基于熵-AHP灰色关联法的水利水电工程社会评价

针对传统的灰色关联度分析方法存在的不足,提出了一种基于熵-AHP综合赋权改进灰色关联分析的方法,并将其应用于江垭水利枢纽社会评价中.结果表明,该方法避免了人为推断的主观性,且准确性较高.     

基于灰色系统理论的汽轮机故障诊断方法研究

基于灰色系统理论中的关联度分析法,分别对汽轮机在磨削加工时表面烧蚀状态和运行过程中轴承的工作状态进行了诊断分析,给出了不同状态下的关联系数和关联指标,结果表明灰色系统理论方法可有效解决汽轮机的故障诊断问题.     

灰色关联度分析在直接空冷凝汽器故障诊断中的应用

首先完善直接空冷凝汽器的故障样本,然后提出将灰色关联度分析应用于凝汽器的故障诊断。并通过诊断实例,阐述了该方法的具体实现,验证了所提方法的可行性。结果表明:灰色关联度诊断法计算过程简单,不带主观性,诊断准确率高,可较好地应用于直接空冷凝汽器的故障诊断。     

主成分-灰色关联分析方法的风电机组齿轮箱故障诊断

针对风电机组变工况运行造成设备故障诊断困难的问题,提出了主成分-灰色关联分析方法,解决风电机组齿轮箱故障诊断问题。通过阶比重采样方法对信号进行预处理,消除原始数据非线性带来的不良影响;考虑到信号能量变化会对分析带来误差,用无量纲参数作为故障诊断的特征数据;应用主成分-灰色关联分析法,对各特征参数赋予权重,增强了分析数据与故障特征间的关联性,提高了故障诊断精度。试验及实际应用结果分析表明,文章所提出的方法能够较准确地对风电机组齿轮箱故障进行诊断。     

基于EMD及灰色关联度的滑动轴承润滑状态故障诊断研究

针对滑动轴承润滑状态发生改变时,其声发射信号不同频带的能量分布与其润滑状态之间存在一定的映射关系,提出一种经验模态分解(EMD)与加权灰色关联分析相结合的诊断方法.采用EMD方法将滑动轴承非平稳声发射信号分解为有限个平稳的本征模态函数(IMF),依据相关系数法剔除IMF分量中的虚假分量,选取包含主要故障信息的前10阶IMF分量计算能量比例,并构造特征向量.结果表明:加权灰色关联分析对小样本模式识别具有良好的分类效果;通过加权灰色关联分析计算不同声发射信号的灰色关联度,能够有效地对滑动轴承的润滑状态进行诊断.     

柴油机状态变化趋势的组合预测方法研究

以某型装甲车辆用12V150型柴油机为对象进行了大量实车试验,测取了能够表征柴油机技术状态变化的缸内压缩压力峰值、加速时间、减速时间、供油提前角、燃油消耗量、振动功率6个特征量,并对其进行归一化和特征融合处理,从而确定了柴油机寿命预测特征量;研究了AR时序预测模型、灰色预测模型和人工神经网络预测模型的建模方法,并对其组合构建了组合预测模型,组合权值由灰色关联度求解.对一定使用期的车辆用柴油机进行了技术状态变化趋势的预测.预测结果表明,利用组合预测方法对柴油机进行技术状态变化趋势预测,可以提高预测稳定性以及预测精度.     

基于灰色关联度的汽轮机故障智能诊断研究

介绍了基于灰色关联度的汽轮机故障智能诊断机理,分析了如何建立典型故障参考模式特征向量矩阵.通过计算待识别故障模式与典型故障参考模式的关联度序列,比较关联度的大小,从而确定故障类型.应用Matlab软件计算关联度,同时采用Matlab中的GUI可视化界面输出诊断结果,使诊断系统操作简单、直观.     

