基于灰色理论的潜水泵的故障诊断及预测系统设计

论述了潜水泵故障诊断系统的组成,介绍了故障诊断的原理以及灰色识别法、基于灰色理论的知识表示,用VB软件实现了故障诊断系统功能,并结合诊断实例给出故障诊断的效果,说明了应用灰色诊断理论对潜水泵进行故障诊断和状态预测的可行性.     

灰色动态预测在AUV传感器故障诊断中的应用

针对自主水下机器人(AUV)传感器故障诊断中样本数据少、随机性强、实时性要求高的特点,将灰色动态预测模型的建模原理引用到AUV传感器的故障诊断中。在对传感器进行数据滤波、小样本灰色建模与灰色动态预测的基础上,可以实现AUV传感器的实时故障诊断。文章详细阐述了基于灰色动态预测的传感器故障诊断的具体实现方法和步骤,对AUV传感器中典型的四种故障模式进行了仿真研究。结果表明该方法能快速、准确地诊断出传感器故障,并且在传感器发生故障后的一段时间内能够实现信号恢复。     

机场助航灯光回路绝缘电阻预测方法研究

为了更好地对助航灯光回路绝缘电阻值进行预测,采用了一种新型的灰色神经网络预测模型.建立灰色补偿RBF网络模型,并将遗传算法优化后的支持向量机引入到RBF神经网络中,得到改进后的灰色补偿RBF网络模型.根据上海浦东国际机场绝缘电阻的实际测量值进行实例仿真,仿真结果表明,改进后的灰色神经网络提高了系统稳定性和绝缘电阻值的预测精度.     

两次拟合灰色模型在中长期电力负荷预测中的运用

针对普通灰色预测模型在预测过程中当历史数据有较大波动时预测精度较差的问题，对两次拟合等维灰色预测模型进行研究，并对其进行改进，通过对华北某地区用电量的建模预测验证其有效性。两次拟合灰色预测模型是利用一次拟合的结果重新建模，经研究发现当历史数据有较大波动时，利用两次拟合灰色预测模型进行预测可以提高模型的精度。     

基于灰色预测理论的转子系统振动主动控制

以灰色预测控制理论为基础,采用现代控制理论中的二次型优化原理,以控制力和响应加权最小为目标函数,设计了两种基于灰色预测理论的转子系统振动主动控制方案——灰色 GM(1,1)预测优化控制方案和灰色 Verhuslt 预测优化控制方案.并将该两种方案分别应用于带电磁阻尼器转子轴承系统的转子振动主动控制中,通过数值仿真验证了两种控制方法的有效性,并对两种方法的控振效果进行了比较.     

基于灰色预测和KID离群点检测的AUV故障诊断

提高故障诊断能力对于确保水下机器人AUV系统的稳定运行具有重要意义。针对水下机器人推进器系统,提出一种基于离群点检测的AUV故障检测方法。首先,将传感器采集的数据进行灰色预测处理;然后,提出了一种结合K-mean和DBSCAN的改进迭代聚类(Iterative K-mean DBSCAN,IKD)算法进行离群点检测;最后,与K-mean和DBSCAN算法相比,仿真实验结果表明基于灰色预测和KID离群点检测算法的故障检测准确率高,能够有效地实现水下机器人AUV的无监督故障诊断。     

一种融合粗糙集与灰模的装备故障预测方法

结合粗糙集理论和灰色系统理论对不精确信息处理的优势,文中提出一种融合粗糙集理论与GM(1,1)灰色预测模型的故障预测方法,先运用粗糙集的属性约简算法对故障诊断决策表进行约简,推出最优诊断规则,再利用GM(1,1)灰色预测模型对约简决策表中的各条件属性测试值计算得到其预测值,从而代回约简的诊断决策表进行故障预测,最后在某型机载电台装备中以某一故障为例进行应用验证,结果表明故障预测效率和精度都较高,从而为提高装备的可靠性和维修性提供依据.     

