基于数据挖掘的车辆传动系统运行状态监测研究

引言传动系统不仅是影响车辆机动性的核心部件,也是致命故障的主要来源之一。因此,对传动系统的状态监测与故障诊断是车辆故障预测诊断的核心内容之一。本文将数据挖掘技术引入车辆传动系统的状态监测与故障诊断领域。通过数据挖掘技术能够存储并快速检索大量的、有噪声的、模糊的、不完全的、疏密不均和随机的监测诊断数据,提取隐含在数据中的知识规则、模式和关系,自动进行     

基于数据挖掘的车辆传动系统运行状态监测研究

引言 传动系统不仅是影响车辆机动性的核心部件,也是致命故障的主要来源之一.因此,对传动系统的状态监测与故障诊断是车辆故障预测诊断的核心内容之一.本文将数据挖掘技术引入车辆传动系统的状态监测与故障诊断领域.通过数据挖掘技术能够存储并快速检索大量的、有噪声的、模糊的、不完全的、疏密不均和随机的监测诊断数据,提取隐含在数据中的知识规则、模式和关系,自动进行解释和知识评估,为掌握设备运行状况、监测故障征兆提供快速的特征描述和辨识性描述.     

模糊逻辑诊断技术在汽油机故障诊断中的应用

根据汽油机故障征兆与故障原因之间并非一一对应的不确定关系特点,有针对性地提出了模糊逻辑诊断原理,给出了利用模糊逻辑诊断技术对汽油机故障进行分析诊断的方法,通过实例说明了模糊逻辑诊断技术在汽油机故障诊断中的应用．     

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.     

基于模糊Petri网的摊铺机液压调平系统故障诊断

以SP120摊铺机的液压调平系统作为研究对象,分析该系统的故障形式及其原因,提出基于模糊Petri网的摊铺机液压调平系统的故障诊断方法,用模糊Petri网表示液压调平系统故障诊断知识,建立模糊Petri网故障诊断推理模型,并利用基于图形搜索的模糊Petri网推理算法对其进行故障的推理和诊断,验证该算法的可行性,该方法应用于诊断工程机械液压系统故障是准确有效的。     

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。     

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。     

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.     

粗糙集与神经网络在发动机故障诊断中的融合应用

电喷发动机运行的状态信息众多而复杂,故障与状态信息的关系模糊而不确定,如何从复杂的多元信息中获取有用部分并加以利用是电喷发动机故障诊断的关键.本文应用粗糙集理论对冗余信息进行约简,得到更为简明的诊断规则,将约简结果与神经网络相结合,建立了故障诊断系统.网络的训练对比结果表明,粗糙集理论的约简处理简化了神经网络结构,提高了网络的训练效率;通过实例验证了粗糙集理论与神经网络相结合进行电喷发动机故障诊断的可行性.     

粗糙集与神经网络在发动机故障诊断中的融合应用

电喷发动机运行的状态信息众多而复杂,故障与状态信息的关系模糊而不确定,如何从复杂的多元信息中获取有用部分并加以利用是电喷发动机故障诊断的关键.本文应用粗糙集理论对冗余信息进行约简,得到更为简明的诊断规则,将约简结果与神经网络相结合,建立了故障诊断系统.网络的训练对比结果表明,粗糙集理论的约简处理简化了神经网络结构,提高了网络的训练效率;通过实例验证了粗糙集理论与神经网络相结合进行电喷发动机故障诊断的可行性.