基于BP神经网络和D-S证据理论的刀具磨损监测方法

将BP神经网络和D-S证据理论相结合的方法运用于刀具磨损监测中,采用小波包分解法对刀具磨损过程中产生的声发射信号进行特征提取,构建特征向量,利用BP神经网络识别判断刀具磨损状态;通过BP神经网络的输出结果和训练误差计算D-S证据理论的基本概率赋值,并用D-S证据理论对BP神经网络的识别结果进行决策级融合。实验结果表明:该方法避免了神经网络识别时的误诊,提高了整个刀具磨损监测系统识别的准确性和可靠性。     

基于EWT与改进D-S证据理论的燃气调压器故障诊断

针对传统单一燃气调压器故障诊断模型存在诊断精度较低和结果误判别率高等问题,提出一种经验小波变换(EWT)与改进D-S证据理论结合的故障诊断方法,对燃气调压器故障状态进行诊断。使用EWT对传感器采集数据进行预处理并计算各分量能量熵,将其作为以广义回归神经网络、Elman神经网络和灰关联熵分析3种模型为基础构建的混合诊断模型的输入变量。根据D-S证据理论建立3个模型的基本信度函数,实现故障信息的决策融合,并引入证据关联系数法对证据体决策重要度和冲突问题加权修正。实验结果表明：EWT与改进D-S证据理论模型的故障诊断准确率达95.0%,在平均误差、均方误差、最大误差百分比等方面均优于单一的广义回归神经网网络、Elman神经网络和灰关联熵分析模型。     

一种基于证据理论的多源信息融合管道泄漏诊断

受强背景噪声、复杂工况以及传感器自身缺陷等因素的影响,单传感器管道泄漏检测方法存在诊断精度差和识别不确定性的问题。结合无线传感器网络技术和信息融合技术,提出一种基于D-S证据理论的多传感器数据融合的泄漏诊断算法。该方法依据分簇的网络结构模型,分别将簇内不同节点上多种传感器的多个测量周期的诊断信息作为独立证据体,采用分布式数据融合结构和修正证据合成法则,逐级进行单传感器时域、单节点空域以及多节点空域的融合,最后通过决策法则输出结果。实验结果表明,该方法降低了识别的不确定性,有效提高了管道泄漏诊断的精度。     

基于D S证据理论的轴心轨迹自动识别方法

旋转机械的轴心轨迹包含了其运行状态的丰富信息,是判断转子运行状态和故障征兆的重要依据。提出对轴心轨迹的图像利用不变矩和傅里叶描述子提取特征,采用D-S证据理论对轴心轨迹特征参数进行融合识别诊断,并与传统BP神经网络识别方法比较,证明D-S证据理论提高了识别的准确性。将所提的方法应用于磁轴承故障诊断中,利用实测振动信号验证该方法的实用性,最终结果表明识别结果与轨迹形状相符合,说明文中提出的方法不仅能够较好的提取轴心轨迹图像特征,并能有效地对轴心轨迹进行识别,提高磁轴承故障诊断的精度。     

基于K-S和加权证据理论的复合故障诊断方法

针对复合故障难以识别的问题,提出双样本组合Kolmogorov-Smilnov检测对两条量纲一的指标曲线进行匹配,并通过加权证据理论方法对故障信息进行融合的新方法。实验结果表明:在双样本K-S检验中,峭度指标累积分布函数曲线匹配的准确率高于其他指标;通过D-S证据理论融合故障信息后,准确率虽无明显提高,但可以有效减小复合故障的范围,因此通过再分类可以提高准确率。     

神经网络和改进D-S证据理论相结合的滚动轴承复合故障诊断研究

提出了将神经网络与D-S证据理论相结合的故障诊断方法,实现了故障信号的特征级和决策级融合,并应用于轴承的复合故障诊断研究。将BP、RBF、GRNN 3种神经网络的输出结果作为3个证据体,滚动轴承的4种复合故障特征作为系统的识别框架,引入聚类系数作为权值分配,重新计算基本概率赋值,对D-S证据理论进行改进,以提高轴承复合故障诊断的准确性。     

基于自适应加权和D-S证据理论的风电机组故障诊断

由于风电机组系统相当复杂,故障原因及其现象不成简单或线性对应关系,单一检测不能够满足诊断需要。针对这一问题,将无线传感器网络(Wireless Sensor Network)中信息融合的理论和方法应用于风电机组状态监测和故障诊断中,使采集到的海量数据分别进行信号层与特征层两个层次的信息融合,运用自适应加权融合算法降低网络的数据冗余和传输能量消耗,利用高斯隶属度函数获得基本概率的赋值,提高了D-S证据理论数据的可靠性,改进的证据组合方法提高了故障识别能力。最后,对风电机组齿轮箱的故障诊断进行仿真实验,实验结果验证了该方法具有较高的诊断精度,明显提高诊断的可信度。     

基于改进D-S证据理论的滚抛磨块融合决策模型

目的 为了能够有效利用滚磨光整加工数据库平台的案例知识和专家经验,提高新零件加工时滚抛磨块优选的准确率,解决不同优选方式优选结果的冲突问题.方法 将案例推理、专家推理、迁移学习3种优选方式的滚抛磨块优选结果作为3种证据,根据3种优选方式计算的相似度结果构建滚抛磨块决策辨识框架,并采用合理的方法确定基本概率赋值.然后依据按冲突信息的比例分配基本概率赋值的方法对证据合成公式进行改进,避免传统的D-S证据理论在证据间高度冲突时出现融合结果有悖于实际情况的问题.接着采用改进的证据合成公式对3种证据进行融合决策.最后利用数据库平台中工厂加工实例数据进行仿真.结果 基于数据库平台中已有的成功案例结果,通过仿真结果可以表明,该改进的融合决策模型可以解决不同优选方式优选结果之间的冲突问题,解决了原始合成公式的弊端问题,且融合决策结果较3种方法单独使用时具有更高的准确率,该融合决策模型的准确率达到88％.结论 基于改进D-S证据理论的滚抛磨块融合决策模型,可以为滚磨光整加工时滚抛磨块的智能优选提供决策指导.     

