基于T-S模糊神经网络的汽车故障诊断的研究

该文根据模糊神经网络的特性结合汽车故障诊断的技术,根据监控排放标准,采用个人手持式故障诊断仪获取数据流,T-S模糊逻辑与神经网络结合,训练模糊神经网络,进行故障诊断。使用误差反馈算法和模糊理论训练神经网络,根据训练完成的T-S模型对汽车防抱死系统故障进行诊断。体现了其诊断的准确性强和适用性广的特性。     

基于模糊诊断理论的航空发动机自动停车故障原因的分析

针对某型航空发动机空中自动停车故障诊断中故障症状与故障原因之间关系极为复杂、不确定等问题,提出了该型发动机故障的模糊诊断方法,建立了发动机自动停车故障模糊诊断的数值理论模型,利用专家知识动态建立了模糊诊断矩阵过程模型,并结合具体自动停车故障案例,实现了该型发动机自动停车故障的模糊诊断,验证了该方法应用于发动机系统故障诊断中的可行性.     

汽车自动变速器异响的模糊诊断

为避免对汽车自动变速器异响的盲目维修,根据其故障现象与原因间的不确定关系,提出一种适用于汽车自动变速器异响的模糊故障诊断方法,以增强其诊断的科学性和准确性。     

故障诊断矩阵

故障诊断矩阵描述故障征兆与故障原因之间的联系.对几种故障诊断矩阵(尤其是模糊诊断矩阵、Bayes诊断矩阵、语言真值诊断矩阵)的建立和应用作了详细阐述,并探讨了故障诊断矩阵与诊断路径的关系,对故障诊断专家系统的研究和实践有参考价值。     

汽轮发电机组振动故障分类推理综合诊断方法

分析了汽轮机组振动故障的属性，在故障诊断过程中选用模糊诊断方法，基础上提出了一种分类推理的综合诊断模型。该模型是按照故障征兆属性归类，通过分类识别缩小故障搜寻范围以利于故障的模糊诊断，然后再进行因子综合判断，对振动故障诊断的方法进行了研究。     

基于OBD车载自诊断系统的汽车故障诊断

随着汽车电子及电子控制技术的发展,汽车出现故障后的诊断难度越来越高.现代汽车电控系统出现故障后,可以利用在ECU内增设的故障自诊断功能和故障运行功能完成车辆初步故障诊断,该系统即车载自诊断系统(OBD).阐述了OBD车载自诊断系统的发展历程及主要功能,并举例说明了OBD车载自诊断系统在汽车故障诊断中的应用.     

模糊专家系统在水轮发电机组故障诊断中的应用

根据水轮发电机组的结构特点,建造了一个故障诊断模糊专家系统,论述了系统的组成及其功能原理和系统建造过程中的规则表示,知识获取、推理机制等重要功能模块。系统以水轮发电机组温度异常故障为诊断对象,采用模糊正向推理方法,能够对机组运行过程中产生的故障及时作出诊断,实现了故障诊断自动化的功能。     

基于小波分析的发电机匝间短路故障的智能诊断研究

本文提出了基于小波变换和模糊理论的智能诊断新策略。通过故障信号小波变换的模量极大值特征的提取,可实现发电机定子绕组匝间短路故障的诊断。仿真实验表明,本方法适用于动态非平稳故障信号的特征提取,适合于实时故障检测。同时,结合模糊诊断技术提高了故障诊断率。     

基于模糊聚类的谷氨酸发酵过程故障诊断研究

结合谷氨酸发酵过程,给出模糊聚类故障诊断的方法和步骤,在获取与掌握先验知识后,找到故障数据的聚类中心,运用对比方法预判故障发生的先兆,达到故障诊断的目标.以谷氨酸发酵过程生产故障为例,仿真结果表明模糊聚类的中心值随故障类别不同而不同,初步实现利用模糊聚类方法对样本数据的多级故障诊断,诊断结果与实际情况相符.     

一种模糊因果故障诊断方法

目的对Bandekar提出的一种因果故障诊断方法进行改进,提出一种能够利用故障概率、对根故障集进行排序的方法.方法在因果关系图基础上,利用模糊阈值和模糊评判矩阵,提出了一种可给出根故障集中各元素故障概率的模糊诊断方法.结果与结论根据根故障集中各元素的故障概率,可很方便地对故障进行定位,同时该方法具有较快的诊断速度.由于使用了模糊阈值和模糊评判矩阵,还使诊断结果对噪声及参数选择更具鲁棒性.     

