粗糙集理论在柴油机故障诊断中的应用

以柴油机故障诊断为背景,研究了基于粗糙集理论的参数优化在故障诊断中的应用.首先采用小波包能量谱方法提取振动信号的特征参数,并用粗糙集理论对其进行属性约简,最后用RBF神经网络对各类故障进行辨识,结果表明:利用粗糙集约简后,通过减少神经网络的输入节点数,简化网络的结构,提高了诊断的准确率及效率.     

基于粗糙集-贝叶斯的电网故障诊断方法

提出了一种基于粗糙集-贝叶斯的电网故障诊断方法,采用粗糙集信息表约简方法对电网故障特征进行约简,获取了电网故障诊断最小决策表,然后针对最小诊断决策规则建立贝叶斯网络模型,利用贝叶斯网络节点之间的权重关系提高电网故障诊断的效率和正确率.     

高速列车智能化故障诊断方法

介绍基于粗糙集理论的高速列车智能化故障诊断方法,以动车制动系统为例,分析该方法的可行性和实现步骤.该故障诊断方法通过优化制动系统的特征值,来提高故障诊断的效率和准确率.     

基于D-S证据理论的直接空冷凝汽器故障诊断方法研究

提出一种基于Elman神经网络和RBF神经网络通过D-S证据理论融合的故障诊断方法,把该方法应用在直接空冷凝汽器的故障诊断中。首先对故障进行神经网络初步诊断,得到属于不同故障状态的隶属度,然后采用D-S证据理论融合的方法进行决策诊断,得到最终结果。研究了直接空冷凝汽器的故障特征提取、样本选择、诊断系统结构和学习算法,并通过诊断实例阐述了该方法的具体实现过程,验证了所提方法的可行性,结果表明:该方法适用于直接空冷凝汽器故障诊断,故障定位准确率高。     

基于极限学习机的汽轮机故障诊断

针对汽轮机故障诊断中出现的多故障识别问题,为有效提高汽轮机多故障诊断的准确率,提出了基于极限学习机的汽轮机故障诊断方法.极限学习机算法在训练时只需设置隐含层神经元个数,从而解决了如神经网络及支持向量机等多参数选取困难的问题,有效地提高了学习机的训练速度.在确定了最优参数的基础上,将极限学习机应用于汽轮机故障诊断模型中,并将极限学习机的故障诊断结果与支持向量机的诊断结果进行对比.结果表明：基于极限学习机的多故障诊断速度及准确率均明显优于支持向量机的诊断结果,对汽轮机故障诊断的实践有非常显著的指导作用.     

工艺参数对注塑成型质量影响的粗糙集分析

用粗糙集理论,分析了注塑成型过程中工艺参数对成型不足问题的影响。通过属性约简和值约简,找出影响成型质量的关键因素,从而得到判断成型结果的决策规则。实例分析表明,这种新的诊断方法提高了故障诊断能力,减少了诊断时间,具有实际工程应用价值。     

基于模糊神经网络的发动机故障诊断研究

基于模糊神经网络理论,对发动机涡轮增压系统、冷却系统以及润滑系统常见故障进行了研究,在MATLAB环境中,利用常见的故障案例样本,训练BP神经网络,建立涡轮增压系统、冷却系统及润滑系统三大系统的模糊神经网络模型,并通过未参与训练的故障案例样本对模型进行验证,经验证模型的预测误差均在5%以内,可以满足故障诊断的要求。另外,针对各系统的模糊神经网络模型,利用MATLAB GUI建立发动机故障诊断系统,该系统可以根据故障现象,诊断故障原因,并通过实际故障案例验证,诊断结果与实际故障原因相符,说明故障诊断系统具有指导性。     

一种基于粗糙集神经网络的陶瓷原料分类方法

文章在分析粗糙集和神经网络各自优势和存在问题的基础上,设计了一种将两者综合集成的新方法。该方法利用粗糙集对神经网络待处理的数据进行属性约简,借此来简化神经网络结构,然后利用三层BP神经网络建立陶瓷原料分类模型。实验结果表明,粗糙集神经网络方法用于陶瓷原料分类是可行的和有效的,有助于对陶瓷原料的选取,有一定的理论意义和实际应用价值。     

基于自适应小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出了基于自适应小波神经网络的往复泵故障诊断方法.以往复泵单个泵缸内的压力信号作为系统特征信号采用小波变换来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断.通过对往复泵液力端多故障诊断实例的检验表明：该系统故障诊断正确率达到了93％以上.     

