基于粗集理论的柴油机磨损模式识别方法

在总结柴油机磨损模式的磨粒分析基础上,首次提出了在柴油机磨损模式识别中采用基于粗集理论的模式识别方法。道德对磨损模式知识表达系统进行了简化,在此基础上,求解并简化决策规则,最后用检验样本验证了识别结果的可靠性。     

粗集理论在水力机械故障诊断中的应用潜力分析

粗集理论是一种处理模糊性和不精确问题的新型数学工具,为分析和处理不完备信息提供了有力的分析手段。文中对近年来粗集理论在机械故障诊断应用方面作了介绍及评述,并将此方法推广到水力机械故障诊断方面,重点阐述了粗集理论与常见的数据挖掘、人工神经网络、支持向量机等软计算方法的融合,这将为解决水力机械故障诊断中的难题提供一种新的思路和方法。     

煤灰结渣特性的粗集评判

基于粗集理论,提出了煤灰结渣特性的粗集评判模型,由于直接来源于实际观测数据,可靠性高,与其它判别方法相比,能更有效地判别结渣特性。     

粗集-支持向量机模型在水质评价中的应用

针对影响水质评价效果的因子众多,通过应用粗集理论约简影响因子并提取核心因子,利用支持向量机模型进行回归分析进而识别水质等级.以济南市实测数据为例进行计算,并与模糊综合评价方法进行对比.结果表明,此模型识别的评价等级更准确、更科学,为水质评价提供了可供借鉴的新方法.     

ND5型机车柴油机铁谱磨粒分析

对ND5型机车柴油机机油进行长期的铁谱分析,初步提出了一套系统的ND5型机车柴油机铁谱磨粒分析方法,提供了详细规范的磨粒分类、磨粒特征分析、柴油机磨损类型和较全面的柴油机故障部位诊断规则.     

基于加权模糊优选理论的发动机磨粒智能识别

磨粒识别是实现发动机故障诊断和状态监测的关键环节；模糊优选理论应用于磨粒识别一般采用的都是均权模型。引进了一种模糊相对权重的概念，将其与模糊优选理论结合运用到铁谱分析的磨粒智能识别中，提出了一种新的基于加权模糊优选理论的磨粒识别方法，实际计算表明，该方法在发动机磨粒智能识别中取得了很好的识别效果。     

柴油机典型故障与燃烧参数相关性仿真研究

柴油机燃烧过程复杂,影响因素众多,故障隔离存在较大困难。基于AVL BOOST软件搭建了某大功率柴油机仿真模型,对其典型故障进行仿真,探究燃烧参数在不同故障模式下的变化规律。基于仿真结果对故障模式与燃烧参数的相关性进行研究,得出了不同典型故障与燃烧参数的相关性矩阵,并经试验验证,可作为故障隔离的依据。     

基于集对分析理论的南京市饮用水水源地水质评价

通过对南京市县城以上城镇的供水水源地供水现状调查,运用集对分析法、最差因子法评价了饮用水水源地水质情况。结果表明,与水质最差因子评价方法相比,集对分析法能更清楚地反映水体污染程度。南京市城镇饮用水水源地中大厂水厂、浦口水厂的水质相对较好,上元门水厂水质略差;以湖泊、中型水库为供水水源地的取水口水质现状良好,而胥河、滁河等水源地水质较差,存在取水口布局不合理等问题。     

扩展粗集模型在碾压混凝土坝变形分析中的应用

影响碾压混凝土坝变形的因素众多,影响程度也各不相同,为将扩展粗集模型应用到碾压混凝土坝变形分析中,以确定影响碾压混凝土坝变形的主要因素,提出扩展粗集模型在碾压混凝土坝变形中的计算步骤,并通过实例计算验证了该方法的有效可行性。     

电控共轨柴油机典型故障的原因及排除方法

分析了电控共轨柴油机的几种典型故障形式,如油路故障、电路故障及相位故障等,并具体阐述了每种故障的原因和排除方法。     

基于粗糙集理论的柴油机神经网络故障诊断研究

介绍了粗糙集理论的核心内容 ,给出了基于 kohonen神经网络的连续属性值离散化方法。应用粗糙集理论对反映柴油机运行工况的特征参数进行了属性简化 ,剔除了不必要的属性。研究了 RBF神经网络故障诊断模型及学习规则 ,给出了基于粗糙集理论的 RBF神经网络故障诊断原理和步骤。通过对柴油机供油系统柱塞磨损故障的自动分类和诊断 ,表明该系统能有效地减少神经网络的输入节点数 ,克服了神经网络规模过于庞大及分类识别速度慢等缺点。     

