模糊故障诊断在水电机组中的应用

根据水轮发电机组的振动特点，本文探讨了适合于水轮发电机组的振动故障诊断方法，提出了将模糊技术应用于水轮发电机组振动故障诊断的思想，简要阐述了模糊故障诊断的基本原理，列出了水轮发电机组的征兆集和故障集，并根据征兆集和故障集的相互关系，提出了相应的模糊关系矩阵。最后通过模糊关系矩阵的运算，确定水轮发电机组的故障模糊向量。并以实际机组的振动故障为实例，验证模糊故障诊断方法的可行性和优越性。     

水轮发电机组控制系统故障检测与诊断技术研究

文章概述了控制系统故障诊断技术的主要内容,介绍了目前水轮发电机组调速系统存在的问题,着重阐述了故障检测、故障处理措施和智能故障诊断方法等主要技术手段,,提出了将先进诊断技术应用于水轮发电机组控制系统,形成在线检测、诊断的未来发展方向。     

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。     

基于粗糙遗传算法在打捆机齿轮箱故障诊断中的应用*

自走式连续作业打捆机是一款实现不停机连续打捆作业的新型秸秆收集装备,其关键功能部件齿轮箱发生故障会严重影响正常打捆工作。针对齿轮箱故障的防控和监测,提出一种结合粗糙集和遗传算法的故障诊断方法。该方法使用时域频域分析得到的多项故障特征参数作为条件属性,故障类型作为决策属性,并利用自适应遗传算法得到决策规则表,实现无需先验信息的属性约简和故障诊断。在齿轮箱故障诊断试验中,分别对不同故障类型进行信号采集和诊断分析,结果显示:该方法在无先验信息的条件下将12项故障特征参量约简为3项,根据决策规则表进行故障诊断的准确率为100%,结果表明该方法能准确判断故障的发生和故障类型,对实现故障监测和防控具有重要意义。     

基于粗糙集与遗传算法的采摘机器人路径规划

为了提高采集机器人路径规划速度和自主导航的智能化水平,提出了一种基于粗糙集和遗传算法的路径规划方法,从而有效地提高了路径规划的速度和精度。采摘机器人根据实际果实采摘环境,利用图像分割技术,对果实目标进行识别,在二维栅格地图环境下,制定出决策表,并使用粗糙集对决策表进行约简,得到最小决策表,将其作为遗传算法初试种群,进行遗传交叉和复制操作,优化路径规划算法。为了验证采摘机器人算法性能的可靠性,对采摘机器人的性能进行了测试,包括果实图像的识别和机器人路径规划能力。通过测试发现:采摘机器人可有效地分割提取出成熟果实,并可完成多目标任务。对粗糙集和遗传算法的性能进行了测试,结果发现:使用粗糙集可以大大降低所需训练种群的数目,减少平均迭代次数;增加障碍物的复杂程度后,使用粗糙集遗传算法可以明显地提高路径规划的速度,从而提高了机器人采摘作业的效率。     

基于改进RBF神经网络的水轮发电机组故障诊断

由于水轮发电机组受到水力、机械、电气等多方面因素的影响,导致其产生的故障非常复杂,且多种故障类型相互耦合,综合分析了减聚类、模糊 K-Prototypes算法以及改进的粒子群优化（PSO）算法,提出了改进的径向基函数(RBF)神经网络算法,构建了一种新的RBF神经网络模型,并将该模型应用于水轮发电机组的故障诊断中。仿真试验的结果表明,该模型的分类准确率更高,稳定性更好。     

基于改进VMD和GRU的水轮发电机组振动故障预警

针对水轮发电机组受水、机、电等因素相互耦合,早期故障特征被电磁和噪声所淹没难以提取的问题,设计了一种基于改进VMD和GRU的水轮发电机组振动故障预警方法。首先,采用BES算法对变分模态VMD的参数进行寻优,得到最佳的分解层数、惩罚因子和模态个数,然后采用最优的VMD算法对水轮发电机组早期的振动特征进行提取,最后将早期的振动特征输入GRU神经网络预测算法进行训练、验证和测试。仿真结果和工程实例表明,该方法可以有效快速准确提取水轮发电机组的早期微弱振动特征,实现水轮发电机组的早期故障预警,具有较高的工程应用价值。     

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。     

基于粗糙集理论的农村配电网故障定位

针对农村配电网当前运行的特点,构建了基于故障投诉电话信息和远方终端单元结合的故障定位决策表,并利用粗糙集理论化简决策表形成了配电网故障定位规则.仿真计算表明,该方法定位快速、准确,能够处理故障信息或投诉电话不完备的情况.     

