基于小波和自适应模糊神经的旋转设备故障诊断

针对传统的故障诊断方法和单独使用某一种智能诊断方法的局限性,将小波分析的故障特征提取方法和自适应模糊神经网络结合起来,对旋转设备的故障诊断进行了研究;通过对电机设备进行的故障诊断仿真实验,结果表明,与单独使用神经网路方法相比,该方法可以获得更高的故障诊断精度和诊断速度。     

智能交通系统中故障精确定位方法研究

针对目前智能交通运维系统中故障诊断误报率高,人工排查工作量大的问题,提出了一种基于双层链路的故障精确定位方法。根据设备历史数据采集频率特征,自动计算时间间隔阈值,并判断是否已超过故障阈值,超过后启动故障诊断程序。通过开辟针对网络链路与数据链路的监测线程,对硬件及软件接口进行多维度诊断处理,实现智能交通系统中故障状态的精准定位。该方法已在智能交通运维项目中应用,结果表明该方法精度高、误报率低、人工参与少,满足应用要求。     

基于矩阵扰动分析的模拟电路故障诊断方法

为了实现模拟电路的故障检测、故障定位和参数辨识的一体化处理,便于工程实施和降低故障诊断成本,提出一种基于矩阵扰动理论的模拟电路故障诊断与参数辨识方法.首先,对故障电路的采样时间序列值进行曲线拟合,得到电路故障相位偏移信息,并作为一个故障特征;其次,将采样序列构成一个方阵,求解该方阵的迹作为另一个故障特征;第三,以相位偏移信息和响应矩阵的迹随被诊断器件参数的变化而变化的对应关系为基础,结合两个故障特征,建立故障模型;最后,通过对两个国际标准电路诊断的实验验证结果显示,该方法故障定位准确率在98.5%~100%范围内,故障参数辨识误差在-1.2%~1.72%范围内.     

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。     

基于模糊积分的潜隐性故障状态转移过程分析

探讨了潜隐性故障的概念,分析了多态系统状态转移的马尔可夫过程,提出了基于模糊积分信息融合技术的故障诊断方法,在利用HMM模型进行初级诊断的基础上,采用加权平均方法确定模糊密度,通过科学计算模糊积分值实现潜隐性故障状态综合诊断识别.最后以某雷达火控设备单元控制模块为例验证了其有效性.该方法克服了智能故障诊断训练样本获取难...     

受电弓故障的车载图像识别技术

针对列车在途中因受电弓发生故障而影响运行安全的问题，提出了一种受电弓故障的车载图像识别技术，以实时检测受电弓降弓、变形与毁坏，碳滑板异常磨耗与缺口，弓角变形与缺失故障；基于更快速的区域卷积神经网络(Faster R-CNN)目标检测框架设计了弓头图像定位目标检测模型，利用残差网络代替原有卷积网络，利用特征金字塔多尺度预测结构构建了候选区域推荐网络，以精准、快速地进行弓头定位和状态检侧；基于掩码区域卷积神经网络(Mask R-CNN)实例分割框架设计了弓头图像分割模型，并针对性地重新设计了检测头的网络结构与特征图尺寸，以适应受电弓的细长弯曲特征，从而准确、快速分割弓头图像；为了在分割后的二值图中更快速地识别与定位故障，根据受电弓结构尺寸和图像分割模型输出的位置坐标，制定了弓角与碳滑板故障的快速模板匹配策略，并在此基础上编制了详细的故障检测算法与程序。研究结果表明：在相应的数据集上，弓头图像定位目标检测模型的平均检测精度为0.944,平均每帧检测时间为0.029 s,弓头图像分割模型的平均分割精度为0.967,平均每帧检测时间为0.031 s,模板匹配的检测精度为0.985,平均每帧检测时...     

