基于粗糙集和遗传算法的水轮发电

针对水轮发电机组故障监测中的大量数据，为了提高故障诊断效率,考虑将粗糙集理论和遗传算法引入水轮发电机组故障诊断中。利用粗糙集获取水轮发电机组故障信息决策表，再用遗传算法的全局搜索技术，对决策表进行约简，找出对故障分类起主要作用的特征，并提取诊断规则。通过对具体诊断实例研究表明：该方法在水轮发电机组故障诊断中具有较高的可行性和有效性。     

基于粗糙集理论的农村电力网故障诊断研究

运用粗糙集理论研究了因保护装置和断路器误动或拒动、通信装置的故障等原因造成的不完备警报信号模式下的农村电网故障诊断新方法。该方法把保护和断路器的信号作为对故障分类的条件属性集,考虑了各种可能发生的故障情况,以此建立决策表,直接从故障样本集中导出诊断规则,并揭示了警报信息内在冗余性。为此,运用VisualC#开发工具,对农村电网的典型网络的故障诊断进行了编程,并证实了该方法的有效性。     

基于改进粒子群优化BP网络的发动机故障诊断方法

使用BP神经网络进行故障诊断过程中,随着输入变量的增加会造成维数灾难,导致训练效率不高,而且易陷入局部极小的问题。基于粗糙集的约简是常用的降低维数的方法,但约简是NP问题,随着信息量增多计算量会随之剧增;本文采用基于属性重要度的启发式值约简算法进行属性约简,建立了一种模糊信息知识发现方法结合粒子群优化BP网络的故障诊断方法。通过实验表明此方法不仅能有效获取规则,降低网络的输入维数,还能有效避免陷入局部极小,从而提高故障诊断的效率。     

基于粗糙集理论的棉花病害诊断方法

粗糙集理论作为处理模糊和不确定知识的一种数学工具,能够在保证分类能力不变的前提下对决策系统进行有效地约简并产生相应的决策规则。较之其他数据处理方法,粗糙集理论的优势在于处理数据时无需任何先验信息,这样得到的处理结果更加贴近客观实际。为此,在棉花病害诊断过程中引入了粗糙集理论,通过对棉花病害信息系统的约简实现了棉花病害的快速诊断,显著提高棉花病害知识发现系统的运行效率,为棉花病害的及时诊断提供一种有效的工具。     

基于自适应模糊控制的拖拉机远程监测系统设计

为了提高拖拉机监测系统的自动化和智能化水平,将自适应模糊算法应用到了拖拉机监测系统的设计上,通过自适应遗传算法和模糊PID反馈调节,实现了拖拉机故障和作业质量的智能化监测。为了验证自适应模糊算法在监测系统中的作用,以多拖拉机联合作业为测试对象,在农田作业区域布置了无线传感网络,对远程监测故障诊断结果进行了统计。统计结果表明:自适应模糊算法相比不采用智能算法得到的诊断结果更加准确,对提高监测系统的精度具有重要作用。     

基于粗糙集理论的烟草生产管理研究

烟草作为一具有种特殊的农作物,要达到质量效益的最大化,需要应用现代的作物生产管理方法.粗糙集理论对不完备决策表的处理优势,可以解决在生产过程中无法获得完备信息的问题.在限制容差关系模型下,以扩充分明矩阵为基础,提出了不完备决策表属性约简算法,实现了对不完备决策表的直接处理.通过属性约简获取决策规则,可以有效地指导生产管理.     