改进关联规则方法在电力设备故障预测中的应用

针对传统电力设备故障预测方法在对关联维特征提取时,存在故障信息冗余、误差较大的缺点,提出基于改进关联规则特征分析方法的电力设备故障预测算法。采用平均互信息方法和虚假最近邻点方法进行电力设备故障信息相空间重构,在高维相空间中,将电力设备的故障信号模拟为一个非线性时间序列波形,构建故障信号关联规则指向性特征约束函数,提取故障信号关联维特征,通过关联规则指导实现故障预测改进。仿真结果表明,该算法在进行电力设备故障预测时,能有效反应电力设备故障信号的关联内部特征信息,实现对电力设备故障类别的诊断,对提高电力设备故障类别诊断的准确率有现实意义。     

改进的逼近理想解排序法在地表水水质综合评价中的应用

针对传统逼近理想解排序方法在权重及方案相对贴近度计算方面存在的不足,提出了一种改进的计算方法。首先对于原始指标数据进行预处理并建立标准化方案决策矩阵,然后应用AHP法和熵权法对各指标通过综合集成赋权的方式进行赋权并构建加权标准化方案矩阵,最后利用灰色关联分析法构建原始指标数据中各个方案与理想解间的灰色关联系数矩阵,并以此作为新的决策矩阵分别确定新矩阵中各方案与新的理想解及负理想解的欧氏距离和灰色关联度,进而对传统相对贴近度算法进行改进,使传统理想解法更趋完善。应用改进后的理想解法对徐堰河水质进行综合评价,结果表明,该法可全面、科学地反映水质状况,具有较强的合理性和科学性。     

基于包络分析的灰色关联度诊断及在柴油机故障诊断中的应用

本文利用高斯小波进行解包络分析,提取包络分析的时域特征参数。对特征参数进行模糊处理和隶属度计算,在此基础上设计出故障特征向量,进行灰色关联度分析,从而把包络解调分析、模糊数学和灰色关联分析有机结合在一起,综合它们的优势,进行故障分类和识别,为机械设备的故障诊断提供一条新的思路     

基于典型样本数据融合方法的锅炉制粉系统故障诊断

针对D-S证据理论应用中证据对目标模式的信度函数分配难以确定的问题,提出一种基于典型样本的信度函数分配获取方法,利用证据与各个目标模式典型样本之问的汉明距离构造信度函数分配。满足信度函数分配的定义并且减少了其主观性。将此数据融合方法应用到锅炉制粉系统故障诊断中,用以识别磨内煤粉自燃、磨满煤和磨断煤故障,根据历史数据验证,该方法可以有效判别故障类型并且能够做出早期诊断故障预测。     

基于D_S证据理论的煤粉细度融合诊断

针对电厂煤粉细度在线测量难的问题,提出利用数据融合技术识别煤粉过细、煤粉正常、煤粉过粗。在分析与煤粉细度相关的多个运行状态参量基础上,根据历史运行数据,确定煤粉细度的典型样本,然后对各状态参量应用D—S融合规则得到结果。而对于D—S证据理论应用中基本概率赋值难以确定问题,应用正态分布曲线构造相似度函数．继而得到基本概率赋值,减少了方法的主观性。根据运行数据验证,该方法能够有效诊断煤粉细度,且具有较好的鲁棒性,具有工程实用价值。     

基于正交最小二乘模型拟合的DPF故障诊断方法

根据柴油机颗粒过滤器(DPF)堵塞与泄漏故障型式开展了排气阻力试验和发动机台架试验,获取了排气流量、排气温度、排气压差等主要故障特征参数数据。通过与传统压降模型进行对比分析,将正交最小二乘方法应用于DPF的故障诊断,形成基于正交最小二乘模型拟合的DPF故障诊断方法,并用试验采集到的主要故障特征参数数据对模型拟合方法进行了可行性验证。通过定义一个错误系数向量,分析了广义故障空间中不同故障型式DPF所形成的故障区域,为DPF故障诊断技术的发展提供了理论依据。通过错误系数向量能够判断出故障程度及堵塞、泄漏等故障型式,基于该结果可以进行DPF故障诊断。     

基于SDG推理规则和定量分析的故障诊断技术

符号有向图（Signed Directed Graph,SDG）是一种基于定性模型和因果分析的故障诊断方法,针对最初的算法效率低下,不适合实际大规模过程的特点,给出了一个将SDG模型转化为一系列规则的方法,这样不仅可以大幅度地提高诊断的速度和精度,同时可以同已有的诊断专家系统相结合;诊断时应用所建立的规则进行比较,得到故障模式的定性诊断结果。然后对某些定性特征一样而定量值不同的故障模式,通过结合模糊理论在SDG中加入适当定量信息,并计算和比较被诊断模式对已知故障模式的隶属度来确定系统的故障。案例试验表明本文所给出的方法是可行的。     

