神经网络信息融合技术在故障诊断中的应用

在简述多传感器信息融合技术和BP诊断神经网络的基本概念后 ,详细讨论了基于神经网络多传感器信息融合的柴油机故障诊断技术 ,给出了测试系统框图和数据处理模式。在4 135柴油机上进行的 10种故障状态和 7种神经网络输入特征的故障监测和诊断实验表明 ,压力信息与振动信息的融合诊断效果比单一压力信息或单一振动信息要好 ,融合诊断的正确识别率比单一信息分别提高了 1 6%和 2 8 3% ,神经网络多源信息融合技术对复杂机械故障状态有较好的可诊断性和准确性。     

深水防喷器液控系统故障诊断研究

采用贝叶斯方法对深水防喷器液控系统建立典型诊断网络模块,依据专家知识以及历史统计数据确定贝叶斯网络中的节点参数,包括节点的先验概率和节点之间的条件概率。对防喷器关闭诊断贝叶斯网络进行了试验,诊断结果基本符合实际。证明了应用贝叶斯网络方法对深水防喷器液控系统进行故障诊断研究的可行性。     

基于贝叶斯网络的M型跨接管故障诊断方法研究

M型水下跨接管工作环境复杂,容易失效,且缺乏诊断数据,难以进行有效的故障诊断。提出了一种基于贝叶斯网络的M型跨接管故障诊断方法,并开发了一套M型水下跨接管故障诊断试验系统。该试验系统包含加载系统和数据采集系统,实现了对跨接管工作环境的模拟和故障数据的采集。利用ANSYS编写程序仿真,与试验情况进行对比。在此基础上,建立M型跨接管贝叶斯故障诊断网络,完成了对跨接管的诊断试验,效果良好。     

基于模糊神经网络的钻机安全监控系统研究

由于地层的多样性,钻机系统状态、功能和结构的复杂性、非线性及不确定性,借助单一信息源提供的信息,采用常规或传统的故障诊断理论和方法,根据几个主要的故障特征量做出判断,难以实现钻机故障诊断。为此,提出基于信息融合的模糊推理和神经网络相结合的故障综合诊断方法,采用多个异类传感器与现场总线构成安全监控系统,建立故障诊断结构模型,进行模糊神经网络算法的信息融合和学习算法与网络参数确定。试验表明,该系统应用于钻机故障的实时检测和神经网络智能诊断具有良好的效果,对提高钻井过程安全和自动化水平具有重要意义。     

基于贝叶斯网络的测井车载数据中心设备故障诊断方法研究

针对测井车载数据中心设备提出一种基于贝叶斯网络（BN）的故障诊断方法,并建立了故障诊断BN模型,实现了测井车载数据中心设备的智能化诊断。在建立BN模型过程中,采用基于粗糙集的知识约简方法对专家提出的故障节点进行简化,利用专家知识初步构建BN结构,使用K2学习算法对BN进行优化;同时结合专家经验知识,用EM算法对BN进行参数学习,得到测井车载数据中心设备故障诊断BN模型。运用BN模型进行故障案例推理,基于历史数据对BN模型进行验证,结果表明该模型诊断准确率较高,能够为测井车载数据中心设备故障的快速定位和精确诊断提供依据。     

基于多源异构信息融合的机械故障诊断方法

针对振动信号或红外图像等单类型传感器信息难以准确表征机械设备的健康状态,存在诊断不确定性的问题,提出基于改进卷积神经网络(CNN)的多源异构信息数据级融合诊断方法。首先采用变分模态分解(VMD)和希尔伯特变换(HT)方法将振动信号处理成与红外图像同维的时频图像,并将其与红外图像进行数据级融合,得到多通道融合信号,然后将该信号输入到多通道卷积神经网络中进行训练以构建融合诊断模型,最后通过转子系统故障诊断实例验证了所提方法的正确性。研究结果表明:CNN、SAE和DBN等特征学习方法可以自适应逐层提取特征,提取的特征包含更多有用的诊断信息,优于人工提取特征;多源异构数据对不同故障类型敏感性不同,具有互补性,融合诊断正确率更高,可实现对设备健康类型更精准的判断;多源信息融合诊断方法可以很好地保留原始输入信息,对实验室转子系统故障实现精确诊断;该方法可以减少数据需求量,在小样本背景下具有良好的诊断性能;该方法对噪声敏感性低,在噪声环境下具有较好的鲁棒性和抗噪性。研究结果可为旋转机械的故障诊断提供一定的参考。     

BP网络在液压驱动螺杆泵故障诊断中的应用

由于故障振动指标具有非线性可分的相似性、故障与征兆的关系不确定性等特点,难以有效地进行故障诊断,因此提出了基于BP神经网络的井下液压驱动螺杆泵机组故障诊断网络的设计方法。详细介绍了网络的信号采集、处理和网络训练、诊断的处理。经初步验证,这种故障诊断网络以较强分析功能和直观表现性,为准确、及时地确定液压驱动螺杆泵故障的发生和工况趋势预测,提供了有力的技术支持。该方法还可用于采油机械装置的工况预测和故障诊断。     

基于故障树-贝叶斯网络的管道失效概率计算研究

摘要：近年来,我国油气管道实现跨越式发展,但由于管道腐蚀、设备陈旧、非法占压、阴保失效、第三方破坏等原因导致失效事件数量不断攀升,严重影响了管道完整性管理。针对管道失效这一问题,采用故障树和贝叶斯网络相结合的方式,以管道失效为顶事件,建立了故障树分析模型,随后将故障树向贝叶斯网络进行有效映射,通过贝叶斯的正向因果推理和反向诊断推理分别对管道失效概率和影响管道失效的主控因素进行分析和计算,通过调整各节点的状态和条件概率分布,实现了对管道失效概率的不断更新,最后进行了实例计算,研究结果可为管道延寿和防腐提供理论依据。     

贝叶斯网络在裂解炉工艺参数控制系统安全性分析中的应用

提出了将贝叶斯网络应用于裂解炉工艺参数控制系统安全性分析的方法。在对影响裂解炉安全运行的重要工艺参数进行分析后,确定了使裂解炉控制失效的20个变量;根据贝叶斯网络的分析原理,构建了贝叶斯网络模型,并采用Bayes NetToolbox软件包对所建立的模型进行安全性分析,求解出在以根结点为已知证据时,目标节点(叶节点)发生的概率及各根节点的后验概率。计算结果表明,原料流量、炉管出口温度和燃料气流量是工艺参数控制系统的薄弱环节,特别是炉管出口温度。贝叶斯网络的计算结果为裂解炉工艺参数控制的定量安全性分析提供了决策依据。     

往复泵轴承故障多信息融合诊断研究

科学技术的快速发展,为石油开采注入效率提高提供了重要的技术支持。结合当前石油生产过程中往复泵轴承的实际应用状况,发现不同干扰因素作用下可能会引发该部件故障,需要采用多信息融合方式进行故障诊断进行深入分析,实现故障的高效处理。基于此,本文针对往复泵轴承故障多信息融合诊断进行研究。