基于EMD和Multi-fractal spectrum的BP水机故障诊断

为了准确判断水轮机组的故障,提高水轮机组诊断的精确性,建立了EMD-Multi-fractal spectrum和改进BP神经网络相结合的机组振动故障诊断模型.选取水轮发电机组不同工况下的轴系正常、轴承油膜涡动、转子部件不平衡、转子不对中等状态,采集各状态下的振动信号.经过经验模态分解得到振动信号波各种故障信号的EMD分量,根据信号波形趋势图由EMD系数提取出波形样本,再由多重分形谱算法提取波形样本的特征值alpha(q), f(q),将该特征向量作为BP神经网络的输入进行分类识别.将训练好的神经网络应用于全部样本,得到测试正确率为100%.该模型用波形提取信号特征代替了传统的频谱特性,并结合先进的多重分形谱进行诊断识别,为水轮发电机组故障诊断提供了一种新的思路.应用信号采集于水电厂运行的水轮机,根据诊断的结果对轴系各个部件进行局部校正,通过检测发现振动和摆度都大大减弱.该方法提高了检测精度,增强了人机交互性,具有重要的理论意义和实用价值.     

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。     

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。     

水轮发电机组故障诊断技术

文章主要从水电站的实际情况出发,对水电站机电设备状态监测和故障诊断的意义、定义和特点进行了描述,并对现有的设备故障诊断技术的研究及应用现状进行了分析,同时指出了未来水电机组故障诊断技术中应研究的重点方向.     

基于粗糙集和神经网络在小麦病害诊断中的应用

针对小麦病害诊断过程的复杂性以及处理信息的不确定性,综合了粗糙集理论与BP神经网络的各自优势,构建了小麦病害诊断模型。首先是对连续的样本数据进行离散化,主要采用差别矩阵计算方法进行启发式知识约简,得到最小简化规则,然后把约简结果作为BP神经网络的输入结点。实验结果表明,采用该方法不仅优化了神经网络的拓扑结构,还降低了神经网络的训练时间,同时大大提高了学习速度和故障诊断的准确率。     

水电机组状态监测与故障诊断

文章主要从水电站的实际情况出发,对水电站机电设备状态监测和故障诊断的意义、内容以及国内外的应用、发展方向进行了描述,分析了现有水电机组状态监测与故障诊断技术的研究现状,指出了存在的问题,同时提出了未来水电机组故障诊断技术的发展方向.     

基于粗糙集理论的泥石流危险度评价模型

以粗糙集理论中的上下近似集、属性约简、知识依赖度、属性重要度等概念为理论基础,将范例推理技术、相似系统相似度与粗糙集理论相结合,以云南37条泥石流沟的统计资料作为源数据,构建了基于粗糙集理论的泥石流危险度评价模型。提出了一种综合权重法计算影响因子的权值,利用范例相似度最大原则来探讨目标范例与源范例的关系。应用所建立的模型确定待评定的泥石流沟危险度等级,通过计算结果与实际值的分析比较,验证了危险度评价模型的可行性。     

基于粗糙集的烤烟烟叶智能分级方法

针对烤烟烟叶的分级问题,提出了一种基于粗糙集理论的智能分级方法.为了适应烟叶分级的特点,将粗糙集理论予以扩展和改进,给出了相应的离散化和属性约简算法.同时构造了烟叶分组、分级的二级推理模型,以实现合理粒度的知识获取.通过烟叶的化学指标进行"部位"和"颜色"上的并行分组,可得到各自的推理规则以及影响指标和相应的重要度.在规则推理获得烟叶的分组后,借助所有化学指标的重要度进行多属性决策判定得到烟叶的分级.实验结果表明该方法有效可靠,并优于同类其他方法.