风力机故障诊断神经网络特征参数确定方法

为了诊断风力发电机组的故障,在搭建故障诊断神经网络平台时,选择合适的输入层特征参数搭建小波神经网络以达到网络训练时的稳定收敛.通过对风力发电机组故障诊断神经网络系统输入层特征参数的选择研究.发现风力发电机的齿轮箱、转子、叶片为独具代表性的易故障部件.分别对3个典型故障部件的一般故障类型和其产生机理进行了分析,得出齿轮箱的频率特性可以用来表征其故障类型,不同的转子故障会对应于不同的轴心轨迹,而叶片的故障诊断则可以运用声发射系统.根据分析的结果,提出了输入层特征参数的确定方法.齿轮箱按照其故障的时-频特性来确定输入层特征参数;转子利用其轴心轨迹能够反映故障类型的这一特性,来确定输入层特征参数;而风机的叶片则是通过“声发射系统”测量叶片表面性能时产生的特性数据作为输入层的特征参数.该方法可为风电机组故障诊断神经网络的建立提供参考.     

粗糙集理论在农业机械故障诊断中的应用

粗糙集理论是一种处理模糊和不确定知识的工具,它能够有效地确定哪些知识是冗余的,哪些知识是有用的,有效地减少训练时间,从而很好地弥补了人工智能的不足。因此,基于传统人工智能的机械故障诊断技术已开始转向以粗糙集理论为代表的计算智能领域。以某型农业机械故障诊断为例,选择运用粗糙集理论,通过对故障诊断原始数据的分析处理和属性约简后,得到了简明的故障诊断规则,取得了良好地故障诊断效果。     

基于粗糙集的农机化发展水平评价方法

在学习和研究现有农业机械化发展水平评估方法的基础上,利用粗糙集在处理信息方面的优势,对全国各省的农机化发展水平进行统计,建立知识表达系统.利用区分矩阵进行属性约简,求出属性核,得出最简指标体系,同时计算出约简后决策属性对各条件属性的依赖度.实验表明,约简后的属性集和约简前的属性集具有相同评价结果,同时计算出条件属性的权重,从而能有效地评估出农机化发展水平,提高评估效率及其准确度.     

风电机组传动链综合状态监测与故障诊断技术

为了实现对风电机组传动链结构及运行过程的监测与诊断,结合单一的物理仿真或单一的经验.利用风电机组传动链在线状态监测系统采集数据并预处理,采用FFT,FNN和专家系统推理机对不同类型的故障进行诊断,采用决策融合技术对诊断结果进行优化,构建风电机组传动链在线综合状态监测与故障诊断系统.将该系统与风电场CMS系统和SCADA系统相结合,对风电机组进行状态监测与故障诊断.以某风电场主轴轴承故障为例,分析振动幅值、故障发生时间、故障部位及故障程度,根据诊断情况,给出了专家意见.该系统具有很强的通用性、适应性、容错性和易实现性,提高了分析问题、推理及优化、远程诊断分析能力,达到了较高的智能化水平等建议.     

拖拉机变速箱的齿轮故障诊断研究

通过对拖拉机变速箱的故障分析，列举了故障发生率较大的变速箱齿轮所在的主要故障形式，并对齿轮故障诊断的试验台搭建、故障信号特征的提取、诊断模型的选择及遗传算法的应用做了论述。     

联合收割机行走变速箱故障特征提取方法研究

针对联合收割机行走齿轮箱故障诊断率低的问题,提出了基于遗传算法(Genetic Algorithm,GA)及样本熵优化VMD参数的故障特征提取方法,研究了不同分解算法对故障诊断率的影响,并在试验台上采集行走变速箱不同故障状态下的振动信号开展试验研究和验证。试验结果表明:与EMD样本熵和无样本熵情况相比,VMD样本熵具有维度低、识别精度高的优点,同WOA-KELM模型组合在故障诊断中有良好的识别分类性,可以用于联合收割机行走变速箱的故障诊断。     

时序分析在汽车变速箱齿轮故障诊断中的应用

采用时序建模的方法对汽车变速箱齿轮进行ＡＲ谱分析,通过与传统功率谱分析比较看出,时序分析在谱分析中有较好的性能,在故障诊断中具有良好的应用前景。     

车辆变速器故障诊断的Shannon熵研究

利用小波分析技术和信息科学原理，建立了机械故障诊断的Shannon熵分析模型。对车辆变速器的故障诊断进行研究，将测试信号进行多层小波分解与重构，计算各层重构信号的Shannon熵值及其和熵和，并进行图形显示和分析，获得其运行状态特性并进行故障诊断，为机械故障诊断提供了新的理论和方法。     

