水电机组振动故障的粗糙集-神经网络诊断方法

针对当前水电机组故障原因复杂,实际监测数据量大,采用神经网络方法进行机组故障诊断存在网络结构复杂、训练时间长、诊断困难的问题,文章将粗糙集理论引入到水电机组故障诊断中,提出了基于粗糙集理论与RBF神经网络相结合的水电机组故障诊断方法。在保持分类能力不变的前提下,用粗糙集理论对故障信息进行约简处理,然后用RBF神经网络对预处理后的故障信息进行诊断,使神经网络的输入神经元数目明显减少,其结构得以简化。通过对某电站实测机组数据进行离线故障诊断,证明该诊断方法有效提高了机组故障诊断的效率和准确性。     

基于DS证据理论的精馏塔故障诊断方法

研究了一种基于多传感器信息融合算法对精馏塔出现的故障进行诊断的方法。首先利用小波分析对精馏塔传感器信号进行有效的滤波预处理,预处理后的数据送入BP神经网络进行初级融合,然后将初级融合后的数据当作DS证据理论的证据对精馏塔故障进行诊断,由最终概率赋值结果可知最大可信度,则可以判断故障的发生。仿真结果显示该算法比单信息故障诊断能取得更准确、更可靠的诊断结果。     

基于变量预测模型的模式识别方法在滚动轴承故障诊断中的应用

将基于变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)的方法引入滚动轴承的故障诊断,提出了基于EMD(Empirical Mode Decomposition,EMD)和VPMCD的滚动轴承故障诊断方法.采用EMD方法提取滚动轴承振动信号特征向量后,以VPMCD作为模式识别方法对滚动轴承的工作状态和故障类型进行分类.对正常状态、外圈故障、内圈故障3种不同类别下的滚动轴承振动信号进行了分析,结果表明了该方法在滚动轴承故障诊断中的有效性.同时,与人工神经网络(Artificial neural network,ANN)算法的对比分析表明,VMPCD算法分类性能的稳定性以及计算效率均要高于ANN算法.     

基于模式识别大豆叶片氮元素含量信息采集预处理

运用基于模式识别的计算机视觉及图像处理技术对大豆叶片氮元素缺失进行无损检测。当大豆植株的氮元素缺乏时,会在颜色和纹理上有一定的特征体现。通过样本培育和采集,利用图像处理技术对特征变化进行提取,分析确定了预处理的方法,并建立了预处理系统模型。研究可初步诊断出大豆氮元素缺乏情况,为进一步的模式识别奠定基础。     

基于VMD和KFCM的轴承故障诊断方法优化与研究

针对机械设备轴承故障振动信号具有强噪声、非线性、非平稳特性并致使故障特征信息难以提取的问题.提出了一种利用变分模态分解(Variational Mode Decomposition, VMD)和改进模糊聚类算法相结合的机械故障诊断新方法.首先,对采集的故障数据采用VMD和奇异值分解方法进行预处理,去除异常值及噪声;然后,采用核模糊C均值聚类(Kernel-based Fuzzy C-Means clustering, KFCM)算法来进行不同故障类型数据划分,通过计算分类系数、平均模糊熵和海明贴近度对其分类性能进行评估;最后,利用粒子群算法(PSO)对KFCM训练状态的参数进行优化.通过仿真分析和实验数据验证,该方法不仅表现出更优的分类性能,能精确、稳定进行故障识别,而且只需要少量样本数据进行训练,从而使诊断的工作量和诊断时间大为减少,为大型旋转机械设备在线故障诊断提供了理论依据.     

电气设备故障诊断与模式识别浅析

在科学技术飞速发展的今天,电气设备已经融入各个领域,电气设备故障诊断成为热门话题。本文介绍了电气设备运行中常见的故障种类及模式识别技术,并从技术实践的角度探讨了电气故障排除应遵循的步骤,总结了电气设备故障分析常用的处理方法,以对相关工作有所帮助。     

对农业机械故障诊断及常见农机具修复方法的思考

<正>一、农业机械的故障诊断方法可分为主观故障诊断方法和客观故障诊断方法。1、农业机械的客观故障诊断方法 (1)物理检验法:利用电、磁、光、声、热等物理量,通过对工件引起的变化来探测零件技术状况的一种方法。这种方法通常用来检验零件内部隐蔽缺陷而又不损坏零件本身的一种无损的探伤检验,如磁力探伤法,磁粉法、渗透法和射线法等。(2)仪器检验法:就是使用仪器、仪表、传感器、故障诊断仪器、设备等去检测、分析故障之源的定性诊断方法。如用气缸表测量气缸压力来判断气缸密封性的故障,根据测     

基于CBR的液压系统故障诊断技术研究

主要研究了基于案例分析的人工智能推理技术，和液压挖掘机的常见故障的案例建立方法，为建立基于案例的故障诊断系统提供了理论基础和应用技术。     

基于蚁群聚类算法的离心式压缩机故障诊断方法

工业化生产水平的提高使得离心式压缩机不断朝着大型化、复杂化、连续化及自动化方向发展,设备故障造成的损失越来越大,研究其故障诊断方法对于提高设备故障在线检测能力、预防故障与事故的发生具有积极意义。采用电涡流传感器测量离心式压缩机联轴节侧径向位移信号,应用频域分析方法对采集到的信号数据进行傅里叶变换,获得对故障敏感的特征量,作为蚁群聚类算法输入的特征参数,将对故障识别转化成对于设备运行时的输出和状态特征的聚类问题。将蚁群聚类算法应用于某乙烯厂的离心式压缩机,对其正常运行、转子不平衡故障、油膜涡动故障、喘振故障4种状态进行模式识别。应用结果表明:基于蚁群聚类算法的离心式压缩机故障诊断方法诊断结果准确、识别率高。(表3,参20)     