基于模糊推理的专家系统的研究与实现

介绍了故障诊断型模糊专家系统的知识表示和推理方式,研究运用模糊推理理论,采用模糊产生式知识表示法,利用模糊关系矩阵和语义距离相结合的方法设计了一个诊断模型,并探讨以该诊断模型的研究为基础,实现了一个异步电动机故障诊断型模糊专家系统.     

模糊理论在零件加工误差源诊断中的应用

将模糊理论应用到零件加工质量误差源诊断中，运用模糊语言来描述零件加工中出现的现象，建立了模糊语言的数值表达式，以及误差源和其表现形式的关系表，关系矩阵，并给出了模糊贴近度的计算方法，依据最大隶属度原则诊断出产生加工误差的原因。     

基于贴近度的疾病诊断模糊专家系统

简述模糊专家系统的模糊推理机制,并采用贴近度推理方法代替常用的M amdani模糊推理。针对医学中疾病发生的严重程度,运用Visual C＋＋作为系统的开发平台,建立疾病诊断模糊专家系统。结果表明：构建的疾病诊断模糊专家系统能够实现对几种常见疾病的自动诊断。     

改进的广义模糊软集的贴近度

基于广义模糊软集在处理不确定性问题中的应用,本文对已有的广义模糊软集的贴近度进行了修正,并将其应用于医疗诊断问题中。通过比较得到,修正的贴近度更合理,因而有更好的适用性。     

一种模糊诊断的自适应修正

提出了一种矩阵方法进行模糊诊断自学习，对步长λ运用权系数（变步长方法）来修正征兆隶属度，运用结果证明本方法具有较好的合理性和适用性，为获取合理的征兆隶属度和故障特征值提供了有效手段。     

模糊理论在设备故障诊断神经网络中的典型应用

分别阐述了如何结合模糊理论来建立单征兆域单故障诊断、单征兆域多故障诊断及多征兆域多故障诊断等3种典型的诊断模糊神经网络.给出了在实际应用中针对特定问题来建立符合应用需求的诊断模糊神经网络的一般思路,对建立基于神经网络的故障诊断系统具有参考价值和指导作用.     

轴承故障的模糊聚类方法

介绍了模糊聚类方法的原理及FCM算法，并将它应用于少故障类别的轴承故障诊断，取得了良好的效果，与神经网络方法相比，模糊聚类方法的实现只需少量样本，克服了神经网络方法需要大量样本来实现的瓶颈．     

基于模糊区间优化的模糊推理故障诊断方法

提出一种基于模糊区间优化三角均分的模糊规则生成方法.在获取故障样本之后,通过基于故障识别率最佳准则的寻优过程,确定模糊区间均匀划分数的下确界.在此基础上,利用所提出的改进型DM算法提取模糊规则,最终构建出模糊推理故障诊断系统.与模糊区间划分数低于该下确界的模糊推理系统相比,利用该方法能保证在所生成模糊规则数较少的情况下,使构建的推理系统具有更高的故障识别率和诊断准确率,同时避免了人为确定模糊区间划分数时所带来的盲目性.最后,在轨道电路该类复杂模拟电路常见硬故障的诊断实例中,说明了新方法的有效性.     

基于改进FSVM的旋转机械故障诊断算法

针对旋转机械故障诊断中采集到的振动信号存在强烈噪声及野值干扰,故障特征提取后,利用传统的支持向量机(support vector machine,SVM)进行模式识别会造成最优超平面的模糊性,影响分类效果,引入模糊C均值聚类算法(fuzzy C-means,FCM)与支持向量机结合进行故障诊断.FCM用来求解样本模糊隶属度,但其迭代求解聚类中心及样本模糊隶属度矩阵时容易陷入局部最优,而粒子群算法(particle swarm optimization,PSO)具有全局优化搜索的优点.基于此,提出了基于改进模糊支持向量机(fuzzy support vector machine,FSVM)的旋转机械故障诊断算法.首先,利用经验模态分解(empirical mode decomposition,EMD)提取故障信号的能量特征指标;然后,由PSO优化FCM求解样本的模糊隶属度;最后,将模糊隶属度引入SVM,构建改进的模糊支持向量机模型,并实现故障判别.实验结果表明:改进的FSVM比传统的FSVM算法有更好的抗造性能以及分类效果.     

基于Backstepping SISO不确定非线系统模糊自适应鲁棒容错控制

针对一类单输入单输出非线性系统提出了自适应模糊故障检测及将backstepping技术与模糊控制相结合设计容错控制器的方法。首先,应用模糊逻辑系统设计故障估计器,在线估计系统故障向量,实现故障检测：在此基础上,引入补偿控制器,消除故障对系统运行的影响,从而实现容错控制。通过理论分析证明了跟踪误差收敛到一个小的残差集内。仿真结果表明了该方法的有效性。