基于模糊神经网络的故障诊断方法的应用

针对大型机组的状态监测与故障诊断问题,为了克服单一故障诊断方法的局限性,对现有的大型设备故障诊断方法作了分析之后,提出一种基于区间值模糊神经网络的诊断方法。该方法根据设备故障诊断的不同阶段,利用基于规则库、区间值模糊集理论、模糊神经网络和模糊模式识别等方法。该方法在某炼油厂重催化机组故障诊断中得到了具体应用。     

基于隶属度和规则的层次分类诊断模型

提出了一个基于模糊隶属度和规则的分类层次诊断模型。针对该模型,首先以汽轮机通流部分故障为对象,讨论了层次分类的方法,根据结构和故障分解的原则建立了故障诊断树;其次根据热力参数的实际情况,选择模糊隶属度函数并确定隶属度函数的算法;最后综合这两种方法的优点,设计了故障节点的知识组织结构,把每个故障节点的知识库分成工况参数、初始证据源、证据模式、神经网络信息、模糊规则库、索引知识等6个部分。该模型既减少了故障判断的搜索数量,又把诊断所需的各种模糊不确定的知识用模糊神经网络的权重来表示,知识的获取通过模糊神经网络的训练进行,解决了知识获取的"瓶颈"问题。经过实际故障诊断验证,该模型对于通流部分故障诊断具有很好的适用性。图2表4参2。     

模糊自学习故障诊断在柴油机电控系统中的应用

将模糊规则的推理方法和神经网络的自学习方法应用在柴油机电控系统的故障诊断上。根据对发动机故障专家经验的总结,将输入故障信息定义为故障现象,将输出故障结果定义为故障点,采用模糊推理规则的方法建立由现象到故障点的诊断模型,实现对柴油机电控系统的故障诊断。故障诊断模型的故障样本是在12V150电控柴油机上通过大量试验获得的,故障诊断模型采用BP神经网络的自学习方法进行训练。将诊断结果同实际测试结果相比较,证明了该方法的正确性。     

谐小波模糊神经网络应用于旋转机械的故障诊断

根据旋转机械复杂的故障特点，提出了结合谐小波分析、模糊理论和神经网络形成的谐小波模糊神经网络方法，并将其应用于旋转机械的故障诊断，实现了模糊故障诊断。通过计算机实现了全部算法。仿真和试验的结果表明：谐小波模糊神经网络在处理多故障耦合的情况时优势明显，故障诊断正确率高，证明该方法行之有效，为旋转机械的故障诊断提供了理论支持和新方法。图2表3参7     

基于模糊神经网络的机械故障诊断研究

将模糊分类和传统神经网络相结合,建立了模糊神经网络（ＦＮＮ）故障诊断模型,并将该模型应用于透平机械故障诊断,同时在模糊神经网络的输出中引入故障概率因子,分析表明ＦＮ怕性能优于传统ＢＰ网络。     

分布式水电机组故障诊断集成专家系统的研究

针对水电机组故障诊断的多样性和复杂性，将分布式人工智能技术引入机组故障诊断技术的研究，提出一种适用于水电机组的分布式故障诊断专家系统结构和组织方法；并在此基础上，利用神经网络技术、可视化技术和模糊技术，提出了一种新的故障诊断集成知识表示方式和推理生策略，并已应用于某水电厂分布式故障诊断集成专家系统中。     

基于GAPSO-FNN神经网络的锂离子电池传感器故障诊断北大核心CSCD

新能源汽车的动力电池内部存在多种传感器用来进行电池系统的安全监测,而传感器故障会导致荷电状态等指标出现误差,严重时会触发电池热失控的风险。为了有效准确地进行电池传感器故障诊断,提出基于遗传算法优化粒子群算法(genetic algorithm optimized particle swarm optimization,GAPSO)和模糊神经网络(fuzzy neural network,FNN)的锂离子电池传感器故障诊断方法对锂离子电池的传感器进行故障诊断,该方法使识别故障准确率迅速提升。本工作首先通过硬件平台和Matlab/Simulink环境相结合的方式获取电池传感器故障的数据,然后对故障数据进行预处理及特征提取,最后采用GAPSO-FNN算法对电池传感器进行故障诊断,并与传统神经网络和模糊神经网络方法的结果进行对比。仿真结果表明,基于GAPSO-FNN的锂离子电池传感器故障诊断方法相比于传统的神经网络方法测量准确率提升了25%,相比于模糊神经网络准确率提升了10%,故障诊断准确率能够达到95%,在减少故障诊断所需信息量的同时,有效地提升了故障诊断的准确率。     

基于分类树归纳的模糊轴系诊断规则抽取

轴系故障一直是困扰电力生产的主要问题,基于专家系统的轴系故障诊断方法存在知识获取困难、诊断精度不高的问题。本文提出了基于归纳学习的分类树构造方法,实现从运行数据中提取诊断规则,分析了基于分类归纳的诊断规则抽取方法对噪声的容忍能力,在不同噪声类型和噪声规模下,分析发现属性约简和剪枝技术都能有效提高诊断规则的泛化性能。本文进一步提出了将数值型规则转化为模糊规则,提高诊断规则的可理解性和推广能力,为实现故障诊断系统的自学习提供了可行的途径。     