列车定位单元ODO故障分析及HMM的应用研究

列车运行过程中车轮会出现打滑抱死等现象,导致ODO(odometers)呈现功能故障状态,针对这一问题,进行了列车定位单元ODO故障分析及HMM(hidden Markov models)的应用研究.首先利用神经网络方法对ODO故障状态进行诊断;然后,引入基于HMM的故障诊断方法,从模式识别角度出发,建立ODO隐藏的故障状态模型,通过输入观测序列与分类器中的HMM匹配,得出ODO的故障诊断结果;最后,通过遗传算法对HMM中的参数训练部分进行改进.实例分析结果表明:利用神经网络进行故障诊断的故障识别率为33.3%,基于HMM的故障诊断方法对于正常和故障状态的诊断精度可达100%,总体诊断精度可达95%,利用遗传算法进行参数改进后经仿真对比表明:在训练速度上遗传算法可以较快到达稳态,训练精度提高了86%;在高噪声背景下用神经网络方法实现故障诊断具有明显缺陷,利用遗传算法可以改进B-W(Baum-Welch)算法易陷入局部最优的缺陷,基于HMM的故障诊断方法相较于神经网络方法有更高的准确性.     

神经网络与D-S证据理论分层融合的柴油机综合故障诊断方法研究

针对柴油机传统故障诊断方法处理数据量大、故障类型复杂多变的问题时存在诊断准确率不高的现状,利用数据融合原理,将神经网络和证据理论进行有机的结合,提出了神经网络和证据理论分层融合的柴油机故障综合诊断方法.该方法通过并行神经网络的结构提高局部诊断网络的诊断能力,并给出了基本可信度分配的客观化方法,充分利用各种故障的冗余和互补信息,可显著提高故障诊断的准确率.诊断实例表明,该方法能显著提高柴油机故障诊断系统的效率.     

受电弓滑板状态监测的图像目标提取

将数字图像处理技术应用于受电弓滑板状态监测,给出了受电弓无线图像监测系统的工作原理和组成结构,设计了图像目标的提取算法,将受电弓滑板图像的提取划分为粗提取和精提取2个步骤.该图像目标提取算法结合边缘提取、形态学图像处理、投影变换、聚类分析和Hough变换等方法,完成复杂目标图像的提取,并实现较高精度的定位.实验结果表明,所提出的算法对复杂背景、不均匀光照和噪声等影响因素不敏感,正确识别率能达到85%.     

基于多传感器信息融合技术的轨道交通车站设备故障诊断

本文在分析了轨道交通车站设备故障诊断的特点和多传感器信息融合技术的基础上,总结了适合于故障诊断的信息融合典型结构以及基于信息融合的故障诊断系统结构。该结构在轨道交通车站设备故障诊断系统中具有普遍意义,实用性强。     

一种改进时域同步平均的滚动轴承故障诊断方法研究

复杂结构设备的滚动轴承其振动信号成分复杂,故障信号微弱,信噪比很小,常规诊断方法难以有效消除背景噪声,有效提取故障信息.文中研究了基于相位补偿时域同步平均的滚动轴承故障诊断方法,并根据轴承故障信号存在调制的特点,探讨了同步周期的合理选取.通过对轴承内圈故障的仿真研究,验证了相位补偿时域同步平均方法的有效性,它能够同时提取故障特征频率与调制频率,为精确诊断轴承故障提供了新的途径.经进一步实验研究,证明该方法是有效的.     

