基于SSA-PNN的电力变压器故障诊断

为了提高变压器故障诊断的准确率,在改良三比值法的基础上,采用麻雀搜索算法优化概率神经网络构建一种新型变压器故障诊断网络模型,并设计相应的故障诊断方法。分析表明,与基于概率神经网络的变压器故障诊断方法相比,基于该网络模型的诊断方法提高了变压器故障识别与故障分类的准确率,在电力变压器的故障诊断中具有一定的实际工程意义。     

基于优化遗传算法的变压器故障诊断方法研究

提出的变压器故障诊断方法以多个主要影响因子为网络的输入信息,建立变压器故障诊断的遗传神经网络模型,利用GA较强的全局寻优能力和BP梯度法较强的局部搜索能力,较快同时又较好地综合诊断出网络输出信息的变压器故障类型。为了验证所提出识别方法的有效性,对变压器故障实测数据进行了学习和综合诊断对比,测试结果表明,基于优化遗传算法的故障诊断方法计算速度快、精度高、鲁棒性强,可以有效直观地对变压器故障类型进行综合诊断,具有一定实际应用价值。     

BP网络在200MW汽轮发电机组故障模糊诊断中的应用研究

针对目前２００ＭＷ汽轮发电机组曾经发生的真实故障，本文将ＢＰ网络与聚类识别方法引入故障诊断中，建立了基于ＢＰ网络的ＦＣＮＮ模型，研究了基于ＦＣＮＮ模型的２００ＭＷ机组的模糊诊断方法。应用结果表明，该方法能够给出２００ＭＷ机组有无故障、故障可能的位置、程度和类型，在提高诊断系统的现场适应性和诊断可靠性方面取得满意效果．     

基于MAS的电梯故障诊断系统研究

在传统故障诊断的基础上,将多智能体(MAS)技术引入电梯故障诊断领域.基于BDI A-gent构造了一种MAS电梯故障诊断模型,阐述了MAS电梯故障诊断系统的组织结构和诊断流程,分析了基于MAS的电梯故障诊断方法和过程.     

基于分支卷积神经网络的托辊轴承故障分级诊断研究

在对矿山机械装备中使用的轴承进行故障诊断时,易受噪声干扰及多变工况的影响,同时也难以适应不同诊断任务,针对这一系列问题,提出了一种基于分支卷积神经网络(B-CNN)的托辊轴承故障分级诊断方法。首先,根据具体的诊断任务故障的层级结构进行了划分,采用多层标签表示健康状态、故障类型和损伤程度;通过交替卷积和池化层,构建了一维卷积神经网络(1DCNN)特征提取块;然后,将层级结构和特征提取块融合,设计出了一种基于分支一维卷积神经网络(B-1DCNN)的轴承故障分级诊断模型;最后,使用美国凯斯西储大学轴承数据和自建的带式输送机托辊故障模拟实验台数据,对托辊轴承故障进行了模拟实验,对该方法在噪声干扰和多变工况下的诊断性能进行了验证。研究结果表明：该方法成功实现了对托辊轴承故障从粗到精的分级诊断,对噪声干扰和变工况具有较好的鲁棒性,且与支持向量机(SVM)和反向传播神经网络(BPNN)模型相比,该方法的故障诊断性能更好。     

轴承早期故障的小波包-自回归谱诊断法

叙述了小波、小波包理论,详细导出了小波包-自回归谱(WT-AR)的计算方法。将小波包和自回归模型结合起来,在机械故障诊断中实现了不同频道范围内,不同零部件故障信息分离和提取。并以挖掘机提升系统齿轮箱为例,说明该方法适用于轴承早期故障的诊断。     

卷积神经网络在轴承故障识别的应用

针对传统故障诊断方法在轴承故障诊断识别率低、人为干预多等问题,提出一种基于卷积神经网络的故障识别方法。通过对轴承各类故障信号进行数据处理,提取出故障信号的特征,构建故障类型数据集,建立卷积神经网络图像识别模型,将故障数据集送入模型训练获得较优识别模型,最后将待识别故障信号特征图送入模型进行故障类型识别。经实验验证,该方法满足多类轴承故障识别的要求,具有较高的故障识别率。该方法无需人为参与,只需将待测信号进行数据处理送入模型进行识别,符合智能故障诊断的发展趋势,在机械故障领域具有一定的应用价值。     

