基于优化分簇贝叶斯网的转子振动故障诊断

针对柴油发动机的充电发电机结构及振动的复杂性导致其转子振动故障具有多层次性、耦合性和随机性,以及故障信息不完整性等特点,提出了一种基于振动频谱分析和贝叶斯网络的转子振动故障诊断方法。该方法将故障源和故障现象根据专家经验数值化表示并离散化,运用改进的优化分簇算法,构建特定振动故障类型的贝叶斯诊断网络,利用贝叶斯网络推理算法诊断出故障概率分布,并利用具体的故障证据、设定值对该方法进行验证。仿真及实验结果表明,该方法能在故障信息不完整情况下,依据不完整证据信息更新各网络节点的概率状态,实现对不确定信息的推理和估计,得到较好的诊断结果,提高了转子振动故障的诊断准确度。     

基于贝叶斯网络的电子设备故障诊断技术研究

针对电子设备故障诊断的难点,通过分析贝叶斯网络的特点,设计了一种基于贝叶斯网络的故障诊断系统。首先介绍了故障及故障诊断的相关概念;然后在理解贝叶斯网络的基础上分析其优点,研究了贝叶斯的推理;进而研究贝叶斯故障诊断的关键技术;最后介绍了基于贝叶斯网络故障诊断系统的整体框架。     

基于FMECA知识的故障诊断贝叶斯网络建模研究

为了构建具有较完备知识的贝叶斯网络诊断模型,提出了一种基于FMECA知识的故障诊断贝叶斯网络建模方法,该方法根据产品FMECA分析所得故障模式、故障原因、故障影响之间的因果关系构建贝叶斯网络拓扑结构,通过历史数据确定网络各节点的先验概率和条件概率分布,进而利用建立的贝叶斯网络进行故障诊断推理决策,最后通过某型飞机平视显示器的故障诊断贝叶斯网络建模及诊断实例,验证了方法的正确性及可行性。     

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。     

基于贝叶斯决策理论的电梯群控交通模式识别

为了提高电梯群控系统运行效率,针对国内外电梯群控交通模式识别研究存在的问题,提出了用贝叶斯决策理论对其交通模式进行识别。论述了电梯群控系统交通模式、交通模式鉴别的特征参数、交通模式识别分类器的设计及优化,并实现了电梯群控性能的提高。仿真研究结果表明,基于贝叶斯决策的电梯群控系统交通模式识别方法科学、合理,能提高群控电梯的运行效率。     

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FMECA知识的故障诊断贝叶斯网络建模研究

为了构建具有较完备知识的贝叶斯网络诊断模型,提出了一种基于FMECA知识的故障诊断贝叶斯网络建模方法,该方法根据产品FMECA分析所得故障模式、故障原因、故障影响之间的因果关系构建贝叶斯网络拓扑结构,通过历史数据确定网络各节点的先验概率和条件概率分布,进而利用建立的贝叶斯网络进行故障诊断推理决策,最后通过某型飞机平视显示器的故障诊断贝叶斯网络建模及诊断实例,验证了方法的正确性及可行性。     

浅谈基于贝叶斯网络的泵故障诊断方法

针对发电厂水泵系统结构复杂,诊断过程中不确定因素众多的特点,提出了基于贝叶斯网络的水泵故障诊断方法。依据发电厂水泵故障机理,建立水泵贝叶斯网络结构;在定量参数方面,引入leaky Noisy-or模型,简化参数设置,从而克服水泵故障样本数量少导致贝叶斯网络参数设置困难的问题。最后,通过实例验证了基于贝叶斯网络的发电厂水泵故障诊断方法的有效性。     

基于故障树贝叶斯网络的液压启闭机故障诊断方法

针对液压启闭机设备专业性强,故障原因复杂等特点,该研究提出了一种基于故障树建立贝叶斯网络的故障诊断方法。首先建立了液压启闭机系统的故障树,然后将故障树转化为贝叶斯网络,计算出顶事件的发生概率并运用贝叶斯网络推理对可能造成故障的原因进行重要度分析,实例表明该方法能有效克服传统故障树分析法的局限性。     

基于贝叶斯网络和理想解动态群决策的故障诊断方法

为综合利用多属性信息和历次故障搜索结果反馈信息进行故障诊断,提出一种基于贝叶斯网络和理想解动态群决策的故障诊断方法。以砼泵分配阀液压系统为例,利用贝叶斯网络对系统进行分析并求解根节点的后验概率和关键重要度;根据本次诊断成功与否对下次最优搜索决策影响程度的大小,定义出启发函数求解启发式信息价值;考虑后验概率、关键重要度和启发式信息价值等因素,利用基于熵权的理想解法求取搜索方案的群体理想解和逆理想解,得到故障搜索最佳方案;考虑历次故障搜索最佳方案对当前搜索方案的影响,最终求得故障搜索的最佳方案序列。该方法克服了单属性决策和群决策方法的不足,提高了故障诊断的可行性和诊断效率。       

深度学习在电梯轿厢振动故障诊断中的应用研究

在电梯系统运行过程中,针对故障诊断精确度不够高的问题,以及电梯轿厢振动故障诊断在卷积神经网络运用上的空白,采用电梯承运质量测试仪采集了电梯运行过程中的大量振动信号,并对信号进行了分离和筛选;采用了连续小波对预处理后的信号进行了时频变换,以变换后的RGB图像作为深度学习模型输入;研究了深度学习在电梯轿厢振动故障诊断中的应...     

