基于MAS的化工过程故障诊断原型系统

在充分研究了大型化工生产过程的特点和故障产生机制的基础上,将MAS技术引入到化工过程的故障诊断中,构建了一个基于MAS的化工过程故障诊断原型系统.该系统把化工过程划分为一些相对独立的组件,分派特定的诊断智能体对其进行故障的诊断.通过智能体之间的协作,系统具有良好的准确性和实时性.     

基于PCA故障诊断的化工过程多智能体优化策略

在基于PCA理论的化工过程故障诊断的基础上,研究了化工过程多智能体体系结构,并基于多智能体系统的多层优化策略实现了故障诊断智能体与其他智能体的协调机制.     

设备故障智能诊断技术研究进展

机械是国民经济建设中不可缺少的关键设备,对其故障诊断方法的研究具有重要意义。当前机械故障诊断的关键就是寻找使诊断结果准确的方法。从故障诊断的实际出发,根据设备提供信息的多样性及故障表征形式的复杂性,分析了故障诊断技术和信息融合技术相结合的特点;阐述了故障智能诊断的过程和与其相关的应用技术的关系;论述了故障信号采集与处理,故障智能诊断方法的研究。并对今后的发展方向进行了预测。     

设备故障诊断技术的现状及其发展

综述了设备故障诊断技术的理论与工程应用的发展现状，分析了故障诊断的过程与实质，介绍了常用的几种诊断方法，重点阐述了智能诊断的方法、现状及其发展动向。     

化工废水处理技术与发展

随着经济的发展,化工废水对环境的污染加剧,化工产品生产过程中排放的大多都是结构复杂、有毒有害和生物难以降解的有机物污染物质,处理的难度大.高效、低成本处理化工废水的新工艺、新技术成为目前研究的重点之-.针对化工废水的基本特征和处理现状,指出了各种处理方法的适用条件及其存在的优缺点,对化工废水常用处理技术和最新研究进展及发展趋势进行了综述.根据目前的研究和应用的情况,建议化工废水处理技术的研究重点是解决投资大、成本高和试验研究与实践应用相脱节以及化工废水处理技术如何适应化工废水水质的浓度与成分变化大,处理难度高等特点的问题.     

智能故障诊断技术的现状与展望

智能故障诊断技术为保障现代复杂工程技术系统的可靠性和安全性开辟了新途径，非线性系统的故障诊断是该领域的热点与难点问题。其中，基于知识的故障诊断技术具有良好的发展前景，由基于规则的系统到基于混合模型的系统，由领域专家提供知识到机器学习，由非实时诊断到实时诊断，由单一推理控制策略到混合推理控制策略是基于知识的故障诊断系统的发展方向。     

水电机组智能检测系统研究

随着水电机组运行的自动化程度越来越高,水电机组智能故障诊断系统的应用显得越来越重要。本文从实际角度出发,详细介绍了水电机组智能故障诊断系统应具备的状态监测、数据分析、故障诊断等功能以及各功能的主要技术和实现方法。系统可实时监测机组运行中的振动、摆度等数据,并以曲线和图表的形式反映给用户。当机组运行异常时,利用故障诊断专家系统完成对机组的故障诊断。从而实现水电机组的智能故障诊断的目的。     

微化工技术的研究与应用进展

微化工技术是化学工程领域多学科交叉的前沿技术,其技术核心是在微通道反应器中完成微尺度的传递和化学反应过程,通过减小体系的分散尺度,强化混合与传递,提高过程可控性和效率,增强化工过程安全性,促进过程强化和化工系统小型化,提高能源、资源利用效率,达到节能降耗的目的。从微化工技术原理、技术特点及其优越性、工业应用等方面进行了介绍,旨在加深人们对微化工技术的理解,进而推动微化工技术的开发与应用。     

基于CORBA技术的电业局智能管理信息系统

根据电业局的各项业务分析并结合其实际特点和管理现状，综合运用CORBA和数据库等计算机技术以及多智能体等人工智能技术，构建并开发出了一套新型的电业局智能管理信息系统。通过建立该智能管理信息系统，可以实现整个电业局的信息化管理和智能化辅助决策。本文对整个系统的体系结构、功能特点都作了详细介绍，并给出具体的实现技术和方法。系统的应用实例证明，该系统可有效提高应用单位的工作效率和管理水平。     

基于粗糙集的故障诊断方法

利用粗糙集理论对决策表进行约简以自动获取过程工业生产系统中的故障知识，从信息熵的角度分析系统知识不确定性的变化，提出了一种基于粗糙集理论的故障诊断新方法，研究了粗糙集理论在故障诊断中的适用性，在前向推理和反向推理的基础上，给出了针对故障点建立决策表以及利用粗糙集约简所获得的诊断规则进行正、反向故障诊断的步骤，讨论了这种故障诊断方法的诊断性能及其在计算上的复杂度。通过这种方法能够进行故障的寻找和定位，实例分析的结果说明了利用粗糙集进行知识发现及建立智能故障诊断系统的可行件和有效件。     

高速旋转机械故障智能诊断系统的研究

目的 研制一种新型的故障诊断系统，解决高速旋转机械复合型故障诊断的问题．方法 将神经网络理论应用于故障诊断中，把信号采集、状态监测、信号分析和智能诊断组合在一起。并以H1C型涡轮增压器为诊断研究对象，进行了该系统的试验验证．结果 得出的该系统的诊断结果与理论上分析得出的结果基本一致．结论 证实了所研究的该系统是可信的，它能够准确、快速地诊断出设备存在的故障．基于神经网络理论的机械故障智能诊断系统在解决复合型故障诊断方面更具有优越性与高效性，并为其现场应用于实时监测和实时诊断奠定了试验基础和技术支持．     