故障传播模型的飞机电源系统故障诊断研究

研究了基于故障传播模型的故障诊断方法,并将其应用于飞机电源系统,建立了故障诊断模型,用Warshall算法实现了邻接矩阵到可达矩阵的转换,采用改进的CWSE-Tree算法产生候选诊断,最后利用基于贝叶斯理论的方法计算得到候选诊断的后验概率,由此确定检修的先后顺序。结果表明,根据该检修顺序进行检测可以快速而准确的定位故障,具有一定的应用和参考价值。     

故障诊断综合信息Petri网的研究

为了解决故障诊断中的冲突消解问题,将故障概率信息和管理信息引入模糊Ｐｅｔｒｉ网,故障诊断综合信息网模型。研究了基于综合信息网的故障诊断问题,对故障进行分类、分析了不同类型的故障诊断所需管理信息的内容,确立了概率与管理信息的关系,通过机械手掉刀故障的诊断,验证了该模型和方法的正确性与可行性。     

基于模糊理论的柴油机故障诊断专家系统

针对柴油机故障征兆、故障原因及故障机理的复杂性和模糊不确定性,将模糊数学理论与故障诊断专家系统引入柴油机故障诊断。建立故障诊断的模糊模型、模糊隶属度函数,利用模糊产生式系统实现了模糊性知识表达,论述了模糊诊断原则和推理诊断流程,构建了基于模糊理论的柴油机故障诊断专家系统。通过一个具体故障诊断案例证明系统能够快速、准确地推断出故障原因,同时也证明了该方法的实用性。     

风力机叶轮质量不平衡故障建模及仿真研究

风力机叶轮质量不平衡故障对风力发电机组的安全稳定运行影响很大,传统的基于振动的故障诊断方法需要在风力机上安装大量的传感器,成本较高同时可靠性也较差。近年来,已有学者采用基于电信号的故障诊断方法对该故障进行试验研究,但未对该诊断方法进行理论上解释。在对该故障机理进行简要阐述后,在理论上推导该故障对风力机电功率造成的影响,利用Simulink建立在该故障状态下包含叶轮、传动链与发电机的风力机模型,仿真得到该故障条件下的电功率信号,频谱分析的结果显示其包含叶轮旋转的一倍频分量,且随着不平衡质量的增大而增大,与德国ISET研究所等试验研究的结果相符,仿真的结果从定量的角度表现该故障的严重程度,该方法可应用到故障诊断系统中用以确定不平衡质量的大小。     

活塞式氢气压缩机排气温度超限故障诊断方法

针对活塞式氢气压缩机各级排气温度超限的故障难以用传统故障的二态性准确描述，以及目前未见能对该故障实施自诊断的故障诊断系统等问题，以DW-(5.6-13)/(0.2-0.5)-20型无油润滑变频活塞式氢气压缩机为研究对象，对相关零部件进行了重要度分析，并设计了故障自诊断系统。首先，对该故障搭建了模糊高木-关野(T-S)故障树模型，并利用基于贝叶斯网络(BN)的T-S故障树分析法对底事件进行了重要度分析，以确定薄弱环节和故障零部件诊断顺序；然后，利用模糊数表征了零部件的故障状态，对排气温度超限故障发生概率进行了预测；最后，设计了基于规则的故障诊断专家系统，并对实例进行了故障原因的推理排查。研究结果表明：基于规则的故障诊断专家系统在对现有故障数据进行分析后，其诊断结果与事实相符，说明该系统能够准确地诊断出故障原因，并进行自诊断；同时，基于BN的T-S故障树分析法，使该系统可对顶事件故障发生概率进行预测，为活塞式氢气压缩机故障诊断提供了一个可行方案。     

数据驱动的地铁车门微小故障智能诊断方法

车门控制系统是地铁车辆中最重要的子系统之一,其机电部件紧密耦合且存在频繁往复运动,易受环境和乘客干扰,故障率居高不下。为准确检测诊断地铁车门早期故障,本文提出一种大数据驱动的车门故障特征优选方法和基于随机森林(RF)的智能诊断方法。首先,从地铁运营公司累积的大量车门运行状态数据中,提取门扇位置、驱动电机转速和电流信号的多阶段时域特征指标,构建车门运行状态的特征向量;然后,应用距离评估准则,优选对故障敏感度高且对干扰鲁棒性强的车门状态特征,降低特征维度,减少冗余、无关特征的干扰;以优选后的车门状态特征作为RF网络的输入,故障标签作为输出,建立智能故障诊断模型,实现车门系统不同微小故障状态的自动识别。在杭州地铁4号线台架车门上的应用结果表明,所提方法能准确提取早期故障的微弱特征,故障分类模型精度高,故障诊断准确率优于现有其他方法。     