应用D-S证据理论进行锅炉空气预热器在线故障分析

将数据融合中的D-S证据理论应用到空气预热器故障诊断领域.利用隶属度函数的概念产生各个证据信号对识别模式的信度函数分配,并通过该理论对信度函数进行融合,然后结合目标模式的判定规则对设备运行状态进行判别;结果表明D-S证据理论能有效地进行冗余信息的处理与融合,应用到空气预热器故障分析方面时,能得到较为准确的结果.     

基于D-S证据理论的燃烧稳定性融合诊断

针对电厂锅炉燃烧火焰监控信号判断问题，结合现有的FSSS系统燃烧稳定性的判断逻辑，提出了一种基于D-S(Dempster-Shafer)证据理论的燃烧稳定性判别方法。考虑不同工况下火焰的燃烧情况，以单层燃烧器的四个火检信号结合风煤比的大小以及相邻层火检信号来建立典型样本。以典型样本为参照依据，计算各证据在着火模式和灭火模式下的信度密度值，然后对其进行归一化处理得到信度函数分配。选取某时间段内的一层燃烧器的4个火检信号、风煤比、相邻层火焰作为证据，结合典型样本库计算出证据在各目标模式下的信度函数分配及不确定度，利用D-S联合规则进行数据融合，对燃烧稳定做出判断。经实验分析证明该种方法的有效性，并且提高了判断结果的准确性。在信度函数构造的过程中减少了主观性，便于工程应用。     

基于粗糙集理论的汽轮机组回热系统故障诊断模型

在分析了汽轮机组回热系统现有故障诊断方法无法解决冗余征兆的不足之后,提出了一种基于粗糙集理论的故障诊断模型。该模型从回热系统典型故障模式出发,通过连续征兆属性的离散化建立了故障诊断决策表;利用遗传算法实现了故障征兆属性约简,并提出了结合领域知识的最小约简择优策略,然后通过给出的决策规则约简的基本原则,得到用于故障诊断的决策规则库。在应用该模型进行故障诊断时,用待诊实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则进行综合评价,并得出诊断结论。利用电站仿真机模拟典型故障进行了故障诊断模型的验证,实践表明,该模型可以有效地约简冗余的故障征兆,并具有较好的诊断效果和一定的容错能力。     

基于核主元分析和最小二乘支持向量机的中速磨煤机故障诊断

为了对火电厂磨煤机作出早期故障预测并有效判别其故障类型,提出了基于核主元分析(KPCA)和最小二乘支持向量机(LSSVM)的磨煤机故障诊断新方法,并采用该方法对某电厂的HP碗式中速磨煤机的故障特征数据进行了仿真试验.结果表明:该方法可提取变量的特征信息,以有效地捕捉变量间的非线性关系,从而能有效地处理故障征兆与故障类型之间的不确定性,具有很好的分辨力,而且故障诊断的正确率很高.     

基于EMD-MDT的直流微电网线路故障检测

提出一种经验模态分解和决策树相结合的风光储直流微电网配电线路故障检测和分类方法。该方法通过经验模态分解对发送端测得的直流电流进行分解,得到多个本征模态函数,并采用最大加权相关系数方法计算选取灵敏度最高的2个本征模态函数,将9个统计方法应用于本征模态函数生成故障特征值,最终基于决策树,实现风光储直流微电网配电线路的精准检测和分类。算例分析表明,基于经验模态分解的风光储直流微电网配电线路故障检测方法可不受故障电阻、故障起始时刻和故障距离的影响,快速有效的对配电线故障进行检测和分类。     

基于图像处理与神经网络的内燃机故障诊断研究

在提出应用图像处理进行故障诊断的基础上,探讨了利用内燃机振动信号产生图像的方法。在对振动信号进行重抽样处理的基础上,实现了振动信号的灰度图像表示,从缸盖振动信号的灰度图像中提取图像特征并对图像特征进行模糊化处理,设计神经网络分类器,实现了对气阀机构故障的诊断与分类。