基于小波分析的发电机匝间短路故障的智能诊断研究

本文提出了基于小波变换和模糊理论的智能诊断新策略。通过故障信号小波变换的模量极大值特征的提取,可实现发电机定子绕组匝间短路故障的诊断。仿真实验表明,本方法适用于动态非平稳故障信号的特征提取,适合于实时故障检测。同时,结合模糊诊断技术提高了故障诊断率。     

基于UML的智能故障诊断系统的开发

将传统的软件工程方法与面向对象的软件工程方法相结合,利用UML(统一建模语言)为工具,采用面向对象的方法对智能故障诊断系统进行了分析、设计和建模,从而使智能故障诊断系统的复杂性降低,更便于管理。     

生产线故障诊断知识引擎系统的集成推理方法

针对大型复杂连续性生产流水线设备所具有的多部件结构、多层次故障症状、故障的不确定性等特点及对其状态监测和故障诊断的实时性要求,在设计了基于综合动、静隶属度运算的模糊识别法和基于神经网络的并行运算方法的基础上,研制了生产线故障诊断知识引擎系统的集成推理机制,突破了只有单一推理方法的诊断系统在领域知识和推理能力方面的局限性,提高了智能诊断系统对偶然性和不确定性问题的诊断能力,同时在一定程度上解决了诊断系统对生产流水线所具有的大量的状态参数和控制信号等知识获取的"瓶颈"问题以及由此而来的快速推理难题,使该智能诊断系统具有在线实时诊断能力.     

基于粗糙集理论的数控机床智能故障诊断研究

面向数控机床智能化发展需求,提出了基于数据挖掘技术的智能故障诊断方法.建立机床智能诊断单元的系统框架,框架由状态监控及特征信号采集、历史故障数据分析及诊断规则获取、故障推理机制3个功能模块组成.重点研究诊断规则的获取技术,提出了基于粗糙集理论的故障诊断决策规则生成算法.算法充分利用信息决策系统的特性,通过简化对不必要属性和核心属性的分析,并引入回溯思想计算约简集,有效降低了属性集约简的计算复杂度,提高规则求取效率.在建立规则库的基础上,引入基于证据理论的信息融合技术,解决多传感器故障监测数据与诊断规则准确匹配的问题,建立故障推理机制.实例研究证明该方法可行.     

基于小波和贝叶斯网络的智能建筑供配电系统故障诊断研究

为提高智能建筑供配电系统故障诊断效率和精准度,提出了一种基于贝叶斯网络与小波变换的故障诊断方法。首先,从理论上对智能建筑供配电网络拓扑结构进行详细分析,然后利用小波变换原理对故障信息中的开关量和电气量进行筛选重组,最后运用贝叶斯网络对筛选重组后的故障信息进行建模分析,得出故障诊断结果。具体介绍了故障信息中电气量和开关量提取过程,针对现有智能建筑供配电系统的故障特点,给出了相应恢复策略,以IEEE⁃39多节点复杂电力故障系统为例进行仿真研究。结果表明,所提方法的故障诊断结果快速性和准确性更高。研究成果对智能建筑供配电网络的故障诊断研究工作具有重要参考价值。     

电站热力系统故障的工程模块化智能诊断系统

借助ＳＴＡＲ－９０电站仿真技术在支撑系统、模型技术等方面的优势,建立了电站热力系统故障的工程模块化智能诊断原型系统。该系统充分继承了ＳＴＡＲ－９０仿真技术建模灵活方便、便于修改扩充等优点,可大大减轻故障诊断系统开发的工作量。介绍该系统的总体结构和功能,以及故障智能诊断的主要算法。以某具体热力系统故障诊断为例,给出故障智能诊断模型的设计实例。     

D-S多Agent飞行器结构系统早期故障智能诊断

将D-S证据理论与多A gent相结合,建立了飞行器结构系统早期故障智能诊断模型,对其实现策略、D-S融合推理算法等进行了分析和研究,并以空间飞行器防热系统为例说明了该方法的有效性。结果表明,该方法具有结构简单、组态灵活、推理速度快等特点,能够有效地对飞行器早期故障实施快速诊断,为保障飞行器安全可靠飞行提供了一种新的技术途径。     

基于分布式网络的电机智能监测系统

针对多台电机参数的在线监测和电机故障在线诊断问题,提出基于分布式网络的电机智能监测系统,底层智能监测模块实现实时数据采集和处理,采用模糊专家技术实现电机运行状态识别,采用神经网络和专家系统实现电机故障智能诊断.为电机测控技术领域提供了一种具有信息监测分布式、信息处理集中性和智能化、信息管理网络化的有效工业实现方法.     

电厂热工设备智能状态诊断分析系统软件设计

电厂热工设备智能状态诊断分析系统软件是以电厂热工设备为对象,主要由数据采集、数据处理、设备故障诊断和状态诊断等环节组成.该系统主要以神经网络为工具,主要包括基于神经网络辨识模型的故障诊断和基于神经网络模糊评判的状态诊断两种方法.该软件具有良好的人机界面,操作简单、方便.