装载机远程智能故障诊断系统的设计与实现

为提高国产装载机的质量和售后服务水平,设计了一种装载机远程智能故障诊断系统,重点研究了系统的功能模块、数据库结构和数据通讯方式.采用人工神经网络和模糊推理相融合的方式,构建了系统的智能诊断结构模型,给出了融合诊断算法,提高了系统的诊断速度和准确性.最后,分在线监测与诊断、脱机故障诊断两种工作模式介绍了系统的应用情况.实践表明,该系统具有诊断速度快、诊断结果准确、工作稳定等优点,能够满足不同用户的需求.     

面向质量控制的制造系统可诊断性分析

针对目前以产品质量控制为目标的制造系统可诊断性和局部可诊断系统的诊断能力研究较少的现状,在构建制造系统状态空间模型的基础上,提出了一套新的制造系统可诊断性分析方法,推导出系统具有可诊断性的充分必要条件,对于局部可诊断系统,建立了可诊断能力评价指数。通过具体的装配实例,针对不同的系统配置, 验证了该分析方法和评价指数的有效性和可行性。该方法为制造系统的可诊断性度量、系统优化配置和在线故障诊断等提供了理论分析依据。     

工程机械诊断技术讲座第六讲振动监测诊断仪器和系统

诊断技术的实施必须有相应的仪器和系统来保证,仪器和系统的合理选用是诊断工程技术中的关键问题之一。本讲介绍振动仪器和系统的性能、特点和应用场合。 随着大规模工业生产的发展,设备日趋复杂、精密,对监测诊断的仪器和系统提出了更高的要求。而目前信息工程领域软硬件的飞速发展,使监测诊断仪器和系统不断更新换代。目前国内外振动类仪器和系统可分为两大类：试验室以及工业环境仪器和系统。 １．试验室仪器和系统 用于试验室研究用的仪器与系统,适用于大专院校。研究所,以及大型企业的研究中心或诊断中心,主要用于精密诊断和产…     

基于混杂系统特性的机械式自动变速器故障诊断策略

基于机械式自动变速器(Automated manual transmission, AMT)自动变速系统混杂特性,对AMT自动变速系统故障诊断技术进行研究。运用混杂自动机建立AMT自动变速系统模型,结合系统运行特点研究系统行为轨迹,分析混杂系统模型与行为轨迹之间一致性关系。分析AMT自动变速系统故障定义,结合混杂系统模型提出AMT混杂系统故障行为的定义。通过混杂系统故障行为轨迹,分析故障可诊断性条件,从系统故障模型和故障阈值条件的角度描述故障、可诊断性、诊断精度、系统可观测状态变量之间的关系,并运用故障熵的概念来描述故障可诊断的程度。从系统功能、系统轨迹、系统控制周期多角度对AMT混杂系统行为轨迹进行分析和划分类型,结合国际故障诊断参考流程提出AMT自动变速系统故障诊断策略。将故障诊断策略和诊断算法移植于实车平台,大量实车里程验证了该策略的正确性和实时性。     

基于Internet的机械故障诊断服务系统设计

分析了开发基于Internet的机械故障诊断服务系统的现实性和可行性.着重论述了利用有关工具设计的B/S模式机械故障诊断服务系统,该系统包括机械故障诊断原理与基本技术、常见零部件故障诊断、机械设备故障诊断、矿井提升机故障诊断、故障诊断技术的最新发展、机械故障诊断机构名录、客户留言等7大功能模块.该系统能够实现机械故障诊断服务的开放性与公享性.     

液压注塑机故障智能诊断系统设计及其应用效果

以注塑机液压系统为研究对象,建立了基于数据驱动的智能诊断系统。该系统采用XGBoost诊断算法,通过60组训练样本和18组诊断样本的验证,结果显示其训练精度和诊断精度分别达到了100%和88.9%,在5种诊断算法模型中准确率均排在第一,表明该注塑机液压故障诊断系统具有良好的故障诊断性能,克服了传统诊断模型存在的自更新能力弱、泛化能力弱、诊断效率低等缺点。     

第十二讲设备振动监测诊断仪器与系统(续)

一、概述 设备诊断技术的实施必须有相应的仪器和系统来保证.仪器和系统的合理选用是诊断工程技术中的关键问题之一.本文就振动仪器和系统的性能、特点、应用场合等作一归纳性介绍,供读者参考. 随着大规模工业生产的发展,设备日趋复杂精密,对监测诊断的仪器和系统提出更高要求.而目前信息工程领域软硬件的飞速发展,使监测诊断仪器和系统不断更新换代.目前国内外振动类仪器和系统可先划分为两大类:试验室仪器和系统,以及工业环境仪器和系统.     

