基于PCA-SDG的水轮机调节系统故障诊断

讨论了基于符号有向图SDG的故障诊断方法,建立了闭环控制系统的SDG模型及故障诊断推理规则.利用经验方法建立了典型的水轮机调节系统的SDG模型及故障诊断推理规则.针对SDG模型节点符号确定的主观性问题及节点阈值的组合爆炸问题,将主元分析PCA方法与SDG模型结合用于故障诊断.利用系统运行数据建立主元分析PCA模型,根据PCA模型构造残差统计量进行故障检测,当有故障发生时,将每一检测分量对残差统计量的贡献率与设定的贡献率阈值比较,得到各检测分量的定性符号值,该符号值作为SDG模型中相应节点的符号,根据SDG推理规则进行故障推理,找出故障源.根据现场运行数据建立水轮机调节系统的PCA模型,应用PCA-SDG故障诊断方法对其进行故障诊断,模拟系统传感器恒偏差故障,对故障诊断过程进行仿真,结果证明该PCA-SDG故障诊断方法对水轮机调节系统是有效的.     

基于小波能量集相似度的水泵故障诊断研究

采用小波分析法,提取水泵运行信号的各频段小波能量集,这一特征向量集对水泵状态的单一故障、多故障具有较好的识别性,其警兆信息甄别的相似度接近0.9以上。基于小波能量集的水泵故障诊断方法,可以较好满足工程运行的需要。     

水泵在线智能监控技术的研究

针对核电、化工流程用泵监控参量少，对水泵进行监控及故障诊断还显得困难的现状，介绍了水泵监控参量信号的转换方法及分析要点，提出了用运行性能、汽蚀性能监控水泵的新方法；描述了用趁势分析法进行水泵故障趋势预测的新技术，阐述了监控网络平台的构建思想。     

自来水厂供水泵性能在线检测方法的研究

建立了针对自来水厂水泵性能曲线在线检测的有效方法，解决了过去水泵在线检测只能测量单点工况、不能获得性能曲线的难题，为提高水泵运行效率、优化运行参数以及水泵在线故障诊断提供了有效手段。对开展其他领域的水泵性能曲线在线检测或泵站工程验收等提供了一定的借鉴。     

联合收割机电气开机自检系统设计与实验

设计了联合收割机电气开机自检系统.通过分析联合收割机诊断对象电压的变化规律,建立了蓄电池和保险丝的故障诊断模型;通过对诊断对象施加测试电压,分析不同故障状态下的电流特征,建立了照明部分、喇叭的故障诊断模型;开发了联合收割机电气开机自检系统硬件和软件.试验结果表明,故障诊断算法正确,系统运行可靠.     

水泵微弱故障信号的检测

噪声是影响水泵早期故障诊断正确性的主要因素．利用小波变换对水泵的噪声信号进行多层次分解，并根据相邻层小波系数相关性进行滤波，该法可以对信号进行良好的降噪，同时也不会弱化信号中的弱故障信号．通过对水泵早期故障信号分析，结果表明，小波域相关滤波法对水泵早期故障诊断是有效的，     

基于数学形态学的水泵振动故障诊断研究

基于多尺度数学形态谱及形态谱熵等理论,对多组实测水泵故障信号分析对比其形态谱特征和形态谱熵,提取故障信号特征,并结合信号时域图,达到故障识别的目的。研究表明：采用数学形态谱和形态谱上理论能够对杂乱无章的故障进行特征提取,故障信号识别成功率在90%以上,较好的达到了故障诊断的目的,这为信号处理和水泵故障诊断提供了新方法,具有较高的实用价值和学术价值。     

基于支持向量自回归的大型离心式水泵振动状态预测研究

为了预测大型离心式水泵在运行中的振动状态,提高其运行的安全性和经济性,采用了统计学习理论中的核心算法支持向量机建立了大型离心式水泵振动预测模型(SVAR)。并通过实例,与基于灰度方法建立的预测模型(GM)和基于自回归方法建立的预测模型(AR)进行了比较。结果表明:基于支持向量自回归的大型离心式水泵振动预测模型具有精度高、速度快、易于建模的特点。应用该方法建立的预测模型能够很好地预测大型离心式水泵运行中的振动情况,有效地避免其在运行中由振动引起的故障,提高运行的安全性和经济性。     

变频调速水泵智能故障诊断方法

提出了一种粗糙集理论与神经网络集成的调速水泵故障诊断方法.针对调速水泵运行非恒速度的特点,首先用基于数字重采样的阶比分析方法对水泵振动信号进行预处理,然后利用粗糙集理论进行故障诊断决策系统约简,获得最优决策系统,最后在最优决策系统的基础上,设计RBF神经网络对调速泵进行故障诊断.试验结果显示,该方法能有效提高变频调速水泵故障诊断的精度和效率.     

