基于模型的飞行器电源故障诊断与故障模式识别

设计了基于模型的电源故障诊断原型。它由电源各器件的正常工作模型,故障模型,冲突求解模块,HS树生成和修剪模块,故障信息报告和故障模式识别模块等组成。利用电源系统正常工作模型,实现了故障定位隔离功能。论证了仅仅使用正常工作器件就可以推理出诊断解中各个故障器件的参数值,将这些参数和故障模型相比较,能够识别故障模式。诊断结果表明本文能有效地进行故障定位并能识别故障模式。     

海洋工程结构故障的模式识别诊断

本文提出固定式导管架平台结构故障的模式识别诊断.首先介绍模式识别的基本思想,然后讨论统计判别函数方法.对一个二维导管架平台模型,用随机激励进行了正常平台、台面质量增加、横撑斜撑切断以及根部开裂等多种结构状态的振动试验.取频响函数幅值和随机减量函数作为被识别的模式,得到了很好的结果,从而说明这是一种很有希望的导管架平台结构故障的诊断方法.     

Fuzzy模式识别在旋转整流器故障监测中的应用

旋转整流器故障识别是无刷励磁同步电机故障监测的难点之一。针对其故障类型,本文采用Ｆｕｚｚｙ模式识别方法,建立计算机数字诊断模型,提高旋转整流器故障识别的准确度。     

基于模式识别法的单相漏电故障选线原理及算法

分析矿井中性点经消弧线圈接地方式下单相漏电故障特征,提出基于模式识别法的单相漏电故障选线原理及其算法,利用MATLAB软件模拟仿真矿井高压系统发生单相漏电故障时的特性曲线,从而验证故障选线原理及其算法的可靠性。     

基于数学形态学分段分形维数的电机滚动轴承故障模式识别

电机轴承是旋转机械中应用最广且最易损坏的机械零件之一,分形维数可以有效地描述滚动轴承振动信号的复杂性和不规则性。基于数学形态学的分形维数具有计算速度快,估计准确的特点,可以正确地区分滚动轴承系统的状态和判断轴承系统的故障行为。本文阐述了基于数学形态学的分形维数计算方法,,针对扁平结构元素长度的选取缺乏指导性的问题,提出一种基于数学形态学的分段分形维数计算方法,运用该方法对电机轴承实测信号进行分析,结果表明,该方法在一定程度上提高了分形维数计算的科学性和精确性,在电机轴承故障模式识别领域是行之有效的。     

滚动轴承故障模式识别方法现状分析

在提取滚动轴承故障特征后,如何设计合理的分类器对滚动轴承进行故障模式识别是故障诊断的关键步骤。分别介绍了粗糙集模式识别中的变精度粗糙集、统计模式识别中的最小二乘支持向量机、模糊模式识别中的模糊[C]均值聚类算法。分析各种方法的基本原理、应用和特点。研究发现,多种故障模式识别方法的融合运用是今后研究的重点方向。     

超环面行星蜗杆传动摩擦理论研究

文章通过相对运动关系分析，给出了超环面行星蜗杆传动中共轭运动零件行星轮与定子、行星轮与蜗杆之间相对滑动率的计算方法，得出了凸峰接触时行星轮与定子及蜗杆之间摩擦系数的计算公式；以弹流润滑理论为基础，给出了液体润滑时行星轮与定子及蜗杆之间齿面摩擦系数的计算公式；进而给出了混合摩擦状态下行星轮与定子及蜗杆之间摩擦系数的计算公式。然后，运用上述公式讨论了液体润滑时行星轮与定子及蜗杆之间齿面摩擦系数的相对大小及其随传动参数的变化规律；给出了行星轮与定子全部为凸峰接触时摩擦系数随传动参数的变化规律；讨论了混合摩擦状态下，行星轮与定子之间摩擦系数随膜厚比的变化规律。     

基于谐波小波包和BP神经网络的滚动轴承声发射故障模式识别技术

由于滚动轴承声发射信号在各频段的能量分布与轴承的故障类型相关,可以利用谐波小波包将不同故障滚动轴承的声发射信号分解到不同频段,进而将各频段的能量组成特征向量输入BP神经网络,通过神经网络判别滚动轴承的故障类型。利用神经网络对滚动轴承进行故障识别时,对谐波小波包和Daubechies小波包进行了比较。实验结果表明对于滚动轴承声发射信号的故障模式识别,将谐波小波包分解和BP神经网络相结合的方法可以获得良好的效果。     

