基于本体的机械故障诊断贝叶斯网络

针对机械设备维护与故障诊断过程中的不确定性,提出了一种将本体语义表示与贝叶斯网络相结合的故障概率推理模型。从异构多源的维护诊断信息和非结构化的专家经验知识出发,建立语义知识模型并进行概率扩展。利用贝叶斯分类器实现异常工况识别,给出了基于最大可能解释(MPE)的故障概率推理算法,从而根据运行工况、故障征兆和证据信息推理获得故障诊断解释。将本体语义描述的精确性和贝叶斯网络的概率推理能力相结合,既实现了诊断领域知识的形式化描述与共享,又能在一定程度上消除诊断过程的不确定性。某凉水塔风机转子典型故障诊断实例表明,该模型具有较好的故障识别效果。     

基于本体的机械故障诊断贝叶斯网络

针对机械设备维护与故障诊断过程中的不确定性,提出了一种将本体语义表示与贝叶斯网络相结合的故障概率推理模型。从异构多源的维护诊断信息和非结构化的专家经验知识出发,建立语义知识模型并进行概率扩展。利用贝叶斯分类器实现异常工况识别,给出了基于最大可能解释(MPE)的故障概率推理算法,从而根据运行工况、故障征兆和证据信息推理获得故障诊断解释。将本体语义描述的精确性和贝叶斯网络的概率推理能力相结合,既实现了诊断领域知识的形式化描述与共享,又能在一定程度上消除诊断过程的不确定性。某凉水塔风机转子典型故障诊断实例表明,该模型具有较好的故障识别效果。     

基于主观贝叶斯推理的多传感器分布式故障检测融合方法

针对复杂数控加工中心故障预测中各传感器检测信息呈现不确定性的问题,提出基于不确定性推理的多传感器分布式检测融合算法。该算法通过利用主观贝叶斯推理,获取局部检测装置的判决规则,并选取合适的局部判决规则送到融合规则中心,将来自不同传感器的观测数据进行综合分析,最后产生全局判决。以复杂立式加工中心为对象建立测试平台,利用多传感器样本获取方法进行机床不同运行状态及运行环境下的故障样本获取试验。试验表明在含有大量不确定性信息的故障诊断系统中,基于主观贝叶斯推理的分布式检测融合算法具有故障信息识别率高、诊断速度快的优点,其诊断错误率明显低于单个传感器的诊断错误率,且诊断错误率要低于串行分布式检测融算法。     

模糊故障Petri网在飞机电源系统故障诊断中研究

针对飞机电源故障诊断专家系统中存在的知识表示复杂、不确定性等问题,采用一种基于模糊故障Petri网模型来进行知识表示,同时提出一种正向推理和反向推理相结合的推理算法,该推理算法先用正向推理从故障原因出发,正向查找故障原因导致的故障现象,然后再针对故障现象进行反向推理查找产生此故障的原因,验证故障诊断的真实度。以飞机电源系统中典型故障现象为例,建立故障诊断模型,采用正反结合推理算法加以应用验证,验证结果表明该算法对飞机电源系统故障诊断准确,可操作性强。     

基于小波包和BN模型的深沟球轴承故障诊断

针对造纸机干燥部所用深沟球轴承故障的不确定性问题,提出了小波包与Bayes网络相结合的滚动轴承故障诊断方法。首先,对实测振动信号进行小波包分解;其次,利用设计的特征提取函数进一步处理信号,离散化后形成故障特征向量;然后,采用特征向量训练得到BN模型先验参数,建立轴承故障诊断网络模型;最后,充分利用Bayes网络的建模学习能力和概率推理算法解决不确定性问题的表示和推理,完成故障诊断。试验结果表明:BN模型在诊断正确率、训练耗时上均优于传统BP神经网络方法,尤其可在输入故障特征向量不完备时,依然具有较好的推理诊断效果。     

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。     

模糊Petri网在电梯故障诊断中的应用

介绍了基于模糊Petri网的知识描述方法及推理算法，并采用模糊Petri网作为电梯故障诊断专家系统中的知识表示方法和推理搜索策略，对故障信息的模糊性和不确定性进行表示和处理，实现了知识表示和推理模型的集成和统一，有效的解决了诊断推理过程中知识表示与推理等关键问题。     

基于差分进化Takagi-Sugeno模糊神经网络的电网故障诊断模型

为有效处理电网故障中存在的不确定性，提出一种基于改进差分进化Takagi-Sugeno模糊神经网络的电网故障诊断模型。该模型基于分布式并行处理的思路，根据配置的继电保护和断路器对每个元件而非整个电网建立相应故障诊断模型。为提高诊断模型的准确性，对差分进化算法的缩放因子和交叉率进行自适应改进，并将改进算法用于优化各模型的前件参数和后件参数。仿真结果表明，与其他神经网络相比，该模型能够成功诊断存在拒动、误动的复杂故障，提高了电网故障诊断的容错性。     

基于模糊Petri网的压缩机故障诊断

针对压缩机故障诊断系统知识具有不确定性和模糊性的特点,给出了基于模糊产生式规则的模糊Petri网模型和反向推理算法,并以Ⅰ级压力过低故障诊断为例,说明了该模型具有直观,表达能力强和易于推理的优点。     

基于模糊理论与规则的减速机故障诊断专家系统关键技术研究

为克服减速机故障传统诊断方法存在的诊断效率低、缺乏科学性等弊端,采用专家系统的开发思想与技术实现故障的智能诊断,并将基于贴近度的模糊诊断与基于规则的不精确推理相结合的故障诊断推理技术运用于诊断专家系统的推理中,旨在能够实现故障诊断的快速准确性,保证设备安全、可靠的运行.     

