基于CBR的旋转机械故障诊断专家系统的设计

针对旋转机械故障诊断技术的特点,文章在综合比较多种知识推理技术的基础上,决定采用基于分阶段近邻检索算法的基于案例推理技术(CBR),同时运用Access数据库构建案例库存储结构,并结合VC++编程环境,构建了旋转机械故障诊断专家系统.最后通过旋转机械故障诊断实验台,对专家系统诊断结果进行了验证.实验结果表明,该系统具有诊断准确度高,诊断速度快,易维护等特点,能够充分利用已有的案例知识,有效地协助技术人员解决设备故障,提高诊断效率.     

基于瞬时频率的旋转机械故障诊断

基于瞬时频率的物理意义,通过单分量和多分量信号瞬时频率的仿真对比分析,提出一种应用EMD-HHT(Empirical Mode Decomposition& Hilbert-Huang Transformation,EMD-HHT)获取瞬时频率的方法.将EMD-HHT用于实测的旋转机械振动信号处理,利用获取的瞬时频率和Hilbert边缘谱作为故障特征对旋转机械进行故障诊断.试验结果表明,瞬时频率特征较好地描述了相应故障类型,在旋转机械故障诊断领域具有很好的应用前景.     

基于云模型与LSTM算法的旋转机械故障诊断研究

针对旋转机械故障率偏高,而人工参与故障诊断工作量大、效率偏低等问题,提出一种基于云模型与LSTM算法的旋转机械故障诊断方法。采用实验台采集振动故障原始数据,统一进行EEMD数据预处理,利用云模型进行故障特征数据提取,输入LSTM神经网络模型进行故障诊断。通过云模型和能量法进行特征提取,分别输入支持向量机和LSTM神经网络模型进行诊断结果对比。结果表明：云模型与LSTM算法的故障诊断准确率最高,达到98.75%,证明该方法能够有效应用在旋转机械故障诊断中。     

模拟退火算法在旋转机械故障诊断中的应用

用模拟退火算法建立了旋转机械故障诊断的人工神经网络模型,以幅值谱中七个频段上的幅值为网络的输入模式,对旋转机械常见的几种故障进行分类训练,并应用于待识别故障样本的识别计算,证明该方法在旋转机械故障诊断中是有效的。     

旋转机械故障诊断研究方法综述

随着旋转机械结构越来越复杂,旋转机械需要承受着长时间的工作,发生故障的可能性增大及故障出现形式趋向于复杂化。因此,对旋转机械故障诊断提出更高的要求。本文作者分析了旋转机械故障诊断国内外研究现状及其研究方法,分析有量纲指标和量纲一指标在其上的运用。展望旋转机械故障诊断的研究方向和待解决的问题。     

旋转机械故障诊断中的信号处理技术综述

基于旋转机械在各行业的广泛应用,旋转机械的故障诊断技术也倍受重视,从传统的信号处理方法到现代的信号处理方法,旋转机械故障诊断中的信号处理技术在不断发展,不断创新.综述了旋转机械故障诊断的传统信号处理方法和现代信号处理方法,分析传统信号处理方法和现代信号处理方法的实际应用,并展望了未来旋转机械故障诊断领域的研究方向.     

基于深度LSTM残差网络的旋转机械故障诊断研究

伴随制造加工业对可靠度与精准度的需求不断提升,及时而有效地获取旋转机械的故障信息能够保证设备的正常运行。采用深度LSTM残差网络完成旋转机械的故障诊断,主要包含3个模块：初始数据处理层、SP-LSTM残差网络信号诊断层与GAP-ELM网络下的故障分类层。该方法能够完成初始数据的深层特征发掘,利用LSTM元中的记忆与遗忘门获取故障数据的细微变化。所采用的GAP-ELM网络可规避传统Softmax方法分类准确度不高的问题,从而有效完成故障诊断。通过CWRU集完成该方法与文献方法的实验对比,结果表明该方法的鲁棒性较好,诊断正常信号、滚动体与内外圈的故障信号准确率均优于文献方法,此外,所提方法可在较少的epoch中实现稳定,并随着epoch的增加,损失值会逐渐减小。     

基于SAE与深度Q网络的旋转机械故障诊断

为了解决传统深度学习方法无法挖掘原始振动数据与旋转机械状态之间的非线性映射关系问题,提出了一种基于堆叠式自动编码器与深度Q网络相结合的深度强化学习旋转机械故障诊断方法.首先,建立故障诊断"博弈"模型从而为故障诊断代理提供观察、行动和获得奖励的交互式环境;其次,堆叠式自动编码器采用完全连接模型进行逐级的内在特征学习进一步...     