结合虚拟样机技术的刮板链故障受力特性分析

针对刮板链运行工况复杂、故障频发的问题,基于虚拟样机技术研究了刮板链故障工况下的受力变化特性。研究通过设置几何参数关系和构建骨架模型实现了链传动系统的参数化建模,并基于ADAMS仿真平台构建了综合考虑各组成部件之间复杂相互作用关系的双链牵引链传动系统虚拟样机模型,模拟了链传动系统的卡链故障和断链故障工况,分析了刮板链故障失效时的受力特性,并设计刮板链故障测试实验进行了验证分析,为刮板输送机的运行状态评估以及故障诊断提供有效依据。     

基于故障先兆判定模型和动态置信度匹配的主轴润滑故障预测方法

为提高数控机床主轴传动系统润滑不良故障的预测能力和预知性维护能力,针对现有故障预测方法的局限性以及主轴零部件耦合、故障并发等特征,提出一种基于故障先兆判定模型和动态置信度匹配的主轴润滑故障预测方法。根据关联程度约简故障先兆表征参数,基于故障历史数据集定义故障先兆状态序列,结合小波分析和概率神经网络技术构建故障先兆判定模型,设计动态置信度匹配算法,进而从可靠性和正确性的角度融合各故障先兆参数状态匹配结果,在线预测故障发生的概率及时间。试验结果表明,该方法能够有效实现主轴传动系统润滑不良故障的预测。     

基于本体的大型风力发电机组故障智能诊断研究

针对目前快速发展的风电行业中大型风力发电机组故障诊断方法多、理论复杂,维护人员难以掌握的问题,提出了基于本体的风力发电机组故障智能诊断系统,辅助维护人员选择合适的故障诊断方法。系统以本体形式表示风电机组故障诊断领域知识,提供了与用户进行信息交互的接口,并建立了诊断方法推理所需的规则集。基于Java平台开发了基于本体的风力发电机组故障智能诊断原型系统,该系统可用于风电机组故障智能诊断。     

基于脆弱性的制造设备故障智能诊断与维护

制造设备故障智能诊断与维护是保障制造系统安全运行的重要手段。为准确地诊断制造设备的健康状态、识别设备故障的关键因素，建立高效的健康维护系统，提出了基于脆弱性的设备故障智能诊断与维护方法。该方法将考虑脆弱性的设备故障智能诊断与维修决策模块嵌入到设备的过程控制系统（Process control system，PCS）中，它基于系统脆弱性的定义和性能劣化理论建立了设备脆弱性评估模型实时判断设备的脆弱状态，利用非线性核映射方法实时监测制造设备的运行参数是否超出预设边界，建立设备参数的高斯核函数模型准确识别故障的关键因素，将设备的脆弱性状态与维护模式相结合建立维修决策模型避免维修过度和维修不足。以某机器人的伺服系统为例，证实了所提方法能有效提高故障诊断效率、智能化诊断故障因素，优化设备维修决策。     

基于故障机理与数理融合的一种诊断方法研究

基于故障机理的设备诊断方法在生产实践中有广泛应用，但该方法依靠人的知识和经验，自动化和智能化诊断能力不足。介绍一种基于故障机理与数理融合的诊断方法，将设备的故障机理模型与数理分析模型进行融合，改善了基于故障机理诊断方法的诊断能力，提高了设备诊断的智能化应用水平。在炼化企业的机泵故障诊断中进行了研究与应用，取得了较好的应用效果。     

滚动轴承故障的振动信号诊断方法

针对滚动轴承损伤类故障振动信号的特点,充分利用HMM、SVM在序列行为的分类和小样本方面的优势,把SVM的输出转化为HMM中观察值概率矩阵模型,建立了动态过程时间序列分类器,提高模型的学习速度和分类性;基于对包络解调信号提取AR模型参数构建的用于训练和故障识别的特征矢量,提出了一种基于SVM-HMM混合算法的滚动轴承故障诊断方法.将该方法应用到滚动轴承故障诊断中取得了较好的效果.     

滚动轴承故障程度诊断的HMM方法研究

为提高滚动轴承故障诊断率,提出基于时频域指标的HMM轴承故障程度诊断方法。利用轴承故障模拟试验台,采集不同剥落程度滚动体的振动信号,分别提取均方值、有效值、方差、修正样本方差、标准差、频域中心及带宽共7个时域和频域指标作为特征向量训练HMM,得到基于HMM的诊断分类器。利用该分类器对330组待检滚动轴承振动信号进行分析,诊断正确率达90%以上,说明该方法能有效提取故障特征。