高速列车牵引电机自适应故障诊断研究

为保证高速列车的安全高效运行,设计一种基于多模型方法的高速列车故障诊断与调节策略,实现了对未知牵引电机故障的准确诊断和给定速度曲线的渐近跟踪。首先,通过分析常见的牵引电机故障,建立故障模式集,得到每种故障模式下的高速列车参数化模型;再基于每种故障模式下的参数化模型设计自适应估计器,得到估计器集,并基于估计误差设计性能损失函数进行高速列车牵引电机自适应故障诊断;最后根据诊断出的故障模式和大小等信息设计高速列车自适应故障调节控制器,保证系统稳定和对给定速度曲线的渐近跟踪。仿真结果表明,设计的高速列车自适应故障诊断与调节策略能有效地实现对未知牵引故障的诊断和补偿。     

基于COM技术的远程虚拟设备故障诊断系统

针对设备远程故障诊断研究中存在的问题，将COM作为核心技术引入到远程虚拟设备故障诊断系统中，深入分析了基于COM技术的设备故障诊断系统的设计与实现方法，使其具有监测诊断的智能性、自主性．并且分析了COM技术、DCOM技术和虚拟测试技术．     

一种基于模式识别的故障在线诊断方法

该项研究的目的是为了提高快速实时自动控制系统在线故障诊断能力，介绍了一个基于模式识别的故障在线诊断系统，并结合一个电力电子电路故障诊断实例说明了该系统的具体实现。针对采用软件实现时在线诊断能力不强的缺点，提出了一种软硬件相结合的方法，以提高在线诊断能力。重点讨论了实现这一方法的专用波形采集卡的结构和功能，往往以及相关的技术处理措施。实验结果表明，该方法思路正确，显著地提高了在线故障诊断能力。     

基于遗传算法的750kV变电站故障恢复研究

针对主接线拓扑结构复杂的750kV变电站故障恢复问题,提出一种基于遗传算法的变电站故障恢复方法.该方法通过分析750kV变电站电压等级特性及设备间连接状态,对主接线进行分区处理并构建变电站故障信息矩阵与故障判定矩阵,运用深度优先搜索算法搜索失电区域.在此基础上,根据一次设备当前运行状态构建操作代价矩阵与故障恢复矩阵,以设备操作代价、非故障失电区域最小为恢复目标,利用遗传算法进行求解,获取合理的开关操作表,完成故障区域隔离及非故障停电区域正常供电.算例分析结果表明了该方法的有效性.     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

基于声响异常辨识的船舶柴油机故障诊断技术探析

文章对柴油机的故障表象与诊断技术进行了综合分析,结合理论与实践列出了在柴油机故障诊断中的异常声响发生的部位、异响表象特征和故障基本原因,并以实例阐述了柴油机声响异常辨识在故障诊断中的应用,介绍了该故障诊断技术的发展应用前景。     

二维联合模糊的液压系统故障诊断专家系统

提出了基于二维联合模糊评判的液压系统故障在线诊断方法;用MATLAB小波分析与模糊评判相结合的双重故障诊断模式,运用联合权重分配法构建故障诊断专家系统模糊矩阵;采用复杂样本方差估计,得出一个客观合理的故障征兆向量,实现了液压系统故障诊断的实时性,精确性;建立了起重机液压系统故障诊断专家系统。     

汽车故障诊断专家系统的设计与实现

针对目前汽车故障的复杂多样以及无法实时诊断的情况,提出了基于规则的汽车故障诊断专家系统。该系统运用汽车故障诊断专家的知识填充知识库,运用人工智能的理论,以产生式规则作为知识的表示形式,采用基于故障树的分析方法,运用正向推理,达到对汽车基本故障诊断的目的,实现对汽车实时故障的诊断。     

基于灰度形态学的车牌定位算法

根据车牌图像的统计特征,计算形态学滤波器的结构元素,进行图像背景估计;利用闭-开运算,处理残差图像;采用自动搜索种子区域填充算法,得到各个区域;根据区域的几何特征,判断是否为车牌区域;通过对二值化的车牌采用K-means聚类拟合直线方法进行倾斜校正,得到最终的车牌.实验结果表明:该算法简单、迅速,定位准确率高,为后继字符分割和识别奠定了基础.通过对120幅图像定位实验,总有效定位率为96.7%.用Matlab7.0实验时,每张车牌平均定位时间为2.438s,而用VC++实现时,平均定位时间仅为0.139s.