基于小波神经网络的旋耕装置机械故障诊断研究

首先,介绍了小波变换原理及其在故障检测中的优势;然后,采用三层小波神经网络模型,构造了旋耕装置机械故障诊断模型;最后,从建立旋耕装置故障特征、提取故障特征向量,以及建立和训练小波神经网络模型等方面,实现了基于小波神经网络的旋耕装置机械故障诊断模型,能够实时完成对旋耕装置的机械故障诊断。通过验证与分析,证明了诊断系统的可行性和精确性。     

基于支持向量机的地面驱动螺杆泵井工况诊断技术

地面驱动螺杆泵井举升工艺的故障频发,限制了其进一步发展.为了提高地面驱动螺杆泵井的经济效益和管理水平,提出了基于支持向量机的地面驱动螺杆泵井工况诊断技术.选取产量、动液面等8个表征油井工作状态的变量作为输入参数,常见10种螺杆泵井工况作为输出参数,以东胜公司金家油田已存故障地面驱动螺杆泵井为基础,建立诊断样本集,采用投票法建立C²₁₀=45个子分类器,基于网格寻优、遗传算法和粒子群寻优算法对C,g进行优化计算,借助Matlab调用Libsvm工具箱对支持向量机模型进行训练,利用东胜公司金家油田15口地面驱动螺杆泵井进行诊断验证,并与人工神经网络方法进行了对比.结果表明:采用支持向量机诊断方法诊断正确的有14口油井,诊断正确率为93.33%,与人工神经网络方法(88.90%)相比具有更高的精度,在小样本诊断问题中具有更强的优势,是一种切实可行的智能诊断方法.     

支持向量机在发动机故障诊断中的应用研究

鉴于支持向量机(SVM)的优越性及汽车发动机的故障特点,本文提出将支持向量机应用到发动机故障的智能诊断中。该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,而且模型简单。首先对采集的故障信号采取信息融合方式进行特征提取,以获得特征向量。在此基础上通过多分类支持向量机对发动机故障进行分类测试,建立了故障诊断模型。试验结果表明:该方法具有较高的诊断精度,达到了发动机的故障诊断要求。     

水泵机组状态监测与故障诊断系统研究

从20世纪60年代到21世纪，我国的泵站工程为输水、供水以及防洪减灾提供了有力保障。针对水泵机组的状态监测与故障诊断进行研究，建立水泵机组状态监测与诊断的软件及各分析模块与数据库，进行机组性能的预测研究，为水泵机组的状态维修提供支持。     

离心输油泵故障诊断专家系统的研究与实现

提出了一种新的对基本神经网络进行组合的思路，将基本神经网络分层联接，每一层对应对象的某一属性，并根据属性分类。以这一思路为指导，组建了BP网络与竞争网络组织相结合的神经网络，并以此为核心，搭建了离心输油泵故障诊断专家系统的框架。     

水资源取水监测体系故障监测与运维管理技术探讨

水资源监测管理是关系到国民经济持续发展的重要任务之一,取水监测的准确性、实时性和稳定性是全面落实最严格的水资源管理的关键环节。面对点多面广的取水监测站点,我国仍采用传统的人工运维监测与管理模式,存在着管理方式粗放、运维效率低下及运维费用高昂等问题。为了解决上述问题,提出了一种基于故障自动诊断的主动运维管理模式,主要包括故障信息采集、故障诊断、故障评价和故障处理四大模块,实现水资源取水监测体系故障实时监测、运维科学调度的高效管理模式。技术成果在安徽省水资源取水监测体系得到了应用,为安徽省水资源取水监管能力的稳定提升提供了技术保障。     

变速箱故障模糊诊断的研究

变速箱是机械设备的重要组成部分.由于机械设备的特殊运行条件和运行环境使得变速箱中齿轮副、轴、轴承等常发生故障.因而随着科学技术的发展,对变速箱实施故障诊断,显得尤为重要.而故障诊断的前提是对于故障特征信号的提取.近年来,模糊故障诊断技术在故障诊断和特征提取方面的应用也越来越多.为此,利用故障模糊诊断技术,通过对齿轮在运转时产生的振动信号进行特性分析,诊断齿轮系统的故障.     

基于主成分分析和遗传支持向量机的发动机故障诊断

为了实现发动机故障的快速实时诊断,提出一种基于主成分分析（PCA）和遗传支持向量机（GA-SVM）的发动机故障诊断方法。该方法利用振动信号经小波变换和主元分析来提取故障特征,以减少信号的冗余。针对人为选择SVM参数的盲目性,应用遗传算法优化其参数,并与BP神经网络（BPNN）比较。试验结果表明：GA-SVM比BPNN具有更强的分类识别能力,小样本故障诊断正确率达100%。     

离心泵机组振动故障诊断与分析

针对某离心泵机组振动严重超标,影响服务寿命等问题,借助北京京航公司HG8908C多通道数据采集系统进行振动速度数据采集,对其振动信号进行幅域、时域分析,并运用快速傅里叶变换(FFT)信号分析方法对其频域信号特征结构进行了细化分析,并结合以往典型振动故障案例数据库,给出了该泵组由于转子部件与壳体部件间动静口环摩擦及平衡水管支撑刚度不足引起的振动故障,与拆检解体结果完全吻合.最后通过有限元计算泵转子静弯曲挠度控制转子的安装抬升余量,增加平衡水管厚度及对其焊接斜拉支撑等措施,有效地解决了该泵组振动超标问题,处理后的泵组振动信号稳定,周期性明显,频率结构正常.试验结果表明,此方案能够较好地解决离心泵机组振动故障问题,对于离心泵机组类似振动故障问题的诊断方法及处理措施具有一定参考价值.     

基于因素空间的油葵联合收获机故障诊断推理机制

当油葵联合收获机出现脱粒滚筒堵塞等故障时会影响联合收割机作业效率,而缺少自动故障早期预警手段的问题日益突出。为此,以因素空间理论为基础,研究了油葵联合收获机的故障诊断问题。在因素空间中,油葵联合收获机故障通过将其征兆因素集综合起来进行描述,通过因素分析得到故障诊断类型;并构建了装备故障诊断知识库和推理机制,进行了油葵联合收获机故障诊断仿真。仿真结果表明:基于因素空间理论的故障诊断方法能够成功地诊断出其故障类型,对油葵作物联合收获机的科学维护及可靠运行提供重要的参考。