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。     

基于多小波和PSO-RBF神经网络的水电机组振动故障诊断

【目的】研究水电机组振动故障诊断的方法,为水电机组状态监测提供一种新的信号处理方法。【方法】对水电机组的振动信号进行多小波变换,提取振动信号的特征向量,将此特征向量作为学习样本输入到经过粒子群优化的径向基神经网络,通过训练后建立频谱特征向量和故障类型的映射关系,然后以测试样本和多故障测试样本为例进行应用检验。【结果】优化后的神经网络在第30次迭代时就达到了目标值,而优化前则需要56次迭代才能达到目标值。测试样本的诊断结果和测试样本的多故障诊断结果显示,期望输出与实际输出基本一致,故障识别的正确率达到100%。【结论】多小波-能量和经过粒子群优化的RBF神经网络结合的方法适用于水电机组的振动故障诊断,其诊断精度高,具有工程应用价值。     

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。     

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．     

基于灰色神经网络和证据理论预测地下水位的研究

用灰色GM(1,1)模型、BP神经网络模型和证据理论相结合而成的灰色证据神经网络模型,对山东枣庄区域地下水位进行预测。基本思路是运用灰色GM(1,1)模型所得到的预测值按前两年来预测下一年的组合规律分别作为BP神经网络的输入输出;再用BP神经网络输出作为证据理论基本可信度分配函数,使用D-S理论将信息进行二次融合;并用地下水位实测数据对模型进行验证。结果表明,预测模型具有可行性和实用性,为生态农业规划发展提供了科学依据。     

水电机组轴系统模态参数的时域识别研究

【目的】研究利用基于环境激励的模态参数时域识别技术,探讨如何获得运行中的水电机组轴系统的自振特性参数,为水电机组轴系统自振特性研究提供新的思路。【方法】将模态参数时域识别方法引入到水电机组轴系统的振动特性研究中,采用多信号分类法确定信号中含有的系统振动阶次,利用遗传算法构造目标函数,通过寻求最优解来获得机组轴系统的自振频率和阻尼比,并对某水电站机组轴系统的自振频率和阻尼比进行了识别。【结果】基于遗传算法的模态参数时域识别方法能有效克服噪声干扰,其对水电机组轴系统自振频率和阻尼比的识别结果能够满足工程精度的要求。【结论】基于遗传算法的模态参数时域识别方法为水电机组轴系统振动特性的研究提供了新的思路。     

智能化故障诊断技术的研究与应用

智能化故障诊断技术的关键是基于数据预处理方法的故障模式识别理论,其中数据预处理方法主要有小波分析、主成分分析和粗糙集理论等,故障模式识别理论主要有专家系统故障诊断法、模糊故障诊断法、灰色模型故障诊断法、神经网络故障诊断法、信息融合故障诊断法和基于范例推理的故障诊断法等.本文对各类故障模式识别方法的诊断原理、特点及其应用进行了比较和分析,并指出了故障诊断技术的发展趋势.     

基于数学形态滤波与LMD的农用电机齿轮故障诊断

由于农用电机中的齿轮运行环境恶劣,早期故障的不易发现,鉴于故障振动信号的非平稳性、非线性,并存在于大量的噪声信号中,很难提取故障特征。该研究采用数学形态滤波与局域均值分解相结合的方法。通过多结构多尺度数学形态滤波器对齿轮故障振动信号进行背景噪声滤除和振动信号提取,结合局域均值分解对信号进行处理,进而提取能量特征参数,并作归一化处理,最后采用BP神经网络对齿轮的各种运行状态进行分类识别。通过分析齿轮的正常状态,磨损和断齿与基于LMD分解的诊断结果作比较,该方法的故障识别率高于基于LMD和神经网络。     