论农业机械故障修复

正1农业机械的故障诊断方法可分为主观故障诊断方法和客观故障诊断方法。1.1农业机械的客观故障诊断方法1.1.1物理检验法:利用电、磁、光、声、热等物理量,通过对工件引起的变化来探测零件技术状况的一种方法。这种方法通常用来检验零件内部隐蔽缺陷而又不损坏零件本身的一种无损的探伤检验,如磁力探伤法,磁粉法、渗透法和射线法等。1.1.2仪器检验法:就是使用仪器、仪表、传感器、故障诊断仪器、设备等去检测、分析故障之源的定性诊断方法。如     

基于神经网络数据融合方法的模拟电路故障诊断

根据模拟系统故障检测原理，采用神经网络与数据融合相结合的方法进行模拟电路故障诊断，提出了一种新型的基于D-S证据神经网络的故障检测与诊断方法．应用D-S证据理论对径向基函数网络进行了修正，用具有一个输入层、两个隐含层和一个输出层的神经网络实现．各个证据体的基本概率赋值的获取是D—S证据理论在实际应用中的难点问题，本方法中采用的是根据输入模式与原型模式之间的相似度以及原型模式的类别隶属度来确定基本概率赋值．借助神经网络自学习的功能，实现对类别隶属度的最优化．结果表明该方法能快速有效地进行故障诊断中大量数据的处理，具有很强的鲁棒性．     

基于FTA与BAM神经网络融合的飞机故障诊断方法

飞机由大量彼此关联的组件组合而成,其大规模特性使得基于故障树（FTA）和基于神经网络的故障诊断方法在应用于其故障诊断时分别存在空间爆炸问题和训练样本整理困难问题.本文融合故障树和BAM神经网络,由故障树归纳出系统所有的故障模式,整理出BAM神经网络所需的具有规范性、独立性、正交性的训练样本, 然后用BAM神经网络实现飞机故障的快速和准确诊断.实验评估结果表明,融合方法有良好的可扩展性,而且故障判别率提升了20%.     

基于自我调节学习的柴油机故障诊断研究

针对柴油机故障原因和故障征兆之间非线性、多变量和模糊的关系,结合柴油机故障实际运行情况和大量专业人员经验知识,提出了一种基于自我调节学习的柴油机故障诊断方法,建立基于灰靶理论的故障诊断模型,利用实时反馈的更新自我调节柴油机故障统计数据和专业人员经验知识构造柴油机故障征兆标准模式,通过对故障征兆和诸故障原因靶心距排序,诊断出柴油机故障的原因并及时维修,反馈更新后再实时自我调节学习故障征兆标准模式。应用结果证明了其实用性和有效性,为同类故障诊断提供了一个新的思路。     

航空发动机磨损故障的智能融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出了运用神经网络和D—S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，转换成故障征兆的布尔值；其次，建立了各子神经网络的拓扑结构。并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，由此获得了各子神经网络的训练样本，对各网络成功训练后。利用神经网络实现各子网络的诊断并得到了中间诊断结果；然后，将每种方法的神经网络诊断结果作为各故障模式的基本概率分配值，利用改进的D—S证据理论。实现了对神经网络诊断结果的融合，由此获得了最终的融合诊断结果，最后，通过算例证明了该方法的有效性。     

模拟电路故障诊断方法述评

对模拟电路故障诊断理论及其方法运用科学技术方法论的观点进行考察,提出一种新的分类方法,以反映该领域的研究现状和动向,以供对于新兴学科的认识和参考,从而促进模拟电路故障诊断理论和应用的研究及其发展.     

基于小波包分析的滚动轴承的故障诊断方法研究

用基于非平稳信号的分析方法,研究滚动轴承的故障诊断模型与算法。在充分分析故障机理及特点的前提下,重点开展对滚动轴承故障振动信号的小波包分析的研究工作,提取出反映故障模式的有效故障特征。并基于所获取的故障特征向量,建立BP神经网络分类器,实现对滚动轴承典型故障的识别与诊断。     

容差电路的模糊屏蔽诊断中最优激励的获取

研究了线性容差电路的 K故障模糊屏蔽诊断中最优激励的获取方法。所提算法将最优化技术、数值分析与矩阵论的有关理论与电路的分析与综合相结合来求取最优激励 ,从而大大地减少了计算量     

基于遗传小波神经网络的电梯故障诊断分析

利用小波分析具有能量分布特征提取的特性和遗传算法优化BP算法的能力,提出了一种基于遗传算法、小波与神经网络的电梯故障诊断方法,并应用电梯故障数据作为实例进行了验证．遗传算法小波神经网络模型诊断速度快、鲁棒性好、故障诊断正确率高．     

基于小波包和Elman神经网络的异步电机转子断条 故障诊断方法

提出了一种基于小波包分析（WPA）和Elman神经网络的异步电机转子断条故障诊断方法.针对异步电机转子断条故障时定子电流出现的边频分量进行小波包分析，提取动态条件下各频带能量作为故障特征向量，削弱了负载变化及噪声对诊断准确性的影响.采用Elman神经网络对故障进行识别，并对Elman网络进行改进，在关联层增加了自反馈增益因子，提高了网络性能.以频带能量作为Elman神经网络识别故障的特征向量，建立从特征向量到电机转子断条故障之间的映射.试验结果表明：基于小波包分析提取的故障特征明显，由WPA和Elman神经网络构成的诊断系统，能有效地识别出转子断条故障，故障诊断准确率高.