基于IABC-ANFIS的燃气轮机气路故障诊断

为了提高燃气轮机故障诊断的效果,提出了一种基于自适应模糊神经网络(Adaptive Network-based Fuzzy Inference System,ANFIS)和改进的人工蜂群算法(Improved artificial bee colony algorithm,IABC)的故障诊断方法:基于自适应模糊神经网络构建燃气轮机故障诊断模型。针对自适应模糊神经网络受聚类参数影响较大的问题,采用手榴弹爆炸原理改进的人工蜂群算法对这些参数进行优化。仿真结果表明,与未优化的ANFIS模型和ABC-ANFIS模型相比,IABC-ANFIS可以更稳定、准确地识别故障,为燃气轮机故障诊断提供实际参考。     

基于模糊神经网络的发动机故障诊断专家系统的研究

根据发动机的组成结构、功能原理及维修专家的实际经验,提出了一种基于模糊神经网络的故障诊断方法,将模糊逻辑和神经网络与传统的专家系统结合起来,开发出发动机故障诊断专家系统软件.该系统具有推理过程简单、快捷和准确等优点.     

基于模糊神经网络的发动机故障诊断专家系统的研究

根据发动机的组成结构、功能原理及维修专家的实际经验，提出了一种基于模糊神经网络的故障诊断方法，将模糊逻辑和神经网络与传统的专家系统结合起来，开发出发动机故障诊断专家系统软件。该系统具有推理过程简单、快捷和准确等优点。     

柴油机模糊诊断专家系统的研究

介绍了一种以关系数据库为基础的机车柴油机多征兆模糊故障诊断专家系统,研究了多征兆模糊产生式规则的诊断知识表示和知识库的建立;利用ADO技术实现对知识库的访问和诊断管理。在柴油机故障诊断应用中,该数据库取得了良好的效果。     

基于模糊Petri网的知识表示方法在燃气轮机故障诊断专家系统中的应用

给出了用模糊Petri网模型来表示燃气轮机故障诊断专家系统中模糊产生式知识库的方法,在此模型的基础上,给出了有效的推理算法,并举例验证其正确性和在燃气轮机专家系统中应用的可行性。图2参5     

汽轮机组回热系统故障诊断知识的模糊处理及诊断研究

在建立火电机组回热系统常见故障的故障集和征兆集基础上,利用模糊数学知识和相关理论,针对回热系统故障征兆参数的不同变化方向和程度,采用不同的变化等级和阈值,建立了回热系统典型故障样本模式知识库及实时故障模式集。同时利用基于MATLAB环境下的径向基函数网络,建立了回热系统故障诊断模型。并利用电站仿真机模似典型故障进行了神经网络模型的验证。实践表明,这种方法可有效地进行回热加热器故障样本模式的模糊量化处理,极大地改善了神经网络训练的收敛性。有利于回热系统的故障诊断。     

柴油机故障的混合智能诊断方法研究

本文提出了一种综合智能故障诊断的方法，即首先利用常规的信号检测和分析手段，获得一些代表故障特征的时域或频域参数值，根据参数值确定故障的隶属度，利用已经训练好的模糊神经网络传递故障的隶属度，再根据网络输出的隶属度大小确定故障原因，然后利用规则推理滤除可疑原因，得到最终诊断结果。最后以6135ZC柴油机故障诊断为例，验证了该方法的有效性。     

基于模糊c-均值-粗糙集-自适应模糊神经网络推理系统集成的故障诊断

考虑模糊聚类的数据离散功能，粗糙集理论对决策系统的约简能力，以及模糊神经网络在模式识别方面具有的优势，提出了模糊c-均值(FCM)—粗糙集—白适应模糊神经网络推理系统(ANFIS)集成进行故障诊断的方案：首先，应用FCM聚类方法离散故障诊断数据中的连续属性值；然后，基于粗糙集理论计算诊断决策系统的约简，按照实际需要确定诊断条件；最后，根据系统约简设计ANFIS进行故障诊断。4135柴油机的实际诊断结果验证了文中提出集成故障诊断方案的可行性。在数据充分的条件下，该方案可以推广应用于其它机械设备。     

基于粗糙集理论的汽轮机组回热系统故障诊断模型

在分析了汽轮机组回热系统现有故障诊断方法无法解决冗余征兆的不足之后,提出了一种基于粗糙集理论的故障诊断模型。该模型从回热系统典型故障模式出发,通过连续征兆属性的离散化建立了故障诊断决策表;利用遗传算法实现了故障征兆属性约简,并提出了结合领域知识的最小约简择优策略,然后通过给出的决策规则约简的基本原则,得到用于故障诊断的决策规则库。在应用该模型进行故障诊断时,用待诊实例的离散化了的故障征兆属性与规则库中的诊断决策规则进行匹配,对返回的诊断决策规则进行综合评价,并得出诊断结论。利用电站仿真机模拟典型故障进行了故障诊断模型的验证,实践表明,该模型可以有效地约简冗余的故障征兆,并具有较好的诊断效果和一定的容错能力。