基于信息融合的涡轮发动机故障诊断方法研究

对近年来信息融合方法发展进行总结,着重介绍贝叶斯信息融合法、神经网络信息融合法、基于特征的信息融合法和D-S证据理论信息融合法,分析各种方法的原理和特点。以CFM56发动机故障诊断为例,用BP神经网络的输出结果为输入,构建D-S证据融合的识别框架,进行故障诊断。结果表明,采用D-S证据理论的方法,缩短了故障诊断的时间并提高了故障诊断的精确度。     

信息融合技术在柴油机供油系故障诊断中的应用

本文阐述了汽车柴油机故障产生原因的复杂性以信息融合技术的基本理论，提出了利用信息融合技术诊断柴油机故障的具体方法。     

基于SVDD与D-S证据理论的发动机故障诊断研究

提出了一种基于支持向量数据描述(SVDD)和D-S证据理论相结合的故障诊断新方法,通过SVDD算法分别判断来自单个传感器的数据,然后运用D-S证据理论对各传感器的诊断结果进行信息融合,最终实现对发动机的故障诊断.试验表明,该方法充分利用各信号源的冗余互补信息,降低了诊断的不确定性,提高了故障诊断的可靠性.     

基于多分类支持向量机和D-S证据理论的轴承故障诊断

针对支持向量机( SVM)硬判定输出分类结果缺乏定量评价的问题,提出了一种多分类SVM后验概率建模的改进方法。通过引入D-S证据理论,得到多分类SVM在D-S证据理论识别框架下的基本概率分配,使样本在分类时同时具有定性解释和定量评价。接着,将多源信息送入SVM之后在决策级对多个SVM分类输出进行证据融合,以提高诊断精度。最后,将该方法应用于轴承故障的诊断中。结果表明,该方法能正确分类采用单源信息时所错分样本,降低识别的整体误差,显著提高故障诊断的准确性。     

信息融合技术在汽车ABS系统故障诊断中的应用

针对汽车电控系统故障诊断的复杂性,提出用多传感器信息融合技术来解决该问题的思路。研究了一种决策层信息融合方法(Dempster-Shafer证据推理法)在汽车防抱死系统故障诊断中的应用,并详细介绍了在此实例中的故障识别框架的建立、mass函数的确定、证据合成等内容。结果表明,基于Dempster-Shafer证据推理的决策层信息融合方法能够准确、有效地诊断出ABS系统故障所在的部位。     

基于1DCNN与双通道信息融合的柴油发动机故障诊断

针对传统单通道振动信号诊断方法只能采集部分信息用于局部诊断,而多通道信号融合权重确定困难、实时性差的问题,提出一种基于深度一维卷积神经网络(One-dimensional Deep Convolutional Neural Network,1DCNN)与双通道信息融合的柴油发动机故障诊断方法.通过搭建柴油发动机预置故障试验台,将传感器配置于发动机不同位置以采集发动机运行过程中的双通道故障信号,分别提取振动信号中的最大值、最小值、峰峰值、均值、整流平均值、方差、标准差、峭度等14个特征,构建特征集矩阵并利用主成分分析(Principal Component Analy-sis,PCA)进行特征融合,输入深度一维卷积神经网络,实现对发动机不同故障状态的诊断.试验结果表明,该方法可以有效识别发动机不同的故障状态,与单通道信号诊断相比,所提出的双通道信息融合方法在发动机故障诊断中具有更好的效果.     

柴油机故障诊断专家系统知识库设计

在分析柴油机故障诊断知识特点的基础上,采用模糊化方法对柴油机运行状态参数进行处理,采用综合型知识方式来表达柴油机故障诊断知识,采用多库多层次的方式组织知识库,并对知识库采取一系列方式进行管理与维护。应用表明,柴油机故障诊断专家系统的预报准确率较高,具有较强的实用性。     

神经网络在电控柴油机实时故障诊断系统中的应用研究

本文主要针对电控柴油机故障诊断的特点，分析了神经网络用于故障诊断的可行性，探讨了神经网络用于故障诊断的机理，阐述了BP网络的设计方法，并设计了适合本诊断系统的BP网络结构。实验结果表明，在电控柴油机故障诊断系统中运用神经网络技术进行实时诊断是完全可行的。     