基于粒子群优化RBF神经网络的水轮发电机组振动故障诊断

【目的】针对单一径向基(RBF)神经网络在水轮发电机组振动故障诊断中泛化能力不足的缺点,提出基于粒子群(PSO)算法优化的RBF神经网络。【方法】利用PSO算法操作简单、容易实现等特点及其深刻的智能背景,对RBF神经网络的参数(中心和宽度)、连接权重进行优化,并用经PSO算法优化的RBF神经网络对水轮发电机组振动故障进行仿真诊断。【结果】仿真诊断结果表明,PSO算法优化的RBF神经网络具有较好的分类效果,较RBF诊断模型精度高、收敛快。【结论】PSO算法优化的RBF神经网络,适用于水轮发电机组振动故障诊断,其诊断精度较高,具有推广应用价值。     

MlNAC2基因的克隆及其在南荻根部的表达模式

克隆南荻MINAC2基因的c DNA序列,该序列全长为933 bp,编码产物含310个氨基酸残基,其蛋白质理论相对分子质量为34 427.8,等电点(p I)为5.85,不稳定系数为34.84,为稳定蛋白,具有保守的NAM基序,无信号肽和跨膜结构域,可推测其为亲水性蛋白。亚细胞定位试验结果表明,Ml NAC2定位于细胞核,可能在细胞核内行使功能。转录激活试验结果表明,Ml NAC2是一个转录因子蛋白,且转录激活域位于C端。荧光实时定量PCR分析结果表明,高盐、干旱、脱落酸、茉莉酸甲酯和机械伤害均能诱导Ml NAC2基因在南荻根部的表达上调,而低温处理时表达下调。     

考虑失效相关性的管道腐蚀故障树新算法

为了预测管道腐蚀失效的发生及合理控制管道腐蚀,对油气管道腐蚀危害因素进行分析,建立其失效故障树。考虑到基本事件失效概率的准确性对故障树计算重要性的影响,引入D-S证据理论和Atanassov直觉模糊基本理论,对基本事件模糊概率计算方法进行改进。为提高故障树最小割集及顶事件失效概率的计算精度,建立基于修正的哈马邱尔积算子的最小割集基本事件并联系统失效概率分析模型,提出利用考虑基本事件的属性和分类的排序组合方法,求解多基本事件组合失效概率。研究结果表明:该方法可大幅提高顶事件失效概率的计算精度,为油气管道腐蚀的有效防护提供理论依据。     

基于D—S证据理论的管道多传感器数据融合

为了保证管道检测的准确度与可信度,通常需要采用多种检测技术即多传感器对同一部位进行检测,但检测的数据量大繁冗,需要进行融合与处理。利用D—S（Dempster—Sharer）证据理论,建立了应用于管道多传感器数据融合的流程模型,阐明了数据的融合流程。算例中根据各个不同传感器对不同缺陷的检测置信度,利用D—S证据理论对检测数据进行有效融合,最后根据D—S规则对缺陷类型进行判定。结果表明：在检测过程中利用D—S进行数据融合,保留置信度高的数据,可以得到更明确的判决结果,舍弃干扰数据,节省存储空间,有利于数据存储,实现长距离智能检测。（图2,表2,参11）     

系统诊断的模糊模型

本文在PMC模型的基础上,利用模糊理论提出了更接近于实际的模糊模型,讨论了各单元重要程度及故障的隶属函数的建立,论证了该模型的F-t一步和顺序可诊断性,得到了与PMC模型平行的新结论.     

证据理论及其在评估中的应用

针对新开设课程的课时设置问题,鉴于专家评估法存在的不确定性现象,采用D-S证据理论融合不确定性信息的方法,将每位专家的意见综合为专家组的一致意见,使评估结果更为合理,并为其它课程的课时设置提供借鉴.     

基于小波包的水力机组振动故障信号消噪方法研究

在水轮发电机组故障诊断中,提取监测信号中的奇异信号特征,对准确判断机组运行状态具有重要意义。研究充分利用水力机组振动故障信号的特征和小波包的特点,采用小波变换的方法,通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析,并针对南桠河姚河坝水电站水轮发电机组实测数据进行检验,取得了良好效果。表明所研究的故障信号消噪方法能有效地从信号中提取信息。