基于小波包能量和层次熵的D-S证据理论的轴承故障诊断技术

针对齿轮箱轴承故障识别率低、故障信号不平稳的问题,提出层次熵与小波包能量多源数据融合轴承故障诊断方法。采用小波包对轴承正常、内圈、外圈、滚动体故障等4种振动信号进行三层小波包分解并重构,计算各频段样本熵（即层次熵）和小波包能量作为故障特征向量集;应用归一化方法对2种特征向量处理后分别建立BP神经网络模型实现轴承不同故障模式的诊断;最后应用D-S证据理论,通过小波包能量和层次熵以及两者融合信息的故障诊断结果比较,表明基于神经网络和D-S证据理论相结合方法用于复杂机械的故障诊断是可行和有效的。     

模糊证据理论的推广及其在产品可靠性评估中的应用

模糊证据理论可以很好地表示和处理不精确的和模糊的信息.本文通过重新定义模糊集合的"包含度"和"相交度"概念,将模糊证据理论推广到识别框架为连续无限集合的情形,并将其成功应用于产品的可靠性评估工作之中.     

工业机器人末端执行器配套风管故障风险评估研究

工业机器人末端执行器通常由风管控制开闭,信号经程序驱动电磁阀动作,为研究其末端执行器配套用风管失效风险,介绍了故障树分析法,进行风险识别,找出影响风管动作的最关键因子,建立风管失效风险评价体系,利用模糊理论评估末端执行器风管失效风险概率值,并且利用贝叶斯网络预测因风管失效致工业机器人故障的风险概率值,并对各根节点实施敏感性分析。结果表明:工业机器人末端执行器配套风管有失效风险,该风险主要由外腐蚀、疲劳、自然力、误操作和第三方破坏五大因素造成,为预防因风管故障致末端执行器开闭故障引发的严重生产事故,需加强风险节点的控制与管理。     

考虑位姿变换的钻铆工业机器人刚度寻优

针对航空航天飞机蒙皮壁板等大尺度构件自动钻铆加工中工业机器人刚度较低、加工精度差的问题,以KUKA KR600 R2830型工业机器人为例,通过调整工业机器人加工位姿的方式进行刚度优化。建立所选型号工业机器人运动学模型,在此基础上建立刚度模型并通过刚度辨识实验求解工业机器人各关节刚度;采用蒙特卡洛法绘制工业机器人作业空间并结合刚度性能评价指标在工作空间基础上绘制刚度云图,表征机器人刚度性能分布;结合参数优化后的模拟退火算法求解机械臂刚度最优位姿及当前位姿下的关节角;最后利用仿真及实验进行验证,证明刚度最大位姿的有效性。此方法可为高精重载工业机器人的加工稳定性研究提供思路和指导,提升6R工业机器人钻铆质量。     

基于神经网络的数据融合算法在管道缺陷损伤识别上的应用

本文研究了基于BP神经网络的多传感器数据融合算法,并对BP算法进行改进,利用D—S证据理论进行分析,针对多传感器检测数据的不确定性,提出了神经网络和D-S证据理论相结合的数据融合模型及融合算法应用于输油管道检测系统,通过对他们进行检测、关联、相关、估计和综合等多方面、多级别的处理,进而得到被检测状态的准确评估。它可以克服单一管道检测技术的不足,融合多种检测结果以提高检测精度。     

储油罐检测机器人性能综合评价

储油罐检测机器人技术发展较快,但缺乏合理的性能评价方法。构建统一的储油罐检测机器人性能评价指标体系,提出一种以序关系分析(G1)法和基于层间相关性赋权法(CRITIC)确定权重、引入功效系数法与虚拟云改进云模型的综合评价方法。建立7个机器人的指标数据集,通过序号总和理论与众数理论与多种评价方法作对比。结果表明：云模型的评价方法有效性测度更高,且机器人的性能大多处于中等水平,还有很大的改进空间。     

基于熵不确定性概念的机器人位姿精度理论(六)——位姿精度分析的计算机仿真系统

基于熵不确定性概念的机器人位姿 精度评价指标的大小同机器人各参数误差的大小及其概率分布有密切的关系。本文将建立机器人位姿精度分析的计算机仿真系统，利用统计模拟方法，通过改变由机器人机构误差源误差引起的各参数的大小及概率分布，考察评价指标的相应变化，找出影响评价指标的因素。     

KR16-2机器人运动学分析及路径规划

为提高KR16-2机器人在实际工作中的效率,通过改进的D-H法,建立KR16-2的运动学方程并构建模型。采用五段位置S曲线插补法对轨迹进行优化处理,提高机器人运动的平稳性。提出适应度的多重控制方法,结合对各类算子的重新标定,得到该机器人工作的最优平滑路径。仿真实验表明:采用此方法该机器人获得了较平滑且距离最优的路径。