基于模糊灰色关联神经网络的综合故障诊断方法研究

考虑到灰色关联诊断中模式向量各参数量纲不同,数量级存在差异,且各种特征因子有各自的应用缺陷,通过将模糊理论和灰色关联度相结合.形成所提取故障特征值的模糊关联度,将模糊关联度作为神经网络的输入量进行故障种类的识别,提出了模糊灰色关联神经网络故障识别方法,实现了针对在不同工作状态下的故障识别.对舰船主动力系统故障进行实例诊断研究,诊断结果表明,该方法准确、有效.     

基于模糊理论与神经网络并行推理的发动机故障诊断方法

将模糊理论与神经网络相融合，针对汽油发动机偶发性疑难故障，采用模糊信息处理方法确定故障的类别，通过神经网络的逼近能力来实现对故障进行诊断的功能。与单纯使用神经网络进行故障诊断的方法相比，基于模糊理论与神经网络并行推理的发动机故障诊断方法在输入参数不是训练时的典型数据（同训练时输入数据差别较大）时，系统仍能对输入样本很好地归类，给出较高精度的诊断结果，尤其对于单一系统的复杂故障具有很好的识别能力，可以提高对发动机故障的诊断精度。     

DSP在UM71轨道电路故障诊断系统中的应用

重点介绍利用DSP技术实现UM71轨道电路的故障诊断，并对UM71轨道电路故障诊断系统的结构、功能、特点及关键技术的实现方法提出了粗略的建议。     

基于改进新陈代谢GM(1,1)的ZPW-2000A型轨道电路故障预测

ZPW-2000A型无绝缘移频轨道电路在我国铁路线路上应用广泛,随着铁路线路向高速化、重载化的方向发展,传统的电务"故障修"及"定时修"在保证线路安全、提高运营效率及经济性等方面劣态日显.引入PHM理论,通过改进GM(1,1)模型实现ZPW-2000A轨道电路的故障预测.首先,为选取更优的预测模型,分别对传统GM(1,1)进行两次改进,即新陈代谢GM(1,1)模型与改进新陈代谢GM(1,1)模型.其次,引入预测步长思想,进一步提高模型预测精度.基于兰州西站轨道电路测试数据的算法验证表明改进新陈代谢GM(1,1)间接多步预测模型的预测结果最优.最后,通过实例验证了该模型在轨道电路故障预测中的有效性.     

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...     

ZPW-2000无绝缘轨道电路分路电流仿真研究

运用均匀传输线和电路四端网理论,建立了ZPW-2000无绝缘轨道电路分路电流的计算模型,利用MATLAB软件实现了分路电流的数值算法.仿真了轨道电路正常情况、补偿电容开路和短路故障情况下分路电流的分布,仿真数据对轨道电路故障诊断有较大价值.     

直流制式牵引供电对信号设备的干扰问题分析和解决

以西宁至格尔木复线中锡铁山车站为例,分析了直流制式牵引供电模式下97型25 Hz相敏轨道电路故障产生红光带原因.实验结果表明通过安装调整内部气隙后的扼流变压器,轨道电路故障解除,红光带消失,测试轨道电路参数满足其电气要求和极限传输长度.研究表明：不平衡电流中的直流成分过大会引起扼流变压器铁心直流磁化,使其激磁阻抗减少,导致轨道继电器端电压降低后错误落下,通过调整扼流变压器的内部气隙就可以解决这一类问题.     

一种优化补偿电容配置的方法

为更好地实现补偿电容在轨道电路信息传输中的作用,采用基于Mamdani模型的模糊逻辑理论,建立湿度和温度对补偿电容值具有影响的模型,达到在配置补偿电容时更加精确的优点,使得机车接收到的信息更加稳定、可靠。通过实例仿真计算分析,进一步证明该方法的实用性。     

高铁CTCS-3级列车运行控制系统轨道电路建模与仿真

CTCS-3级列车运行控制系统是我国高速铁路的核心系统之一,是铁路安全运输的重要保障。构建列车运行控制系统仿真测试平台,对于分析列控系统性能,验证列控系统功能具有重要意义。本文分析了CTCS-3级列控仿真测试平台中轨道电路模块的设计与实现,完成了轨道电路占用检查功能和轨道电路码序编制功能,并进行了轨道电路分路不良情况的识别与防护。     