某型导弹装备复杂数字组合自动测试系统

某型导弹装备包含许多复杂的数字组合,原有的测试系统存在自动化程度低、诊断速度慢、诊断精度差等许多缺点,为此设计一种基于PXI总线的自动测试系统。该系统综合运用各种仪器模块、标准接口和故障诊断等技术,实验结果表明该系统能有效地缩短测试时间,提高故障诊断能力和诊断准确率。     

基于图像共享的远程协同诊断系统研究

将CSCW和Internet技术引入诊断领域,便形成了一种新的诊断模式即远程协同诊断。图像在设备失效诊断中起着重要作用。本文提出了基于图像共享的远程协同诊断系统工作模型,分析了协同诊断的实现机制和数据传输方案,描述了系统的构造原理,并给出了系统运行实例。     

设备综合诊断技术讲座 第十二讲 设备振动监测诊断仪器与系统(续)

一、概述 设备诊断技术的实施必须有相应的仪器和系统来保证。仪器和系统的合理选用是诊断工程技术中的关键问题之一。本文就振动仪器和系统的性能、特点、应用场合等作一归纳性介绍,供读者参考。 随着大规模工业生产的发展,设备日趋复杂精密,对监测诊断的仪器和系统提出更高要求。而目前信息工程领域软硬件的飞速发展,使监测诊断仪器和系统不断更新换代。目前国内外振动类仪器和系统可先划分为两大类：试验室仪器和系统,以及工业环境仪器和系统。 二、试验室仪器和系统 试验室研究用的仪器与系统,适用于大专院校、研究所以及大型企业…     

多重结构神经网络在液体火箭发动机故障诊断中的应用研究

根据液体火箭发动机的结构特点和故障诊断过程的特性 ,分析了复杂设备诊断过程的层次性 ,建立了复杂设备故障诊断的多重神经网络模型结构 ,并将其应用于液体火箭发动机涡轮泵的故障诊断 ,结果表明 ,该方法可有效地降解复杂系统故障诊断问题的复杂性、具有快速诊断能力     

基于全连接神经网络的旋挖钻机缓冲平衡阀故障诊断

回转装置是旋挖钻机的主要结构之一,而缓冲平衡阀是回转装置的重要部件。针对缓冲平衡阀故障诊断中故障类型复杂多变、早期微弱故障特征难以提取等问题,提出了一种基于全连接神经网络的故障诊断方法。以VAA-B-SICN-PDRM-VF-150平衡阀为研究对象,针对平衡阀故障数据难以获取的问题,进行加速退化实验,获取故障数据;然后,根据阀的特性建立故障评价指标,结合全连接神经网络方法,建立了平衡阀故障诊断模型,并进行模型训练,验证故障诊断模型的准确性。结果表明,基于全连接神经网络的故障诊断模型能够快速、准确地检测出缓冲器平衡阀的故障,从而避免发生事故导致停工停产。     

基于贝叶斯网络的复杂系统故障诊断

系统结构和部件关系复杂、试验费用昂贵是小样本下基于不确定性信息的决策问题。针对其特点，建立了基于贝叶斯网络的复杂系统故障诊断模型，并提出采用Leaky Noisy-OR模型来降低数据需求量和计算复杂度。经研究表明，这种方法能综合利用各种来源信息，具有知识表达明确、样本需求量小、故障诊断准确度高等特点，可为复杂系统故障诊断提供决策支持。     

基于角度区间含容差线性模拟电路的故障诊断

角度故障模型可以很好地反映线性模拟电路故障的特征,它把无限多的固定参数故障转化为有限几个角度故障模型,对于线性模拟电路的故障诊断很有价值.但现有的诊断方法采用预定的门限值来处理容差问题,而门限值的确定是一个难题.证明了角度故障模型是线性模拟电路中故障元件的单调函数,并据此提出了采用角度最大值、最小值构成的故障特征角度区间来处理电路的容差问题.因为容差问题需要多次调用Pspice仿真,还实现了采用MATLAB自动调用Pspice仿真引擎的程序,这大大地减少了仿真计算时间.通过电路仿真实验表表明,所提出的方法可以较好地解决含容差模拟电路的故障诊断问题.     

