基于模糊加权灰色关联分析的发动机磨损模式识别

结合大量铁谱分析数据与专家经验,给出了发动机磨损模式识别标准样本库,建立了发动机磨损模式识别的模糊均权灰色关联分析模型、模糊加权灰色关联分析模型,结合磨损模式识别实例,验证了识别结果的可靠性。实践证明,模糊加权灰色关联分析方法能够快速、准确、有效地识别发动机磨损模式。     

基于模糊算法的柴油机磨损模式识别

磨粒信息与磨损模式存在复杂的模糊关系,针对目前磨损模式判别方法中存在的问题,文章在分析了将模糊C-均值聚类算法应用到柴油机磨损模式评价体系中,利用光谱元素含量和铁谱参数作为特征向量,通过聚类中心和归一化的标准向量建立了磨损模式的模糊分析模型,并给出了磨损模式识别方法。通过对实际采集的20个样本进行模糊聚类分析,并与贴近度算法所得结果进行比较,证明模糊C-均值聚类算法对柴油机磨损模式的识别是准确、有效的。     

基于加权灰色关联分析与模糊C-均值聚类的柴油机磨损模式识别

将加权灰色关联分析与模糊C-均值聚类(fuzzy center-means clusteving)算法相结合应用到柴油机磨损模式评价体系中,以Bezdek准则和模糊熵值为度量指标加强全局搜索能力并确定了加权指数m值,通过聚类中心和归一化的标准向量建立了磨损模式的模糊分析模型.对实际采集的20个样本进行模糊聚类分析,并与贴近度算法所得结果相比较,证明加权模糊C-均值聚类算法对柴油机磨损模式的识别是准确、有效的.     

基于模糊C-均值聚类算法的柴油机磨损模式识别

将模糊C-均值聚类算法应用到柴油机磨损模式评价体系中,通过聚类中心和归一化的标准向量建立了磨损模式的模糊分析模型.对实际采集的20个样本进行模糊聚类分析,并与贴近度算法所得结果进行比较,证明模糊C-均值聚类算法对柴油机磨损模式的识别是准确、有效的.     

用模糊神经网络进行铣刀磨损状态识别

刀具磨损监测过程是一个模式识别过程,模糊推理和人工神经网络都是进行模式识别非常有效的办法,针对模糊系统和神经网络各自表现出来的不足,将模糊推理和神经网络结合起来,充分利用模糊系统在处理结构性知识上的优势和神经网络在自学习和并行处理上的能力,形成模糊神经网络进行刀具磨损在线监测识别.通过研究模糊系统和神经网络的结合形势,...     

基于信息融合技术的多模型磨粒智能识别方法

磨粒能够直接反映发动机的磨损过程和磨损状态,对磨粒的准确识别是实现发动机故障诊断和状态监测的关键环节.针对单一的智能方法在磨粒识别中的局限性,提出了一种基于信息融合技术的多模型磨粒智能识别方法.首先利用灰色关联度、模糊优选和神经网络模型对磨粒进行识别,得到3组初始识别结果,归一化后作为3组基本概率分配函数,利用D-S证据理论对其融合得到最终识别结果.实例计算表明,与单一智能模型相比,提出的识别方法提高了磨粒识别的区分度和准确率,并具有良好的通用性、适应性和容错性,为发动机磨损磨粒识别提供了一种新的有效的方法.     

基于有序样品聚类和模糊理论发动机状态监测研究

提出基于有序样品聚类和模糊理论发动机状态监测研究方法。利用有序样品聚类方法,对油液铁谱分析数据进行分类,实现了发动机的状态监测;利用模糊理论方法,结合发射光谱分析数据判断发动机的异常磨损部位。采用该方法对康明斯6BT5.9型柴油发动机状态进行监测,确定发动机可能出现异常磨损的部位,与发动机解体实际检查结果一致,证明上述研究方法对发动机异常磨损部位的确定具有一定的适用性。     

磨损颗粒的模糊神经网络识别研究

在传统的模式识别技术中，模式分类的基本方法是利用判别函数来划分不同的类别，然而如何选择有效的判别函数以及在识别过程中如何对判别函数的参数进行修正，对于以往的模式识别技术是比较困难的。针对油液铁谱分析中磨损颗粒的识别问题，讨论了一般机械设备的磨损颗粒的特征，分析了神经网络技术和模糊数学相结合的模式，提出了基于模糊神经网络的铁谱图象分类和识别方法，分析结果表明，提出的方法对铁谱分析的智能化和快速化提供一种有效的途径。     

用模糊模式识别方法识别金属切削刀具的磨损

文中引入模糊模式识别理论,建立金属切削刀具磨损识别系统,分析了刀具磨损特征,确定了刀具模糊模式Ai和待识别对象B的隶属函数,分析了车刀磨损的情况。     

模糊相似贴近度及其在传动系统状态监测中的应用

本文通过对模糊聚类分析和模糊模式识别的区别与联系的分析，提出了一类模糊相似贴近度的概念．结合实例，介绍了它在传动系统状态监测中的应用．理论分析和实验结果证明，在模糊模式识别中采用模糊相似贴近度的概念是正确有效的。     

飞行试验中转子故障模式的模糊识别方法

故障模式的识别是工程实际中进行故障诊断的一个难点,对此提出了将模糊方程应用于飞行试验中航空发动机转子故障模式识别的方法.简要介绍了模糊方程的基本原理,根据飞行试验的工程特点,定义了故障模式和故障特征向量,建立了隶属度矩阵.最后利用实测飞行故障数据对该方法进行了验证并取得了良好的效果.     

