电控发动机故障诊断属性约简算法应用研究

利用粗糙集理论中的区分矩阵属性约简算法对电控发动机的几种典型故障参数进行属性约简,为验证约简结果是否有利于下一步的故障诊断,采用较成熟的BP神经网络对其进行诊断验证,将约简结果作为网络的输入,待诊断故障作为网络的输出。通过学习训练结果表明:利用区分矩阵方法所获得的核约简不能作为故障诊断的特征参量,其导致网络不收敛,而其它3组约简可以用于区分现有故障。为获得最优的属性约简结果,利用二进制粒矩阵的方法进行了最优属性约简的证明。     

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.     

基于小波-主成分分析的离心泵故障诊断方法

提出了一种基于小波-主成分分析的故障检测方法,给出了该方法进行离心泵故障诊断的步骤.以离心泵出口压力脉动信号作为分析对象,利用改进小波算法构建其特征集;以泵的正常状态下测试数据为样本数据,经过主成分分析,对其特征集维数进行了约简,建立了特征提取模型.通过计算的距离测度的方法,实现了离心泵的故障识别.该方法改进了传统的故障智能识别方法大样本和阈值设定困难的局限性,实验验证了其有效性.     

基于电磁转矩的城轨列车电机-齿轮传动耦合系统故障诊断方法研究

针对城轨列车电机-齿轮传动系统中电气、机械部分难以耦合而导致各自独立研究问题,综合考虑电机非线性磁导和齿轮时变啮合刚度,建立基于电机等效磁路网络模型(PNM)的城轨列车牵引传动系统机电耦合动力学模型.在此模型上,考虑定子匝间绕组短路故障及鼠笼转子导条断裂故障,求得故障下机电耦合系统的动态响应;基于电磁转矩进行故障诊断,并与矢量控制单电机模型的诊断结果进行对比研究.研究成果表明:在低频域,PNM的电磁转矩频谱比矢量控制单电机模型的频谱在故障频率处幅值更大,更易于识别故障;在高频域,PNM电磁转矩诊断方法能识别到更为明显的电源频率的高次谐波分量,在机电耦合系统的故障诊断中更有优势;基于电磁转矩的故障诊断方法可以有效诊断城轨列车机电耦合系统故障,为无传感器的故障检测技术提供理论支持.     

基于信息融合的综合集成研讨厅故障诊断系统研究

通过对多传感器信息融合系统和综合集成研讨厅的本质分析,提出了一种通用的基于多源信息的综合集成研讨厅信息融合系统体系结构.结合对基于信息融合技术的复杂系统故障诊断框架分析与研究,以及信息融合综合故障诊断的一般过程,构建了一个通用的贯穿故障综合诊断过程的、基于信息融合的综合集成研讨厅故障诊断系统的体系结构,寻求到了一种基于多源信息融合故障综合诊断研究的新途径.     

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...     

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IBA-SVM的变压器故障诊断

为提高变压器故障诊断精度,准确映射变压器故障类型和特征气体的非线性关系,提出一种基于改进蝙蝠算法(improved bat algorithm, IBA)优化支持向量机(support vector machine, SVM)的故障诊断方法.在蝙蝠算法(bat algorithm, BA)的基础上引入惯性权重和莱维飞行机制,有效提高了寻找最优SVM惩罚因子和核函数参数的能力.将改进后的蝙蝠算法用于SVM的寻找最优参数并建立故障诊断模型.实验结果表明,采用IBA-SVM模型进行故障诊断与采用固定参数的支持向量机模型和粒子群算法优化支持向量机模型相比故障诊断精确度更高,基于IBA-SVM的故障诊断模型的诊断正确率可达到94%,有效提升了分类准确度.     

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...     