基于多信息融合的汽车电子系统故障诊断技术

汽车电子技术的应用能够使汽车功能逐渐完善,也会满足人们的更多需求。同时,随着系统功能的丰富,故障复杂程度也随之增加,为故障检测带来了相当大的影响。本文基于多信息融合原理,获取可用数据,在有效了解汽车状况的前提下,结合汽车电子系统故障诊断技术分析,为汽车故障的快速诊断提供参考。     

基于融合技术的BP算法在发动机诊断中的应用

主要融合了怠速控制阀信号、喷油驱动器信号及水温传感器信号,设计了通过提取信号特征值,应用神经网络故障识别系统诊断发动机怠速不良故障。信号特征以各自信号的特点提取,其中怠速控制阀信号为脉宽调制信号,选取脉宽及幅值等参数为特征;喷油驱动器信号也为脉宽调制信号,选取喷油时间和峰值电压等为特征;水温信号因其为慢速变化信号,取不同阶段的水温为特征。神经网络的BP算法加入动量项法和动态参数两阶段调整法进行改进。     

基于模糊诊断技术的柴油机故障诊断

由于柴油机随着使用期延长和使用条件的变化会发生多种故障,许多故障现象不易被发现,故障现象与故障原因之间的关系也是模糊不清,借助模糊数学的方法,把模糊现象与因素之间的关系用数学式进行描述,寻找故障的部位和原因。通过实例验证,结果表明,该方法与其他方法有较好的一致性,在故障诊断方面有较高的准确性。     

柴油机状态监测与故障诊断特征参数研究

介绍了柴油机状态监测与故障诊断特征参数中的非振动参数和振动参数,前者包括能够表征柴油机整体性能的进气压力、转速波动和整机功率;后者包括能够表征柴油机故障信息的中波幅值脉冲、高波幅值脉冲、最大燃烧压力和燃烧均匀性值。对振动信号进行小波包分解,提取包含待诊断部件故障信息的频带能量指标作为故障诊断的特征参数。得到了柴油机状态及故障的特征参数及其变化规律,从而为开展柴油机在线监测和故障诊断提供了可靠的依据。     

基于BP网络的柴油机故障诊断方法研究

采用BP神经网络对柴油机气缸套磨损故障诊断进行了研究。首先运用单BP网络方法对柴油机气缸套磨损故障进行了诊断,诊断结果表明该方法还存在一定不足;提出了基于组合式BP网络的故障诊断方法,诊断结果表明,采用组合式BP网络的故障诊断方法可有效地提高柴油机气缸套磨损故障诊断的准确性和有效性。     

基于信息融合的发动机全系统故障诊断研究

针对传统发动机故障诊断的不足,利用多传感器信息融合技术可以提高故障诊断精度的特点,将多传感器信息融合技术引入发动机故障诊断,提出了基于多传感器信息融合的发动机全系统故障诊断策略。     

模糊联想记忆网络在柴油机故障诊断中的应用

由于传统的故障诊断方法在机械设备整体故障诊断中难以有效发挥作用，通过把模糊数学和神经网络理论应用到故障诊断中，构建了一具有联想记忆功能的模糊神经网络。并结合190A型柴油机的故障诊断，验证了算法的有效性。     

基于模糊模式识别的柴油机故障诊断研究

应用时序建模方法提取特征参数 ,在提出一种隶属函数计算方法的基础上 ,运用模糊模式识别方法进行燃油喷射系统故障诊断 ,并通过喷油泵试验台上的典型故障试验进行验证。     

强噪声背景下的柴油机失火故障诊断

柴油机失火是常见的故障模式,传统的诊断方法不仅参数获取困难且准确性差。针对此问题,以3缸四冲程柴油机为研究对象,设计了柴油机失火故障的预置试验,采集排气噪声和缸盖振动信号进行故障诊断研究。为提取强噪声背景下的微弱信号,采用二次采样随机共振系统提取柴油机故障特征频率完成柴油机的失火故障诊断。研究结果表明,通过二次采样处理,随机共振系统可以将噪声能量转移到柴油机微弱特征信号上,达到大参数条件下微弱信号特征提取的目的,能有效识别柴油机的早期故障,对其他复杂机械的振动诊断同样具有参考价值。