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。     

基于FNN-GA融合算法的喷油器在线诊断

依据喷油器开启信号波形的变化规律,探讨了柴油机喷油器故障的产生机理,提出了波形幅度、上升沿宽度和波形宽度等诊断指标.基于模糊推理逻辑和喷油器的工作机理,建立了模糊神经网络(fuzzy neural network,简称FNN)与遗传算法(genetic arithmetic,简称GA)相结合的柴油机喷油器故障诊断模型.以喷油器开启信号的特征参数为基准,建立了故障隶属度和故障类型,制定了柴油机喷油器故障诊断的模糊推理逻辑.运用FNN-GA融合算法,依据不同故障的喷油器开启信号对喷油器故障进行了诊断,对故障模式进行了判别,提出了柴油机喷油器故障的在线诊断策略,并进行喷油器电磁阀驱动电流的故障试验.结果表明,所设计的柴油机喷油器故障诊断模型合理,验证了诊断策略具有较好的分辨率,可用于喷油器故障在线诊断.     

基于模糊灰色信息集成理论的磨粒识别研究

根据灰色系统理论和模糊数学,引进了一种灰关联度综合评价模型和模糊相对权重的概念,并将两者相结合运用到铁谱分析的磨粒识别中,提出了一种新的基于模糊灰关联度的磨粒识别方法。计算表明,该方法比单一地使用灰色关联、模糊聚类具有更好的准确度与稳定性。     

基于FNN-GA的车用传感器在线诊断

基于模糊神经网络与遗传算法,提出了柴油机传感器故障的模糊融合诊断策略;运用模糊推理算法,依据不同故障的传感器波形信号,对传感器故障模式进行了判别,验证了故障诊断网络的可靠性。利用柴油机电控平台,进行了柴油机MAP、RPS和TPS的硬故障和软故障等性能试验。结果表明:所设计的传感器故障诊断模型合理,诊断策略具有较好的识别率,可用于柴油机传感器故障在线诊断。     

基于Kohonen网络的柴油机噪声故障分析系统

介绍了利用 Ａｄａｌｉｎｅ 自适应单元进行去除噪声干扰来达到对柴油机工作时的异常声响分析的方法。通过自组织人工映照神经网络模型对其故障诊断给出了一种分析模型,并与常规的 Ｂ Ｐ网络相比较,得出其具有自学习功能,运算速度快,类型识别能力强的优点。     

基于三种理论的汽油机故障诊断系统应用研究

阐述了模糊逻辑、BP神经网络和专家系统的相关理论,探讨了结合三种理论构建系统的优点,介绍了电控汽油机故障诊断的相关理论。在上述理论的基础上,阐述了电控汽油机模糊神经网络诊断专家系统的构建方法,并运用MATLAB软件针对汽油机故障征兆-故障模式样本集编写了BP神经网络训练程序对样本进行了学习训练和仿真。     

基于遗传算法的铣削加工参数模糊优化系统研究

优化铣削参数对于降低铣削加工成本、提高生产率有重要的作用。传统的铣削参数优化模型中，铣削参数和条件约束的匹配取值往往是通过实际加工的经验获得，这种结果具有不确定性和模糊性。文章分析了模糊参数优化的数学模型，根据模糊集合原理将模糊模型转化为一个传统的单目标模糊优化问题，借用IDEF1x方法建立了铣削参数模糊数据库模型，并运用遗传算法（GA）为优化引擎开发实现了模糊优化系统。给出的运行实例表明该优化系统对铣削参数优化具有更好的效果，同时，系统为CAPP优选铣削参数提供了支持平台。     

基于神经网络的旋转机械振动故障诊断

介绍了一种通过神经网络算法进行故障诊断的方法,神经网络的输入为通过对转子模拟信号进行傅里叶变换得到的典型频谱特征,将旋转机械不对中、不平衡、碰摩、涡动四种典型的故障作为网络的输出.首先用传统的BP网络算法进行诊断,得到故障诊断的精度,再将模糊理论与神经网络相结合,取长补短,组成模糊神经网络,对故障进行识别,从而得出模糊神经网络在模式识别方面具有更大的优越性的结论.     

48MW高炉鼓风机组群在线状态监测与故障诊断

48 MW高炉鼓风机组结构复杂 ,系统庞大 ,根据其已有的监测、控制系统的具体情况 ,利用 L ab Windows/CVI虚拟仪器开发平台 ,采用虚拟仪器技术 ,开发了具有远程监测诊断能力的 4 8MW高炉鼓风机组群在线状态监测与故障诊断系统。实现了 Bently振动监测系统、μXL 集散控制系统和 Windows NT计算机网络系统的多复杂异构系统的信息集成。采用分层分类诊断策略 ,提出了一种基于产生式规则、事例、模糊诊断、神经网络集成模式的多参数综合智能故障诊断方法 ,并与灰色理论的 GM(1,1)预测模型有机结合 ,进行故障预报。实际工程应用结果表明这一在线状态监测与故障诊断系统是行之有效的