太阳能杀虫灯物联网故障诊断特征分析及潜在挑战

太阳能杀虫灯物联网（SIL-IoTs）是一种基于农业场景与物联网技术的新型物理农业虫害防治工具，通过无线传输太阳能杀虫灯组件状态数据，用户可后台实时查看太阳能杀虫灯运行状态，具有杀虫计数、虫害区域定位、辅助农情监测等功能。但随着SIL-IoTs快速发展与广泛应用，故障诊断难和维护难等矛盾日益突出。基于此，本研究首先阐述了SIL-IoTs的结构和研究现状，分析了故障诊断的重要性，指出了故障诊断是保障其可靠性的主要手段。接着介绍了目前太阳能杀虫灯节点自身存在的故障及其在无线传感网络（WSNs）中的体现，并进一步对WSNs中的故障进行分类，包括基于行为、基于时间、基于组件以及基于影响区域的故障四类。随后讨论了统计方法、概率方法、层次路由方法、机器学习方法、拓扑控制方法和移动基站方法等目前主要使用的WSNs故障诊断方法。此外，还探讨了SIL-IoTs故障诊断策略，将故障诊断从行为上分为主动型诊断与被动型诊断策略，从监测类型上分为连续诊断、定期诊断、直接诊断与间接诊断策略，从设备上分为集中式、分布式与混合式策略。在以上故障诊断方法与策略的基础上，介绍了后台数据异常、部分节点通信异常、整个网络通信异常和未诊断出异常但实际存在异常四种故障现象下适用的WSNs故障诊断调试工具，如Sympathy、Clairvoyant、SNIF和Dustminer。最后，强调了SIL-IoTs的特性对故障诊断带来的潜在挑战，包括部署环境复杂、节点任务冲突、连续性区域节点无法传输数据和多种故障诊断失效等情形，并针对这些潜在挑战指出了合理的研究方向。由于SIL-IoTs为农业物联网中典型应用，因此本研究可扩展至其它农业物联网中，并为这些农业物联网的故障诊断提供参考。     

机械式自动变速器在线故障诊断系统

详细论述了一个用于机械式自动变速器（AMT）控制系统的解析冗余故障诊断方法，在简要介绍了AMT基本结构和提供冗余信息的发动机，变速箱和离合器模型的基础上，详细说明了故障诊断逻辑，为了避免复杂运算和建立精确全局系统模型的困难，利用了一组局部小模型，在该方法中，利用存在于测量数据与动力传动系统局部模型和结构逻辑关系间的冗余信息检测和诊断传感器，执行机构以及AMT部件的故障，最后，对测试结果进行了讨论。     

Elman神经网络与遗传算法在变速器故障诊断中的融合应用

提出了基于Elman神经网络的变速器故障诊断方法,以克服传统方法不能用于时变系统的缺陷。由于加入了短时记忆环节和局部逆回互联功能,Elman神经网络具有优秀的时间序列预测能力,变速器故障就从特征信号平方预测误差的期望中检测出来。同时,引入了遗传算法来辅助神经网络的训练,以期获得最佳的检测性能。最后,通过变速器故障台架试验来验证该方法的有效性。     

小波-遗传算法在拖拉机齿轮故障诊断中的应用

运用小波变换的多分辨和时频局部化特性,建立故障征兆的初始征兆参数集合。利用遗传算法理论,对初始征兆参数集合进行空间搜索而得到能够反映故障状态模式的最佳征兆参数。在实践中应用在对东风81-A型手扶拖拉机齿轮箱的故障信号进行特征提取,取得了较好的效果。