一种基于马氏距离的模拟电路软故障检测算法

提出了一种基于小波分解和马氏距离判定准则的模拟电路软故障检测算法;在pspice环境,完成了一个低通滤波电路在常态和各软故障模式下的Monte-Carlo仿真,分别采样常态及各故障状态下输出节点电压并进行小波分解,利用近似系数分别求出无故障态和各故障模式下的马氏距离,并以此作为故障判定依据。仿真及计算结果显示,这种故障检测算法对模拟电路的软故障具有良好的识别能力,且具有算法简单、计算量小的优点。     

基于小波包变换预处理的神经网络故障字典法的研究

本文以进行模拟电路故障诊断为主要目的，提出了基于小波包变换预处理的交流电路神经网络故障字典法，此方法充分利用小波包分解信号的能力，把交流电路的频率响应任意细分，能获取更多的故障特征。诊断速度快．效果好     

数据挖掘在柴油机故障诊断中的应用

介绍了一个应用数据挖掘技术的柴油机故障诊断系统。通过对柴油机信号数据的获取和分析，建立了故障诊断模型。从关键技术、系统体系结构、功能模块等方面论述了诊断系统的设计，给出了建立模型的基本思想、具体算法和步骤，并结合具体的信号数据建立了诊断系统。通过该系统对待识别信号数据进行故障诊断实验，表明该系统能有效地对柴油机活塞组件和气门机构故障进行诊断。     

基于AVR单片机的油液颗粒度检测仪

在详细分析自动颗粒计数法原理的基础上,运用AVR单片机和遮光型自动颗粒计数器传感器及其他元件设计了油液颗粒度检测仪。重点阐述了油液颗粒度检测仪的工作过程,主要的硬件电路设计以及系统软件设计。尤其对油液颗粒度检测仪中的传感器放大电路和通道设定电路的原理和实现方法做了具体的说明。实验表明该检测仪具有较高的准确度和可靠性,并且价格低廉,具有广泛的用途。     

基于PSTN和双高频编码的报警系统设计

介绍了一种基于PSTN（公共开关电话网络）和双高频编码的报警系统结构及其硬件和软件的设计，并重点阐述了系统信息传输的具体过程和信息的编码方式。针对现有报警系统传输的警情信息单一的缺点，提出了对警情信息进行编码，并采用双高频信号进行传输的方法，从而丰富了传输的警情信息的内容，避免了采用双音频传输时对电话的干扰。同时系统采取了循环冗余校验和信息回馈等措施，提高了信息传输的可靠性，降低了警情误报和漏报的几率。     

基于振动谱时频图像特征及SVM参数同步优化识别的内燃机故障诊断

为实现内燃机振动谱时频图像特征的自动提取及识别,提出了一种基于振动谱时频图像特征优选及SVM(support vector machine)同步优化识别的内燃机故障诊断新方法.该方法首先采用小波包生成内燃机振动谱时频相平面图,然后从内燃机振动谱图像的形状特征、灰度统计特征和纹理特征来提取特征参数,最后将支持向量机引入内燃机振动谱图像识别中,并针对机械振动谱图像特征参数优选问题,以及SVM的核函数及核函数参数选择问题,提出了基于免疫克隆选择机理的特征选择和SVM参数同步优化算法.内燃机故障诊断实例表明,所提方法故障分类准确率达到了98.92%,验证了该方法的有效性.该方法为实现内燃机振动谱图像特征的自动提取及识别探索了一条新途径.     

基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断

为了充分提取基于内燃机振动信号形成的振动谱时频图像的二维时频信息,实现基于内燃机振动谱时频图像特征自动提取及识别,提出了一种基于EMD-WVD(EMD-Wign-er-Ville Distributions)振动谱时频图像SVM识别的内燃机故障诊断方法。该方法利用二进制小波对振动信号进行预处理,然后利用EMD-Wigner-Ville时频分布生成不同工况下振动信号的时频图像,并通过提取振动信号的EMD-WVD振动谱时频图像的不变矩特征形成诊断特征向量,利用一种基于类识别率排序的二叉树SVM分类器进行模式识别。在BF4L1011F型内燃机上进行了6种不同工况下气门故障模拟试验,诊断结果表明总体诊断正确率为98.57%。     

采用多层核学习机的柴油机气门机构故障诊断

针对柴油机缸盖振动信号的非平稳性以及多种气门故障的线性不可分问题,提出了一种组合核主元分析和支持向量机的多层核学习机方法。该方法使用核主元分析技术从原始特征中提取非线性主元,将其输入到由"一对多"算法构建的支持向量机多分类器中,实现了多种气门故障的定量诊断。试验结果表明,在小样本条件下,该方法能准确识别气门机构的6种状态,且识别精度及测试速度均优于单独使用多类支持向量机方法。     

运用改进二叉树SVM算法的柴油机振动诊断

提出了一种改进的二叉树支持向量机(support vector machines,简称SVM)算法,用以克服二叉树SVM构造时各级正类样本选择缺乏理论指导的问题。基于最易分割类应最先分割的思想,该方法在定义特征参数类识别率概念的基础上,首先逐级计算每个特征参数对各级SVM所对应各类训练样本的类识别率,然后选择类识别率综合排序结果处于第1位的样本类作为相应级SVM的正类。从缸盖振动信号包络幅值域参数和小波包分解频带能量百分比参数中选取了对气阀故障较为敏感的9个特征,形成了诊断特征向量,使用常用的1-a-r,1-a-1,DDAG以及改进的二叉树SVM多分类方法对6种气阀间隙状态进行了诊断,结果表明,本文提出的改进二叉树SVM方法具有最好的分类效果。