灰色预测PID控制的气缸运动系统设计

为了提高气缸运行的平稳性,提出了一种基于灰色预测PID控制方法.给出了灰色预测PID控制结构,设计了灰色预测PID控制器,并在灰色预测理论所形成新误差序列的基础上,导出了校正PID参数表达式;接着,对输出预测进行滤波处理,以消除预测值偏高的不足;然后,搭建了气缸运动控制实验系统并进行了测试实验.结果表明:相对于常规PID控制,灰色预测PID控制的气缸运行过程中速度超调量由22.1％降至7.8％;速度波动范围由±6.2％降至±2.1％.采用灰色预测PID控制的气缸运行过程中速度超调和振荡问题有了明显改善,满足了大多数场合的应用要求.     

灰色理论模型在股价预测中的应用

灰色系统理论是为处理非确知信息应运而生的一门新兴学科,其中灰预测是它的一个重要应用.文章将灰色预测理论应用于股票市场中,并提出了一种改进的二阶灰色模型.实验表明,改进的二阶灰色模型通过增加一个反映升降情况的因素对原二阶灰色模型的预测数据进行修正,使得预测结果更为准确.     

基于灰色预测的无人水下航行器目标跟踪

针对无人水下航行器目标跟踪控制问题,基于无人水下航行器传感器信息进行目标运动预测来实现跟踪控制。从目标预测理论出发,将灰色动态预测模型的建模原理引用到目标预测中,在对传感器进行数据滤波、小样本灰色建模与灰色动态预测的基础上,实现对目标运动的预测,文章详细阐述了基于灰色动态预测的传感器故障诊断的具体实现方法和步骤,对目标进行匀速运动、匀加速运动、变加速运动三种典型运动进行仿真研究,通过预测值与实际值之间的比较显示灰色预测方法能快速、准确的预测出目标的位置信息。     

基于灰色理论及BP神经网络的变压器油击穿电压预测方法

变压器油击穿电压的预测,对于变压器的故障诊断和日常维护具有重要的意义。本文提出了1种击穿电压多参数关联预测方法,即通过对变压器油日常监督数据进行灰色关联分析,挖掘与击穿电压存在强关联性的指标;利用BP网络建立击穿电压与4个强关联性指标的关系模型;采用模糊C均值聚类算法聚类原始样本,以聚类中心训练网络,以解决大样本情况引起的网络结构复杂、收敛性及泛化能力差等神经网络固有问题。仿真结果表明,预测模型精度较高,预测值与实际值的相对误差均在10%以内,能够满足实际应用要求,具有重要的应用价值。     

灰预测与时间序列模型在航天器故障预测中的应用

灰预测是灰色系统理论的重要组成部分,已成功应用于若干领域的预测;时间序列分析是定量预测方法之一;研究了利用以灰预测模型为基础,建立的残差灰预测模型和AR时间序列模型对航天器故障状态进行预测的方法;首先分析了灰预测模型以及残差灰色预测模型的建立过程,之后分析了AR时间序列模型的建立过程;然后利用所建立的模型进行航天器故障状态的预测,给出预测结果;研究表明,残差灰预测模型预测误差比基本灰模型降低,在特定的数据特征条件下也要优于AR时间序列模型.     

基于PCA和随机森林的故障趋势预测方法研究

故障预测和健康管理技术(PHM)在现代工程系统中能够在系统具备较高复杂度的情况下,有效保障其可靠性和安全性。在机械故障诊断中对于采集到的原始数据的高维特征量的处理较为复杂,并且在实际应用中趋势预测的精度要求较高,针对该问题提出一种基于主成分分析(PCA)与随机森林算法的轴承故障趋势预测方法。该方法利用PCA对提取的原始轴承数据特征量进行线性降维,并选取其中主成分特征量,输出非线性时间序列数据。原始数据经过PCA处理得到非线性时间序列,将该序列作为随机森林算法的输入进行故障趋势预测,并把预测结果与BP神经网络模型预测的结果进行对比,结果表明随机森林在故障趋势预测上在精度相较于BP神经网络有显著提高,是一种有效的故障趋势预测方法。     