基于支持向量机的船舶柴油机层次故障诊断的研究

文章介绍了支持向量机的原理和算法,分析了层次分析法及其在故障诊断中的应用,并在上述理论下,建立了柴油机的故障模型。仿真结果表明,SVM能够在小样本的情况下解决柴油机故障诊断的分类问题,在实际的机械故障诊断的分类中具有广泛的应用前景．     

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．     

基于粒计算的交通流参数预测

交通流参数预测是交通流诱导和交通信息发布的重要依据.以信息颗粒为基 础数据分析单元,针对以往模糊时间序列模型存在的缺陷,提出一种新方法构建模糊时 间序列模型,该方法在挖掘数据内在信息关联的基础上,考虑时间变量影响下分析动态 可变的区域间隔长度.此方法主要特点是基于Gath-Geva 模糊聚类的时间序列分割,利用 模糊分割构造信息颗粒,以信息颗粒为数据单元,通过粒计算分析交通流参数动态变化 趋势.实验结果表明,基于粒计算的交通流参数预测可以预测合理的交通流参数置信区 间,比传统的参数数值预测可靠度更高,对于交通状态的动态分析具有指导意义.     

级配碎石垫层沥青路面非线性分析及模量研究

笔者在文中结合弹性层状体系理论和级配碎石垫层材料非线性本构模型关系,对级配碎石垫层弹性模量变化规律进行了分析,编制了计算级配碎石垫层计算点弹性模量的程序,绘制了碎石垫层回弹模量等值线图,并利用有限元软件对级配碎石垫层沥青路面进行线弹性有限元和非线性有限元分析.     

基于BP神经网络和振动测量的轴承故障诊断

根据BP算法神经网络模型,通过对轴承振动测量的分析,得到故障诊断的方法。阐述BP神经网络应用于轴承故障的基本步骤,包括BP网络结构、状态编码、网络训练、模式识别以及诊断实例分析。指出了BP神经网络在轴承故障诊断中的应用中存在的问题和发展方向。     

Fast affine projection algorithm for adaptive noise canceling and its application on the fetal electrocardiogram extraction

Aimed at the problem of adaptive noise canceling (ANC), three implementary algorithms, which are least mean square (LMS) algorithm, recursive least square (RLS) algorithm and fast affine projection (FAP) algorithm, have been researched. The simulations were made for the performance of these algorithms. The extraction of fetal electrocardiogram (FECG) is applied to compare the application effect of the above algorithms. The proposed FAP algorithm has obvious advantages in computational complexity, convergence speed and steadystate error.     

故障树分析法在船舶细水雾灭火系统故障查找流程图设计中的应用

文章通过对船舶细水雾灭火系统的工作过程及常见故障的分析,提出了用故障树分析法来对船舶细水雾灭火系统进行故障诊断,建立了船舶细水雾灭火系统故障树及其故障查找流程图。通过故障查找流程图轮机员能够快速准确地找出故障并及时排除故障,保证了船舶的安全航行。     

一种交流电机故障诊断中的特征提取与强化

为提高电机故障诊断的准确率和有效性,提出了一种故障特征提取与强化的新方法.即在对所采集的交流电机振动加速度信号进行数据预处理之后,用盲源分离方法进行独立振动源的分离,然后采用小波包分析方法进行特征提取,并进行特征频带的简化及特征强化处理,特征强化后的数据作为交流电机故障诊断模型的输入.该方法通过对振动加速度信号进行分离,能够分离出混合信号中的独立振动源,提高了故障特征提取的正确率和准确度;通过对特征频带化简,减少了故障诊断模型的输入,进而简化了模型的结构;特征强化使模型能够更有效地识别故障状态.     

含特殊负荷的配电网分层故障定位方法

特殊负荷接入配电网，增强了电源、负荷与电网之间的互动性，对故障定位提出了更高的要求，为此，提出了一种快速定位故障点的分层定位方法. 首先分析基于遗传算法的单层含特殊负荷配电网故障定位的不完备性；其次在单层模型的理论基础上，提出改进量子免疫算法的区域定位方法和隐枚举法的区段定位方法；最后对所提模型和基于单一智能算法的单层模型进行了对比仿真实验. 结果表明:与遗传算法、免疫算法和改进量子免疫算法构建的单层定位模型相比，所提分层定位方法大大简化了故障辨识模型的复杂度，在提高定位效率的同时保证了定位的容错性和稳定性，可将故障搜索维度降低69%，故障定位耗时在1 s以内，故障辨识率达到100%.      

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.