贝叶斯推理网络在大型旋转机械故障诊断中的应用

本文简述了贝叶斯网络及网络传播的信念更新问题，并提出其在大型旋转机械故障诊断中的应用，建立了故障－－特征的贝叶斯网络，并分析了信念在网络中的传播与更新。     

基于多传感器信息融合的贝叶斯网络故障诊断方法研究及应用

针对齿轮泵信号具有复杂性和模糊性的特点,提出了一种基于多传感器信息融合的贝叶斯网络故障诊断方法。分析了齿轮泵振动和压力信号特点,以此为基础提取了振动信号的能量特征、分形特征和压力信号的高频压力脉动3种特征属性,构建了多故障贝叶斯网络对特征进行融合,设计了贝叶斯分类器,通过最大后验概率准则识别故障类型。两次融合结果表明:多传感器信息完备了特征空间,提高了诊断正确率,能够有效实现齿轮泵多种故障的诊断,具有较好的应用价值。     

贝叶斯网络数据细化的柴油发电机故障诊断

针对传统故障诊断方法在不确定问题诊断方面的不足,提出了基于贝叶斯网络的数据细化的柴油发电机故障诊断法。对柴油发电机转子的某些特定故障,结合专家知识确定转子特定状态下故障与振动频率、幅值及相关描述的依存关系,将获取的观测数据细化处理,利用结构学习,构建了基于贝叶斯网络的柴油发电机故障诊断模型,通过参数学习确定各节点的条件概率。实验结果表明,在已知信息具有模糊性和不完备性时,基于贝叶斯网络数据细化的故障诊断技术可明显提高诊断正确率。     

贝叶斯推理网络在大型旋转机械故障诊断中的应用

本文简述了贝叶斯网络及网络传播的信念更新问题，并提出其在大型旋转机械故障诊断中的应用，建立了故障──特征的贝叶斯网络，并分析了信念在网络中的传播与更新。     

基于贝叶斯网络信息价值的故障维修决策应用研究

针对光电设备系统的复杂性与故障相关信息的不确定性和不完整性问题,本文提出了一种基于贝叶斯网络的信息价值的故障维修决策方法,并将该方法应用到某型号军用光电设备的激光告警单元故障维修决策中。这种方法的优点是能根据现有的信息(可能是不确定、不完整的信息)以最少的操作、最低的代价给出故障维修决策,提高了光电设备的故障维修决策能力,并大大增强了故障快速维修能力。     

曳引电梯振动信号检测系统的设计

针对电梯的振动问题,设计了一种曳引电梯振动信号检测系统.该系统以STM32作为核心控制单元,通过压电式加速度传感器、信号调理模块、A/D转换模块将电梯的振动信号转化为相应的可读数字信号,同时经控制器的运算处理,可以实时地在屏幕上进行显示并且保存在SD卡中.为电梯设备检测人员提供必要的数据支持,并可作为故障诊断的判断依据...     

基于振动监测的船用燃油泵故障诊断

针对某船用燃油泵在航行途中振动偏大的问题,在对其基本结构、工作原理以及运行特征分析的基础上,利用轴承脉冲检测仪结合频谱测量仪,对其运行状态进行分析,数据显示轴承脉冲在正常范围内,电机输出端和自由端水平方向振动超标,振动以转频为主;转轴联轴器两端水平方向相位差接近180°.分析诊断为该泵存在不对中故障,检修后该泵恢复正常...     

基于深度学习和贝叶斯优化的压缩机故障诊断

由于往复式压缩机的故障诊断需要复杂而耗时的特征提取过程,并且对超参数优化存在局限性,提出了一种基于深度学习和贝叶斯优化的压缩机故障诊断方法。首先通过时域计算短窗口的预处理方法降低模型复杂性,并且不损失时间相关信息。然后从压缩机振动信号的时间序列表示中迭代训练长短期记忆模型,在每次迭代中限定搜索空间,并利用贝叶斯优化方法对超参数进行优化。通过实验结果显示提出模型的故障识别率达到93%,与其他方法的对比结果证明该方法在性能上有了显著的提高。