ZPW-2000A轨道电路系统的FMEA分析研究

轨道电路作为铁路信号系统的关键设备,其可靠性对于保证铁路运输安全极为重要.以FMEA理论为基础,提出针对ZPW-2000A无绝缘移频轨道电路系统的FMEA分析方法;根据轨道电路系统的特性,定义相应的FMEA分析内容、分析层次划分规则、故障判断依据及严重度、发生度、检测度确定方法,并以此计算风险优先数;结合ZPW-2000A无绝缘移频轨道电路系统实际工况,进行FMEA分析.结果表明,将FMEA运用于轨道电路系统中,可以得到影响系统可靠性的潜在危险因素及薄弱环节,为ZPW-2000A轨道电路系统可靠性研究提供一种实用方法和理论依据.     

基于T-S模糊模型的船舶柴油机动态辨识

考虑到船舶柴油机模型的非线性和负载的不确定性,用T-S(Takagi-Sugeno)模糊辨识方法建立了船舶柴油机的动态模型。采用模糊聚类简化了T-S模糊规则数的确定和前提中隶属度函数参数的生成,用加权最小二乘算法得出辨识结论中的线性参数。对船舶柴油机在稳态运行工况下作小偏差工况扰动实验,得到在油门尺度和负载变化下柴油机转速、涡轮增压器转速等输出数据,利用该数据建立了描述柴油机动态性能的T-S模糊模型。仿真结果表明,利用该算法能有效地辨识出柴油机转速、涡轮增压器转速、增压压力、空冷器压力等输出在小工况扰动下的变化模型。     

基于模糊灰色关联模型的舰船液压装置故障诊断研究

从舰船液压装置及其故障的特殊性出发,提出液压系统是个灰色系统,其故障具有灰色性质,从而为灰色系统理论应用于液压装置的故障诊断提供了前提.鉴于液压系统的状态特征参数不确定或存在区间取值,基于模糊隶属函数提出了一种模糊灰色关联诊断模型,并对舰船液压装置进行故障诊断研究.结果表明,在信息量较少的情况下,模糊灰色关联分析方法是舰船液压装置状态识别与故障诊断的一个有效工具.     

基于支持向量机的励磁涌流识别算法

为提高变压器差动保护识别励磁涌流的能力,将支持向量分类机应用于励磁涌流识别,提出了一种基于支持向量分类机的变压器励磁涌流和内部故障识别新方法.基于励磁涌流和内部故障电流的特点,充分考虑电流互感器饱和的特点提取电流互感器二次侧间断角和二次谐波等特征,并对励磁涌流和内部故障电流的识别方法进行了分析;用EMTDC程序进行仿真,生成训练样本和测试样本,对支持向量机进行了训练和测试.结果表明,应用支持向量分类机对励磁涌流和内部故障进行识别,识别率平均可达99%以上.     

基于物元-阴性选择算法的轴箱轴承故障检测

针对高速列车轴箱轴承故障数据获取困难的问题，提出了一种无需先验知识的利用物元和阴性选择算法进行轴承故障检测的方法. 首先利用多维物元构建阴性选择算法的检测器模型，以检测器与训练样本之间的综合关联度作为匹配规则，并在综合关联度约束范围内引入控制参数，实现检测器对非己空间的更大覆盖；其次，根据匹配规则和控制参数构建适应度函数，采用粒子群优化算法生成候选检测器，分析控制参数对检测器生成和粒子群优化算法收敛速度的影响；此外，为降低候选检测器集合的冗余度，基于关联度提出了检测器特征参数区间的合并规则，将成熟检测器个数降低至18个；最后，通过信号模拟方法生成轴箱轴承的各类故障信号，建立100组测试样本，并利用18个成熟检测器进行故障检测. 研究结果表明:成熟检测器对不同类轴承故障均具有较好的检测性能，正常样本的检测器激活率为1.11%，故障样本的检测器激活率不低于96.67%.      

遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

基于模糊支持向量机的变压器故障诊断

针对支持向量机对训练样本内的噪声和孤立点比较敏感,影响了支持向量机分类性能的弱点,利用模糊支持向量机的学习方法,构建了变压器故障诊断模型．采取一种基于二叉树的多分类方法,使用模糊C均值聚类算法求取模糊支持向量机的模糊隶属度,采用径向基核函数,并利用遗传算法对模糊支持向量机的参数进行寻优．实验结果表明,基于二叉数的模糊支持向量机模型相比BP神经网络、支持向量机有更高的诊断准确率,基于二叉树模糊支持向量机的变压器故障诊断方法是可行的．     

Fault diagnosis for wind turbine based on improved extreme learning machine

A fault diagnosis method based on improved extreme learning machine (IELM) is proposed to solve the weakness (weak generalization ability, low diagnostic rate) of traditional fault diagnosis with feedforward neural network algorithm. This method fuses signal feature vectors, extracts six parameters as the principal component analysis (PCA) variables, and calculates correlation coefficient matrix among the variables. The weight values of control parameters in the extreme learning model are dynamically adjusted according to the test samples’ constantly changing. Consequently, the weight fixed drawback in the original model can be remedied. A fault simulation experiment platform for wind turbine drive system is built, eight kinds of fault modes are diagnosed by the improved extreme learning model, and the result is compared with that of other machine learning methods. The experiment indicates that the method can enhance the accuracy and generalization ability of diagnosis, and increase the computing speed. It is convenient for engineering application.     

基于投影寻踪动态聚类的快速路交通状态判别

为了提高快速路交通运行状态的判别精度,利用地点交通参数与交通状态之间的映射关系,提出了基于投影寻踪动态聚类模型的快速路交通状态判别方法.该方法综合投影寻踪技术和动态聚类方法构造投影指标函数,采用混合蛙跳算法优化投影指标函数的投影方向获得最佳投影方向,并利用仿真数据标定了交通状态判别阈值.结合仿真数据和实测数据进行了实验验证和对比分析.实验结果表明,投影寻踪动态聚类模型能够有效提高快速路交通状态判别精度,平均判别率为97.01%,平均误判率为0.86%,平均判别精度分别比BP神经网络模型和模糊C均值聚类模型方法提高了8.9%和4.5%.      

基于EEMD-Hilbert和FWA-SVM的滚动轴承故障诊断方法

为有效提取非平稳特性的滚动轴承振动信号特征,提高故障诊断效率,提出一种采用集合经验模态分解（empiricalmode?decomposition,EEMD）、Hilbert变换的特征提取方法,并利用烟花算法优化支持向量机（support vector machine,SVM）分类参数的滚动轴承故障诊断方法. 通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获取模态函数的瞬时频率,并对模态函数及其瞬时频率进行统计特征提取,从而实现特征的有效降维. 结果表明:信号经过EEMD-Hilbert处理后特征能有效提取,将训练集和测试集各600组数据代入烟花算法优化SVM模型得到测试集正确率为99.63%;比传统的遗传算法和粒子群算法优化模型分别提高0.4%和0.2%左右;同时收敛时间更短,验证了该算法模型的可行性与有效性.      

怒江某隐伏断层带岩体的力学参数取值

断层带岩体是工程建设中重点关注的一类特殊岩体，为了获取考虑围压效应的隐伏断层带岩体真实力学参数，依托怒江某水电工程，对坝基深厚覆盖层下隐伏断层带岩体开展三轴试验. 总结了一套断层带岩体取样—试验前处理—施加初始围压—三轴试验—参数取值的评价方法，可避免三轴试验过程中断层带岩体散体以及液压油对试样的影响，使试验结果更接近断层带岩体天然状态下的真实力学参数. 试验结果表明:5个断层带岩体试样的变形模量为449～921 MPa，平均值为665 MPa；黏聚力为0.04～0.22 MPa，平均值为0.13 MPa，取80%保证率的标准值为0.12 MPa；内摩擦系数为0.32～0.61，平均值为0.46，取80%保证率的标准值为0.35；黏聚力试验值比内摩擦系数试验值离散性大，表明断层带岩体黏聚力受物质结构、断层泥含量、胶结程度等的影响更大.