基于神经网络的柴油机磨损故障模糊诊断方法研究

针对柴油机磨损故障的特点，探讨了获取和表示诊断信息的方法，提出了采用神经网络与模糊理结合的模型诊断磨损故障。将该模型应用到柴油机磨损故障诊断中，其诊断准确率令人满意。     

医疗诊断仿真模型的建立

提出了一处医疗诊断仿真模型。该模型是一个多层次，多媒体和多专家协同的专家系统，采用计算机可以处理的形式模拟了专家诊断的过程和采取的手段，并开发了帮助各次医生进行诊断的辅助系统。     

柴油机诊断技术现状及专家系统策略研究

分析了内燃机车柴油机故障诊断技术的现状，在此基础上提出了开发柴油机诊断专家系统的必要性；对诊断专家系统的策略，包括知识策略和求解策略进行了分析研究，这个研究为开发柴油机诊断专家系统提供了理论基础；最后介绍了柴油机诊断原型的一个知识模型     

柴油机瞬时转速的仿真计算与分析

根据柴油机的动力学和运动学，建立了柴油机瞬时转速的计算模型，在LabVIEW软件开发平台上开发了仿真计算软件，进行了柴油机瞬时转速的仿真计算与分析．在实验室进行了柴油机瞬时转速的测量与分析，并与仿真计算结果进行了比较，证实了柴油机瞬时转速计算模型的正确性和对故障的可诊断性．考虑螺旋桨对瞬时转速的影响，分析了瞬时转速分析法用于船舶主机（柴油机）监测与诊断的应用条件．     

质子交换膜燃料电池水淹和膜干故障诊断研究综述

质子交换膜燃料电池水淹和膜干是其在运行过程中最常见的故障. 首先，阐述了质子交换膜燃料电池中水的产生和传输机理，概括了水淹和膜干故障的影响因素，列举并分析了基于电压、压力降和阻抗的水淹和膜干诊断指标及各自的优缺点，并从内部结构和电荷传输方面介绍了水淹和膜干对质子交换膜燃料电池的危害；其次，讨论了水淹和膜干故障基于模型、基于实验和基于数据驱动的3种诊断方法及其适用范围，另外分析了缓解水淹和膜干故障的常用措施；最后，对水淹和膜干故障进行了总结和展望，并指出基于数据驱动的在线诊断方法、适于故障诊断的模型建立、大尺度电堆及多堆间水淹和膜干故障的诊断及高效精准的故障诊断指标的探索有待深入研究.      

诊断推理中人工神经网络与基于案例推理的结合

对基于人工神经网的诊断方法与基于案例推理的方法（Ｃａｓｅ－Ｂａｓｅｄ Ｒｅａｓｏｎｉｎｇ，ＣＢＲ）的结合进行了研究，提出了两种结合方案，针对ＣＢＲ系统建立案例库索引这一难点，方案一利用人工神经网诊断分类器的诊断结果对案例库进行索引；方案二用人工神经网为待诊断对象对立模型，对正常的状态作出预测，通过预测值与实际测量值的差异对案例库进行索引，在作了最后诊断之前两种方案都利用ＣＢＲ的推理结果对神经网的诊     

故障诊断专家系统应用研究

提出了直流斩波电路故障诊断专家系统的理论根据及设计方法。知识库设计为多元故障树，诊断数据来源于对被诊断对象的测试与知识推理，依据特征向量实现故障定位。采用功能级故障诊断模型比依据网络理论建立的数学模型更为简便。     

基于贝叶斯网络的内燃机故障诊断研究

介绍了贝叶斯网络模型的数学描述，该方法对于设备诊断问题中存在不确定性、关联性问题具有很大的优势．将其模型应用在内燃机的故障诊断中，建造贝叶斯网络，并根据底事件的先验概率进行故障概率的计算，并给出维修建议．实例说明了该方法的有效性．     

自锚式钢管混凝土拱桥动力特性分析

对一座540m自锚式钢管混凝土拱桥，进行了空间有限元模拟分析，应用大型通用有限元程序对大桥建立了模型，解决了桥梁细部诸如支座、刚臂等细节的处理；最后对大桥的有限元模型进行了动力特性计算，得到了振型、频率的数据，可以对大桥的动力性能做出评价，有助于今后建立大桥的档案和健康诊断评估。     

基于神经网络的船用柴油机故障诊断方法

提出一种适用于船用柴油机故障诊断的方法，即三层ＢＰ网络模型诊断方法。初中结果表明，ＢＰ网络模型能在较大程度上模拟专家凭直觉和经验处理不确定知识的能力。     

基于Sugeno模糊模型的CNC机床故障诊断方法

通过将Sugeno模糊模型用于数控机床故障诊断系统的方式,实现了对各个诊断专家诊断结果的模糊综合,消除了诊断专家诊断结论的随意性,保证诊断结论的准确.利用此方法基于诊断专家系统技术可以实现对数控机床的自动诊断,诊断结果准确可靠.     