基于粗糙集理论的航空发动机滑油光谱诊断专家系统知识获取方法研究

针对航空发动机滑油光谱诊断专家系统的知识获取问题,本文建立了基于粗糙集理论的航空发动机滑油光谱诊断专家系统知识获取模型。首先建立反映光谱元素浓度及元浓度梯度与发动机磨损故障之间关系的典型故障样本集;然后运用粗糙集理论的离散、约简及规则提取等算法,从大量的故障样本中自动获取知识规则,并将知识规则存储于专家系统知识库中;最后,建立推理机,运用一定的推理策略实现发动机磨损故障诊断。本文利用航空发动机实测的油样光谱数据对所建立的粗糙集知识获取方法,进行了实例验证。     

两层分采同步抽油系统故障诊断模型的数值分析法

建立两层分采同步抽油系统的故障诊断模型 ,研究在实心抽油杆与空心抽油杆的界面处空心泵对应力波的影响 ,给出抽油杆柱不同杆段的波动方程的显示差分格式 ,提出一种故障诊断模型的反问题计算法。用此算法可在缺少一个边界条件的情况下求解故障诊断模型 ,获得抽油系统各个工况下抽油杆柱任意截面的受力状态 ,从而绘制出两层分采同步抽油系统的空心泵示功图和管式泵示功图。将此算法与模式识别技术相结合可对两层分采同步抽油系统的故障进行诊断。     

基于可信度理论的火电厂水汽化学过程故障诊断模型研究

针对火电厂水汽化学过程中广泛存在着的不确定关系,该文研究并设计了一个基于可信度理论的故障诊断模型。在模型中对知识的表达、推理控制机制的选择、不确定算法的构建等问题做了详细的描述;并改进了规则可信度的设定方法,使该可信度推理更接近于人类专家思维。     

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。     

机械设计决策的不确定性推理

提出了在进行机械零件设计过程中 ,使用基于 D- S证据理论实现模糊性与不确定性的推理 ,在实际构成设计专家系统时 ,引入信任函数、似然函数和类概率函数 ,使用证据理论建立不确定推理模型以及模糊集 ,可以实现一般机械设计系统决策。在本文中 ,将该理论应用于齿轮箱设计过程的设计参数、选型和几何参数的专家决策中 ,实现了一般轮类设计专家系统的构建     

A fault diagnosis method for rolling element bearings based on ICEEMDAN and Bayesian network

As commonly used components in rotating machinery, rolling element bearings (REBs) can fail due to complex working conditions and high-speed rotation. The failure of bearings may cause great damage. It is necessary to identify the faults of bearings to prevent property losses and heavy casualties. This paper proposes a fault diagnosis approach based on improved complete ensemble empirical mode decomposition with adaptive noise (ICEEMDAN) and Bayesian network. The intrinsic mode functions (IMFs) extracted by ICEEMDAN algorithm are applied to construct feature vectors based on the energy entropy, and then the fault diagnosis model of the bearing is constructed by Bayesian network. The influence of load and sampling frequency on diagnostic accuracy of the bearing with different fault types is studied in this paper. And the research results show that the ICEEMDAN-BN method can improve the uncertainty reasoning ability and accuracy of the developed fault diagnosis model.

     

基于D-S证据理论技术的发动机转子故障诊断

从D-S证据理论的基本概念和证据的融合推理方法出发,建立了多故障特征信息融合诊断框架,将信息融合思想引入到故障诊断领域,并应用D-S证据理论方法,解决在多传感器条件下的数据融合问题.最后,给出了一个发动机转子多故障信息进行故障诊断的实例,结果表明该方法能够有效的提高诊断可信度,减小诊断的不确定性.     

本体驱动的机械设备诊断维护知识建模

为了提高机械故障诊断的准确性与可靠性,引入了诊断维护知识的语义表示方法。通过对设备结构信息、维护经验知识以及诊断行为过程进行建模,建立了本体驱动的故障诊断推理模型。提出了设备运行状态与故障征兆之间的本体映射算法,并根据征兆空间到故障案例空间的映射关系进行实例匹配,完成了静态维护知识与动态诊断过程的统一,从而实现自动化、智能化的故障诊断与维护决策。将所建立的本体驱动的故障诊断推理模型应用于某转子故障诊断,得到了准确、实时的诊断结果。     

Info-gap robustness for the correlation of tests and simulations of a non-linear transient

An alternative to the theory of probability is applied to the problem of assessing the robustness, to uncertainty in model parameters, of the correlation between measurements and computer simulations. The analysis is based on the theory of information-gap uncertainty, which models the clustering of uncertain events in families of nested sets instead of assuming a probability structure. The system investigated is the propagation of a transient impact through a layer of hyper-elastic material. The two sources of non-linearity are (1) the softening of the constitutive law representing the hyper-elastic material and (2) the contact dynamics at the interface between metallic and crushable materials. The robustness of the correlation between test and simulation, to sources of parameter variability, is first studied to identify the parameters of the model that significantly influence the agreement between measurements and predictions. Model updating under non-probabilistic uncertainty is then illustrated, based on two complementary immunity functions: the robustness to uncertainty and the opportunity from uncertainty. Finally an info-gap model is embedded within a probability density function to represent uncertainty in the knowledge of the model's parameters and their correlation structure. Although computationally expensive, it is demonstrated that info-gap reasoning can greatly enhance our understanding of a moderately complex system when the theory of probability cannot be applied due to insufficient information.