汽包水位传感器一种具有鲁棒性的故障诊断方法

本文针对基于模型的故障检测和诊断方法中存在着对模型精度要求比较高，对不确定输入敏感，从而很容易导致系统误报的不足，提出了一种具有未知输入估计器的故障诊断系统。该系统设计原理简单，且大大提高了诊断系统的鲁棒性，降低了误报率。在对锅炉给水控制系统汽包水位传感器的故障仿真中证实了该方法的有效性。     

基于模糊故障树的高速挖发动机系统故障诊断方法

将模糊数学相关理论和故障树分析方法相结合,提出了一种基于模糊故障树理论的故障诊断方法。以高速挖柴油发动机系统为研究对象,建立该系统的故障树模型,运用模糊故障树分析法对该系统进行故障诊断推理和搜索算法研究。研究结果表明,该方法切实可行,经相关改造,也可用于工程机械其它系统的故障诊断。     

Deep convolutional tree-inspired network: a decision-tree-structured neural network for hierarchical fault diagnosis of bearings

The fault diagnosis of bearings is crucial in ensuring the reliability of rotating machinery. Deep neural networks have provided unprecedented opportunities to condition monitoring from a new perspective due to the powerful ability in learning fault-related knowledge. However, the inexplicability and low generalization ability of fault diagnosis models still bar them from the application. To address this issue, this paper explores a decision-tree-structured neural network, that is, the deep convolutional tree-inspired network (DCTN), for the hierarchical fault diagnosis of bearings. The proposed model effectively integrates the advantages of convolutional neural network (CNN) and decision tree methods by rebuilding the output decision layer of CNN according to the hierarchical structural characteristics of the decision tree, which is by no means a simple combination of the two models. The proposed DCTN model has unique advantages in 1) the hierarchical structure that can support more accuracy and comprehensive fault diagnosis, 2) the better interpretability of the model output with hierarchical decision making, and 3) more powerful generalization capabilities for the samples across fault severities. The multiclass fault diagnosis case and cross-severity fault diagnosis case are executed on a multicondition aeronautical bearing test rig. Experimental results can fully demonstrate the feasibility and superiority of the proposed method.     

基于深度宽卷积 Q 网络的行星齿轮箱故障智能诊断方法

针对行星齿轮箱故障诊断常依赖较强的专业知识,诊断模型通用性差的问题,基于深度强化学习,提出一种深度宽卷积Q网络的行星齿轮箱故障智能诊断方法。首先将行星齿轮箱的故障诊断分解为序贯决策问题,采用分类马尔科夫决策过程进行描述,并建立故障诊断模拟环境;其次设计深度宽卷积神经网络作为深度Q网络模型中的动作值网络,增强对环境状态的感知能力;最后模型通过与环境间的不断交互,并依据环境反馈的奖励,自主学习最佳诊断策略,从而完成行星齿轮箱的状态辨识。试验及案例结果表明：该方法能够在多个工况下均可有效、准确地实现行星齿轮箱的智能诊断,诊断准确率均超过99%,增强了诊断模型的泛化性和通用性。     

基于BP神经网络的某型叉车液压系统故障诊断模型研究

阐述了液压系统故障诊断的特点和现状,对BP神经网络的结构、训练方法和算法流程进行了说明,并由此建立了某型叉车的故障诊断模型。将该型叉车液压系统的经验故障诊断特征库转化为可以被神经网络模型利用的样本数据,并利用Matlab软件进行了仿真实验,验证其收敛性能达到相关要求。     

基于"结构FMEA"的故障树自动构建方法研究

研究由产品设计知识生成诊断知识是非常有意义的，它能很好地缓解诊断知识匮乏带来的窘境。在此思想的指导下，分析了基于“结构FMEA（Failure Mode and Effect Analysis）”的诊断模型构建的可行性，并以发动机润滑系统为对象研究从“结构FMEA”自动生成故障树的方法，从而最终实现设计知识到诊断知识的转化。与手工建树相比，这种方法可以高效、准确地得到具有较完备诊断知识的故障树。