远程故障诊断中油液监测系统的数据采集

针对不同类型的监测实验设备特点和数据采集接口，编写了相应的数据采集或转换程序，为监测诊断提供数据基础．在此基础上，建立了以分布式组件对象模型为框架结构、以数据库服务器为数据维护工具的监测计算机软硬件网络．     

基于混合智能的金属结构诊断及维修决策系统

根据港口起重机金属结构故障发生的特点及其对整机使用安全性的影响情况,确立了起重机金属结构诊断与维修决策系统的基本任务和信息流向,分析了系统面临的智能技术问题,在此基础上,研究了一种智能混合模型,介绍了基于该模型的金属结构诊断及诊断决策智能系统的实现方法及应用特点。     

结构动态模型修改与动态诊断的智能方法

本文提出了一种基于神经网络自适应逆映射诉结构动力模型修改与动态诊断智能方法，详细讨论并解决了该法实施过程中若干关键技术问题。数值算例和实验结果令人满意。     

机内测试系统虚警问题的数学模型分析

根据虚警产生的机理及机内测试(BIT)系统信息处理流程对虚警率建模．基于Bayes概率分析构建了传统BIT系统虚警率的分析模型．为降低虚警率，提出嵌入数据异常检测和恢复功能的BIT系统改进模型，并证明了该模型的有效性，对影响FAR的因素进行了系统分析．分析表明，影响虚警率的主要特性参数有诊断层的虚警率以及传感层的漏警率和故障率．     

基于多尺度卷积类内迁移学习的列车轴承故障诊断

考虑变工况下列车轴承振动数据分布不一致情况下, 传统深度学习诊断模型的泛化能力下降, 提出了一种多尺度卷积类内自适应的深度迁移学习模型; 模型利用改进的ResNet-50网络分析振动数据的频谱, 得到了中间层次特征, 构造了多尺度特征提取器, 从不同尺度处理中间层次特征得到高层次特征; 将高层次特征作为分类器的输入, 同时计算了伪标签以缩短在不同工作条件下收集的振动信号的条件分布距离来进行类内匹配; 为了验证模型的通用性和优越性, 将提出的模型分别用于列车轮对轴承数据集和凯斯西储数据集的多个工况进行试验验证和分析。研究结果表明: 通过对齐不同域中同一类样本的高层次特征作为分类器的输入, 提出的模型获得了更为理想的故障诊断精度; 在列车轴承6个变工况诊断实例中, 平均诊断精度为90.75%, 与传统深度学习模型相比, 模型诊断精度平均提高了约10%, 召回率为0.927;在凯斯西储数据集的12个变工况诊断实例中, 模型平均诊断精度达99.97%, 比传统模型提高约10%。可见, 利用伪标签减小了不同域之间的条件分布差异, 很好地处理了源域和目标域数据分布不一致的问题; 多尺度特征提取器能从不同尺度对齐样本的高层次特征, 增强了模型的泛化性与鲁棒性, 是解决变工况列车轴承故障诊断问题的一种有效模型。      

电控机械自动变速器的故障自诊断和容错控制

根据电控机械式自动变速器系统的特点，提出了系统故障自诊断和容错控制的设计原则，分析了系统中已发生和潜在的主要故障现象及原因，给出了系统的故障模型及故障诊断方法，并对一些关键故障进行了容错控制设计。汽车道路试验证明该方法是行之有效的且非常实用。     

基于神经网络的发动机故障诊断技术研究

分析了神经网络在电子控制汽油机诊断中的应用;简要介绍了BP神经网络模型和学习训练过程,以及一种电子控制发动机诊断数据读取方法;简要说明了利用神经网络进行电控发动机诊断的过程。     

金属磁记忆检测的机理及实现

现代工业的发展，离不开各种先进的无损检测（NDT）手段。但纵观传统的NDT方法，都是在部件缺陷发展形成以后才能被发现。金属磁记忆诊断技术是目前唯一能预测部件早期损伤的新方法。本文从晶体结构出发，在理论上和实验上分析了金属磁记忆检测的机理，并建立了系统模型。     

数学方法在油液监测中的应用

在油液监测过程中，信息表现形式多样，容量高．监测智能化需具备高信息处理速度，以完成油液监测中的数据分析、趋势分析、故障诊断和状态预测等，这对处理中所用到的数学方法和模型提出了要求．文中依据油液诊断策略的原理，从数据预处理、模式识别和趋势预测等环节分析了各种数学模型和方法的应用现状，并对各方法进行了评述．