利用模糊模式识别诊断内燃机失火故障的研究

提出了一种基于模糊模式识别的内燃机失火故障综合诊断方法。通过建立简明实用的瞬时转速诊断模型并深入分析瞬时转速信号的波形特点,定义并提取了１０种无量纲的诊断特征参数。在此基础上,利用模糊模式识别技术对这些参数进行信息融合,首先快速识别整机有无失火故障,然后在有必要时再进行故障气缸定位。实验结果表明,该方法可以充分利用多种特征参数的信息互补性,提高了诊断效率和识别正确率,并能满足在线监测和实时诊断的要     

KL—Bayes方法在故障模式识别中的应用

有效特征向量的提取和状态识别是设备状态监测与故障诊断领域中的关键技术。近年来,国内外很多学者都非常重视自动特征向量选择与提取方法的研究和模式识别方法的探讨。文中提出的KL-Bayes 方法是KL变换特征提取方法与Bayes 逐步判别分析方法的结合,前者可在不改变原始样本空间分布特点的基础上降低特征空间的维数[4],后者是一种集“有效特征选择与状态识别”功能于一身的方法[1]。KL-Bayes方法用于不太复杂的系统故障诊断,如轴承、齿轮箱故障诊断中是非常简单有效的。文中给出了应用实例及分类器自学习前后的分类结果。     

基于复杂网络社团聚类的故障模式识别方法研究

复杂网络是近年兴起的一种新的理论,已迅速渗透到从自然科学到工程科学等多个领域。本文从复杂网络社团结构的本质特性出发,将故障样本抽象为网络节点,样本与样本之间的联系抽象为边,建立故障数据网络模型。利用复杂网络节点关联度的概念选取社团初始聚类中心,利用欧氏距离函数实现网络社团初始划分,设计社团区分准则函数,并引入模块性合并指标变化进行同类社团合并,最终实现准确的社团聚类与故障诊断。滚动轴承故障诊断实例验证了方法的有效性。     

优化KNNC算法在滚动轴承故障模式识别中应用

为有效提高滚动轴承故障诊断率,正确识别不同故障类型,提出基于优化K-最近邻域分类器(K-Nearest Neighbor Classifier,KNNC)的轴承故障模式识别方法。分别求得滚动轴承训练样本与测试样本的振动特征指标,构建样本特征集。为加快分类速度,剔除不良样本干扰,利用K-均值聚类算法对样本进行优化精简,并将所得若干聚类中心作为新的约简训练集。据新训练集进行KNNC分析,实现模式识别。结果表明：该方法能快速、有效识别出滚动轴承4种不同故障模式,识别正确率明显提高。     

液压传动故障防治排除技术

本文首先阐述了液压传动系统的故障分类、检测方法,之后详细讲解了液压传动系统的预防措施,最后以压路机为例,讲解了液压传动系统常见故障的排除。     

超声检测的信号处理与模式识别

超声检测在近几１０年中得到了较大的发展，它已成为材料或结构的无损检测与评价最常用的手段。目前超声检测的研究与发展重点大致可分为４方面，（１）新的超声检测方式研究，（２）散射与过散射的理论与实验研究，（３）成像方法与手段的研究，（４）信号处理及模式识别的应用研究。新的检测方法始终是超声检测的研究重点之一，近期激光超声成为这一内容的主角，但至今为止激光超声的研究大多还处于理论与实验阶段，真正走向商品化或工业性应用还很少。散射研究方面，尽管不少学者已经进行了大量深入细致、有时甚至是艰苦的研究，但这项工…     

车辆目标的计算机模式识别

本文通过分析地面运动车辆的声音特征，建立了几种典型车辆的统计识别模型，通过实验验证，达到了满意的效果。     

基于粗糙集和神经网络的联合模式识别系统

提出了一种划分属性离散区间的新方法．针对这种划分，提出一种约简和去噪的方法．随后，建立了粗糙集和LVQ神经网络的联合模式识别系统．最后，比较了用该系统和仅用神经网络进行识别的效果，证明了该方法的有效性．