基于卷积残差共享权值LSTM的旋转机械故障诊断

为有效提取振动信号中隐含的故障特征,以准确判别机械故障类型,提出一种基于卷积残差权值共享长短时记忆神经网络(Conv-Res-SWLSTM)的故障诊断模型。利用卷积网络来捕获振动信号的局部空间特征;通过融合门结构构建共享权值长短时记忆神经网络(SWLSTM),减少网络需要优化的参数及训练时间,进而更高效地发掘上层网络输出信号中隐含的时间特征。同时,引入缩放指数线性单元函数以提升网络自归一化性能,并嵌入残差模块以增强网络对故障特征的感知及提取能力。最后,基于机械故障实测数据集开展对比实验,结果表明所提模型在4种转速下的平均诊断精度达到99.30%,相对于其他模型具有更优的诊断精度和稳定性。     

CORBA技术在故障诊断系统中的应用

针对旋转机械故障诊断系统中系统的异构性，在简要介绍CORBA体系结构的基础上，对利用CORBA技术构建具有远程诊断功能的旋转机械故障诊断系统进行了研究，并介绍了具体的实现方法。基于CORBA技术构建的旋转机械故障诊断系统具有网络化、分布式、可扩展性等特点。     

基于本体自主学习的农机故障诊断专家系统开发

为满足专家系统在故障诊断过程中的智能化的要求,提出基于本体自主学习的故障诊断专家系统架构,定义故障诊断知识结构,并构建与之相对应的结构本体和核心故障本体;在设计故障诊断数据仓库的基础上,用机器学习中的决策树和Apfiofi算法从数据仓库中挖掘故障知识,实现本体自主学习.并以农机液压系统为原型,开发了基于本体自主学习的农机液压故障诊断专家系统.     

基于证据推理的旋转机械故障诊断模型

针对实际工况运行下的旋转机械各故障对应的量纲一的指标的范围难以严格区分的问题,提出了一种基于量纲一的指标和证据推理（Evidence Reasoning,ER）的旋转机械融合故障诊断模型。该模型利用ER算法在处理概率不确定性、模糊不确定性及非线性融合等方面的优势,通过信息变换技术将输入信号变换成信度分布结构,应用解析ER算法对输入数据进行融合,最后通过一种简单的决策规则得到诊断结果。实证分析结果表明：该方法可以有效地提高旋转机械设备故障诊断的识别率。     

基于小波一阶灰度矩向量和神经网络的旋转机械故障诊断的研究

在旋转机械轴系振动故障模拟试验的基础上,对大量故障模拟试验数据进行计算,建立了典型故障的小波一阶灰度矩向量样本,将其作为概率神经网络的输入进行故障诊断研究。结果表明,基于一阶灰度矩向量的概率神经网络可实现对训练样本100%的正确识别率,对陌生样本的正确识别率也超过75%。可见,概率神经网络综合了Bayes分类器和神经网络的优势,利用概率神经网络融合信号的一阶灰度矩向量特征实现旋转机械轴系故障模式识别是一种可行有效的方法。     

基于高价值小样本的石化装置旋转机械故障诊断NN模型

针对石化装置旋转机械故障特征之间呈现模糊性和耦合性导致故障类型识别难的问题,提出基于高价值小样本的石化装置旋转机械故障诊断NN模型.依据故障特征拟合情况,提取高价值小样本故障特征;运用高价值小样本故障特征建立高效的NN模型,利用梯度搜索技术,使网络的实际输出值和期望输出值的误差最小,达到最佳分类效果.研究结果表明:高价值小样本故障特征的训练数据与测试数据具有高度的一致性,故障类型识别的准确率达到98.3％.该方法应用于石化大机组旋转机械表明方法简单有效,高价值小样本特征提取准确,故障识别能力强,可为石化大机组及其他大型设备旋转机械故障诊断提供指导.     

基于专家系统的焊接机器人故障诊断

为了找到一个针对焊接机器人故障诊断较为可行的方法,避免诊断的盲目和失误,提高诊断的效率和准确度,在经典可靠性分析方法——故障树分析法的基础上,以"焊接机器人焊枪姿态和悬浮高度设置故障"为例建立焊接机器人故障树模型,同时对所建故障树进行定性和定量分析,得出最小割集的概率重要度排序及每个底事件的概率重要度。最后在故障树中体现的树状分层逻辑关系的基础上建立专家诊断系统,设计并实现基于产生式推理框架和故障知识的搜索流程。     

基于事例推理的船艇液压系统故障诊断专家系统

以船艇液压系统为研究对象,采用基于事例的诊断推理技术,开发了具有一定学习能力的船艇液压系统故障诊断系统,并介绍了系统总体结构与各模块功能.该专家系统用于快速、准确排除船艇液压系统故障,且操作简单,易于维护,可靠性高.     

状态监测装载机液压故障诊断专家系统的研究

对某型装载机液压系统的工作原理进行分析,在此基础上建立装载机液压系统故障树,利用现代测试技术对装载机液压系统运行参数进行在线监测,利用PHP和MYSQL开发技术设计装载机人机交互故障诊断专家系统,通过设计无线网络接口,实现监测系统和专家系统信息的Socket传输,当装载机在使用过程中发生故障时,通过分析故障外在表现和在线监测参数,应用专家系统快速排除和解决故障。