略有效保证了油门踏板机械故障时合理协调油门开度信号,油门传感器单路电信号故障时车辆正常行驶,两路传感器电信号故障时车辆能够实现定车速跛行回家控制,在变道路工况下车速波动为4.6%,制动器状态切换时车速平稳跟随。     

基于VMD和小波阈值的ECG肌电干扰去噪处理

针对现有心电信号肌电干扰去噪方法的不足,本文提出利用变分模态分解和小波阈值相结合的方法对心电信号肌电干扰进行去噪处理,该方法通过对含噪心电信号进行变分模态分解,确定信号主导模态分量与噪声主导模态分量,噪声主导模态分量的小波阈值变换和重构无噪心电信号,共四步实现对含有肌电干扰的心电信号的去噪处理。其中,通过分析研究所有模态分量中心频率的分布,确定变分模态分解的层数,多组仿真与真实含噪心电信号的相关实验表明。本文所提出的去噪方法可有效去除心电信号中的肌电干扰,且去噪效果优于小波阈值法、变分模态分解法和经验模式分解法。     

基于盲反卷积去噪的机车走行部齿轮箱故障诊断

为了有效地识别机车走行部的早期故障,提高我国重载机车的运输能力,以机车走行部齿轮箱为例,在分析总结大量实际振动信号的基础上,探讨了运用盲反卷积去噪的方法来提取机车齿轮的故障特征信息,即采用傅里叶变换在送入滤波器中使振动信号变换为时域信号;再对所有的盲信号进行盲源分离,与TSA(时间同步平均)方法相比,考虑了外界因素的影响,尽量避免了预测和诊断误差;通过对实际机车走行部齿轮振动信号的分析,成功提取到故障特征信号,阐述了该方法在机车走行部在线故障诊断系统中的应用,不仅能满足在线监测和故障的实时性和可靠性的要求,使机车在正常运行的时候,同时显示出其可靠性、耐用性和高置信度性。     

浅谈SDH光传输系统维护和故障处理

本文简单介绍了SDH光传榆系统的概况、然后又将系统维护分为日常例行维护和周期性例行维护进行简述,接着又归纳了系统故障定位的四条原则,最后总结了四种常见的故障处理方法。     

基于PCA/KPCA初始字典优化的故障诊断算法研究

字典学习是一种有效的统计机器学习方法,也被应用于工业过程的故障诊断。初始字典直接影响对数据特征的表达,从而影响故障诊断效果。本文采用PCA/KPCA来对初始字典进行优化,以获得原子间冗余度小、特征表达准确的初始字典。提出了用PCA/KPCA优化初始字典的故障诊断算法框架,讨论了离线学习和在线诊断的核心问题。以机车变压器冷却油泵为对象进行了试验,取 6对差动感测线圈输出为样本,对比了5种算法的故障诊断、故障定位及故障类型判别性能。结果表明:基于字典学习的故障诊断优于传统PCA、KPCA 算法,用PCA/KPCA优化初始字典的确能提升故障诊断性能,在初始字典优化试验对比中KPCA优于KPCA,表明KPCA更加适合油泵的非线性特征。     

针对造纸设备的振动监测算法的研究

造纸厂机械以旋转机械为主,且工作环境恶劣、故障频发.针对以上问题,将在介绍几种常见的造纸机械工作原理的基础上,分析不同机械的故障原因,总结出若干故障种类;针对不同的故障种类分析了其产生原因和频谱特点,并据此选择合适的监测算法.最后,采用倒频谱分析法、包络谱法及频域多时段对比的方法,分析振动频谱,达到振动监测的目的 .     

基于动车组MVB网络下的故障分析算法的研究与应用

本文针对现有铁路总装厂中车辆调试过程中产生、传递和使用大量的技术信息数据在故障积累、处理、分析和诊断中遇到的问题,提出基于动车组MVB网络下车辆调试数据的故障分析方法,阐述了车辆调试数据通过模块化的数据管理、标准的数据格式、规范的存储方式,并通过结合故障数据,说明了车辆调试数据在故障分析中的具体应用,通过对应系统的开发,提高工艺技术人员在动车组调试中排除故障的能力,并有效提升车辆调试质量。     

基于PHM的复杂机电系统健康管理技术研究

随着社会生产力的快速发展,复杂机电系统作为工业自动化领域重要组成之一,智能化、自动化程度越来越高,也对维修保障能力提出了更高要求。目前我国大多数复杂机电系统仍然以定期维修和故障维修为主,维修技术已经显著落后于设备发展水平。本文基于故障预测与健康管理技术,在剖析复杂机电系统常见故障模式的基础上,研究了复杂机电系统健康管理系统的层次架构、功能组成、技术途径,为视情维修保障模式在复杂机电系统中的应用方式方法进行了有益探索。