基于粗糙集理论的内燃机气阀故障诊断研究

在内燃机神经网络故障诊断系统的基础上 ,引入粗糙集理论 ,对其在内燃机故障诊断特征参数属性优化中的运用进行了探索。利用可辨识矩阵算法对决策表进行属性约简 ,剔除其中不必要的属性 ,揭示了故障诊断条件属性内在的冗余性 ,降低了神经网络构成的复杂性。最后给出了属性约简的结果。     

Chu空间下的粗糙集与证据理论结合进行内燃机诊断

证据理论是处理不确定性问题的有效工具,但其依赖专家知识提供证据,并要求各证据体相互独立,致使实际应用困难。借助粗糙集理论,剔除冗余成分,应可克服证据获取主观性和证据体相关性的缺陷。Chu空间理论提供了一种通用的代数框架,是用于诊断信息融合的一种新方法;针对此问题,研究了Chu空间表达下的粗糙集与证据理论可集成性,并提出了基于二者集成的故障诊断推理策略。柴油机的实际诊断结果验证了将粗糙集与证据理论相结合进行故障诊断的良好效果。     

基于粗糙集与支持向量机的发动机故障诊断研究

在提取发动机气门机构故障特征的基础上,提出了采用粗糙集和支持向量机相结合的故障诊断方法。首先,基于粗糙集理论对故障诊断决策表进行属性约简,然后在最优决策属性的基础上使用支持向量机分类器对故障进行分类。实际诊断结果验证了采用粗糙集与支持向量机相结合的方法对故障进行诊断的可行性与有效性。     

基于粗糙集与神经网络集成的内燃机故障诊断

鉴于粗糙集理论对于决策系统的约简处理能力以及神经网络的自组织聚类和非线性映射功能，提出了应用SOM的网络-粗糙集-BP网络集在进行故障诊断的方案：应用SOM网络离散化故障诊断数据中的连续属性值；基于粗糙集理论计算诊断决策系统的约简，根据实际需要确定最优决策系统，在量优决策系统的基础上设计BP网络进行故障诊断，柴油机的实际诊断结果验证了将神经网络与粗糙集理论相结合进行故障诊断的可行性，在数据充分的条件下，该方案可以推广应用于其它机械设备。     

基于证据理论与粗糙集集成推理策略的内燃机故障诊断

证据理论是处理不确定性问题的有效工具,但其依赖专家知识提供证据,并要求各证据体相互独立,致使实际应用困难。针对此问题,提出了证据理论与粗糙集(Rough Sets)集成的方案:基于系统聚类的方法对特征数据离散化;基于变精度粗糙集条件熵的方法对决策表约简;约简后各条件属性作为证据并计算基本可信度分配;利用证据理论组合规则对各证据进行合成及决策。柴油机的实际诊断结果验证了将证据理论与粗糙集相结合进行故障诊断的良好效果。     

基于模糊c-均值-粗糙集-自适应模糊神经网络推理系统集成的故障诊断

考虑模糊聚类的数据离散功能，粗糙集理论对决策系统的约简能力，以及模糊神经网络在模式识别方面具有的优势，提出了模糊c-均值(FCM)—粗糙集—白适应模糊神经网络推理系统(ANFIS)集成进行故障诊断的方案：首先，应用FCM聚类方法离散故障诊断数据中的连续属性值；然后，基于粗糙集理论计算诊断决策系统的约简，按照实际需要确定诊断条件；最后，根据系统约简设计ANFIS进行故障诊断。4135柴油机的实际诊断结果验证了文中提出集成故障诊断方案的可行性。在数据充分的条件下，该方案可以推广应用于其它机械设备。     

基于粗糙集和神经网络的柴油机故障诊断

介绍了粗糙集理论的核心内容和ROSETTA软件的特点,给出了基于粗糙集理论的柴油机缸盖振动信号的故障诊断系统。以某型号大功率柴油机为例,首先将提取的缸盖振动信号经过小波包消噪和时域、频域分析,构造出用于故障诊断的特征值,然后应用ROSETTA软件约简特征属性,最后通过神经网络进行故障模式分类。通过对比ROSETTA软件处理前后神经网络的输出结果,表明粗糙集理论能优化特征属性,有效地减少神经网络的输入节点数,提高故障分类的准确率。     

基于神经网络技术的柴油机故障诊断

本文提出了一种新的柴油机故障诊断方法,利用柴油机表面振动信号经过小波包提取特征参数,然后由BP神经网络进行故障诊断。实验研究和计算机模拟的结果表明,这一方法是可行和有效的。