基于灰色关联和D-S证据理论的感应电转子故障诊断

针对单一的灰色关联或D-S证据理论在转子故障诊断中存在的不足,将灰色关联和D-S证据理论相融合的决策级信息融合方法应用到感应电机转子故障诊断中;首先用灰色关联对故障进行初步诊断,然后,将灰色关联分析的诊断输出结果作为D-S证据理论的基本概率分配,最后,依据证据组合规则进行合成,得出转子故障的最终诊断结果;实验仿真结果验证了方法在转子故障诊断中的有效性,可以减小诊断的不确定性,提高故障的诊断准确率和诊断精度。     

虚拟环境下机械装备故障预测理论与技术研究进展

在讨论故障诊断领域的研究现状的基础上,分析了机械故障预测技术的发展趋势,探讨了开展虚拟环境下机械故障预测技术研究的力学需求和动力学仿真需求,介绍了机械系统虚拟样机技术,分析了典型机械装备虚拟样机的建造方法及虚拟环境下的样机校核方法,提出了基于虚拟样机的故障仿真预测技术,设计了机械装备故障仿真预测系统的模块化结构,为实现机械故障的早期预测和预知维修开辟了新的思路,这是国际潮流的＂可持续发展思想＂和我国提出的＂清洁化生产模式＂在诊断工程中的具体体现,是现代诊断技术的＂可持续发展模式＂,具有良好的工程应用前景.     

Forecasting and Prediction Applications in the Field of Power Engineering

Within the field of power engineering, forecasting and prediction techniques underpin a number of applications such as fault diagnosis, condition monitoring and planning. These applications can now be enhanced due to the improved forecasting and prediction capabilities offered through the use of artificial neural networks. This paper demonstrates the maturity of neural network based forecasting and prediction through four diverse case studies. In each case study the authors have developed diagnostic, monitoring or planning applications (within the power engineering field) using neural networks and industrial data. The engineering applications discussed in the paper are: condition monitoring and fault diagnosis applied to a power transformer; condition monitoring and fault diagnosis applied to an industrial gas turbine; electrical load forecasting; monitoring of the refuelling process within a nuclear power station. For each case study the data sources, data preparation, neural network methods and implementation of the resulting application is discussed. The paper will show that the forecasting and prediction techniques discussed offer significant engineering benefits in terms of enhanced decision support capabilities.     

基于PSO和SVM的牵引变压器绝缘故障诊断

为提高牵引变压器绝缘故障诊断的正确性,在分析其负荷特征和特征气体产生机理的基础上,针对其故障特点提出基于粒子群优化（Particle Swarm Optimization,PSO）算法和支持向量机（Support Vector Machine,SVM）的牵引变压器绝缘故障诊断方法.根据罗杰斯比值法将变压器状态分为12种故障模式;用PSO算法优化SVM参数,充分发挥SVM具有较高泛化能力的优势.试验表明该方法能快速、准确地找到相应的优化参数,有效进行牵引变压器绝缘的故障诊断.     

基于EMD和LS-SVM的非平稳振动信号趋势预测

镇动信号的趋势预测是设备状态监测与故障诊断中的一个重要内容。随着运行设备的非线性、非平稳特点越来越明显,传统的数学建摸预报方法已不能满足设备的复杂化和现代化要求。提出了一种基于经验模式分解EMD（Empirical Mode Decomposition）和最小二乘支持向量机LS-SVM（Least Square Support Vector Machine）的新模型。首先,运用 EMD 将趋势时间序列自适应地分解成一系列不同尺度的本征模式分量IMF（intrinsic mode function）;其次,对每个本征模式分量,采用合适的核函数和超参数构造不同的LS-SVM 进行预测;最后对各分量的预测值进行拟合得到最终的预测值。仿真实验表明,此方法与单一的LS-SVM预测法相比,具有较高的精度和较强的推广能力。     

基于AR模型参数向量的灰度神经网络故障诊断方法

该文首先论述了以频域能量积分为诊断向量、以各种训练网络为诊断网络的方法在应用中存在的问题,然后提出了一种以AR模型参数作为旋转机械故障诊断向量、以灰色关联度神经网络作为诊断网络的新方法,并描述了诊断系统的具体实现过程。最后通过对10种典型旋转机械故障的仿真诊断比较了该文方法和以往方法的诊断效果。方法分析及仿真结果表明,该文方法比大多数以频域能量积分为诊断向量、以各种训练网络为诊断网络的方法有很多的优越性。