基于SDE-BP网络的油田注水管网故障诊断方法研究

针对BP神经网络在油田注水管网系统故障诊断中收敛速度慢、精度低、易陷入局部最优等问题，提出一种改进的BP神经网络诊断模型。该模型将自适应差分进化算法（SDE）用于神经网络的数据训练中，用以确定最优权重和阈值，并将仿真模拟与神经网络的训练相结合，计算管网故障工况，从而得出注水站、注水井的压力、流量异常和管段的故障情况。该方法能准确诊断管网系统各类节点和管线的故障位置，以及对站启停泵、井欠过注和管道漏损、堵塞等故障类型进行判断，通过实验对比分析验证了方法的高效性，对故障点位置一级诊断正确率为100%，故障类型二级诊断的正确率达98.07%。     

基于改进差别矩阵属性约简的聚合釜粗糙集-神经网络故障诊断

引言 聚氯乙烯树脂(PVC)是重要的有机合成材料,其产品具有良好的物理性能和化学性能,广泛应用于工业、建筑、农业、电力、公用事业等领域.聚合釜则是聚氯乙烯生产装置的关键设备,聚合釜能否稳定运行直接关系到整个聚氯乙烯生产装置的运行状况.     

粗集理论及其在旋转机械故障诊断中的应用 (二)旋转机械故障诊断知识库的形成

旋转机械故障诊断知识库形成的主要环节是信号的采集和信号的分析、整理 ;在所有的机械故障信号中 ,振动诊断技术是故障诊断的常用手段 ,对振动信号实现连续、在线诊断的最重要的数学工具是快速傅里叶变换(FFT)和小波理论。通过对实验的观察 ,建立转子故障特征向量和故障类型之间对应关系的数据库 ,为基于粗集理论故障诊断的决策表的形成提供了原始的知识库     

往复泵故障智能诊断系统的设计

开发了往复泵故障的智能诊断系统,以故障诊断系统为核心,软件部分用Visual C＋＋语言来开发,由软件控制同步进行压力、位置及流量等信号的数据采集和数据库管理。由于不同故障类型对应的信号曲线也不同,所以以压力信号为主,以流量信号为辅作为故障信息;然后应用基于人工智能理论的小波神经网络和小波包分解技术进行数据处理、保存和故障诊断。从小波神经网络诊断的结果可以看出：往复泵故障智能诊断系统诊断速度快,准确性高。     

基于粗集理论的数据挖掘应用

论述了粗集的基本理论和特点,并对其在旋转机械故障诊断中的应用进行了探索,提出了粗集理论在旋转机械故障诊断中的数据挖掘方法,运用这一方法对故障诊断决策表进行属性约简,去除其中不必要的属性,揭示出旋转机械故障诊断条件属性中的冗余性,最后得出了属性约简的结果以及决策规则。     

Chemical process fault diagnosis based on enchanted machine‐learning approach

In the chemical industry, fault diagnosis is a challenging task due to the complexity of chemical equipment. This paper proposes a machine learning‐based approach to achieve the goal of fault diagnosis. First, in order to reduce the impact of redundant features, support vector machine recursive feature elimination (SVMRFE) is used to select important features. The trained probabilistic neural network (PNN) is then used for fault diagnosis. Considering that the diagnostic performance is affected by its hidden layer element smoothing factor (σ), the modified bat algorithm (MBA) is used to optimize the PNN to obtain optimal global parameter values. The MBA adopts a better optimization mechanism than the basic algorithm and achieves excellent global convergence. It can globally optimize the smoothing factor, which effectively improves the fault diagnosis ability of the PNN. During the testing of the Tennessee Eastman (TE) process data set, we evaluate the performance of the proposed model by comparing the F₁‐score and accuracy of the different methods. The charts provided describe the fault diagnostic results and classification for the different models. The results indicate that the MBA has a better optimization ability than other traditional optimization algorithms. At the same time, the combination method proposed in this paper is also superior to others and can significantly improve the accuracy of TE process fault diagnosis.     

基于稀疏局部嵌入深度卷积网络的冷水机组故障诊断方法

针对于冷水机组提出一种基于稀疏局部嵌入深度卷积网络（sparsely local embedding network,SLENet）的故障诊断方法。采用稀疏局部嵌入方法代替卷积核,对输入数据进行特征选择,避免了复杂的训练和调参过程。另外采用空间金字塔最大池化作为网络的输出层,减少了网络的输出维数和分类器的计算量。针对美国采暖、制冷与空调工程师学会提供的冷水机组的典型故障数据进行分类,结果表明,该方法相比深度卷积网络（CNN）和支持向量机（SVM）方法具有更高的故障诊断精度。