基于排放和模糊神经网络模型的柴油机故障诊断方法

根据排放检测数据规律,定义并提取特征参数,建立了规则与模糊神经网络有机结合的柴油机故障诊断模型及其对应的特征知识库,确立了模型的“可塑性”学习路线,并以单缸失火故障为例,进行了模型诊断实例研究。结果表明：运用该方法进行柴油机的故障诊断,结果准确,识别速度快,诊断效率高。     

柴油机“拉缸”故障监测及自行修复

本文在试验研究的基础上介绍了柴油机的人工“拉缸”故障,以及故障监测的主要方法。特别是利用柴油机滑油油样的光谱和铁谱联合诊断对“拉缸”故障进行的监测工作。可以看出:柴油机发生“拉缸”故障时,光谱分析铁含量及铁谱分析磨损严重度指数I_s值,都有明显的增长趋势。若通过故障监测多种手段的综合分析,可以对故障信息作出先期预报,从而防止严重事故的发生。文章的后一部分介绍了柴油机初期“拉缸”后,可以不拆卸柴油机通过合理的再磨合工况,利用可控的粘着磨损,获得新的匹配光浩度,达到自行修复的目的。     

柴油机故障的模糊灰色关联度诊断法

在灰色理论关联度诊断法的基础上提出了诊断柴油机故障的模糊灰色关联度法 ,通过对柴油机工作过程故障的诊断结果表明 ,该诊断方法对复杂机器的故障诊断 ,准确性较高 .     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。     

基于贝叶斯理论的自学习模糊综合评判研究

在目前多专家故障诊断系统采用的模糊综合评判方法基础上,根据某特定故障的理论诊断结果及实际检测、维修结果,利用贝叶斯理论,对特定故障下各专家的初始权重集进行实时更新,实现了模糊综合评判的自学习,提高了诊断的准确性.最后给出了方法在"康明斯柴油机故障诊断专家系统"中的应用实例,验证了方法的有效性.     

改进的BP算法在柴油机故障诊断中的应用研究

利用改进BP算法的神经网络对柴油机进行故障诊断.首先讨论了其训练算法,然后确定了柴油机故障诊断所用特征参数及故障种类,并提出特征参数数据归一化公式,最后以6-135ZC柴油机为例,将实验数据输入网络验证.结果表明,神经网络对柴油机故障识别率很高,应用于柴油机故障诊断领域是切实可行的.     

两级信息融合技术在柴油机故障诊断中的应用

针对传统神经网络在故障诊断中因测点信息多而导致的网络庞大、收敛困难等问题,引入集成神经网络,提高了融合诊断效率;同时引入基于D-S证据理论,这种决策融合方法解决了集成神经网络各个子网诊断结果不一致的问题。在应用于柴油机故障诊断时,首先对测取的正常和故障样本进行小波包AR谱分析,同时提取各个特征频带的能量分别作为集成神经网络对应子网的输入进行诊断,当其无法确定诊断结果时,再运用证据理论进行决策融合输出最终诊断结果。试验证明:基于集成神经网络和D-S证据理论的两级综合诊断模型提高了诊断的准确性和可靠性。     

柴油机燃油供给系统故障模糊诊断研究

通过分析柴油机燃油供给系统的故障表现形式及高压油管的油压波形特征 ,研究了柴油机燃油供给系统的故障诊断策略。首先 ,利用转速波动的扭矩谐波比诊断燃油供给系统是否有故障 ,再利用最大加速因子进一步确定故障源 ,最后 ,从高压油管的油压波形中提取诊断特征参数 ,用多参数模糊诊断的方法来诊断燃油供给系统的常见故障 ,并将此方法应用于柴油机故障诊断专家系统中 ,取得了满意的效果     

基于模糊神经网络的武器控制系统信号分析

某新型飞机武器控制系统故障诊断过程复杂,故障征兆和故障原因之间存在着许多不确定因素,精确定位故障存在许多困难.针对这种情况,提出了基于模糊神经网络,研究了模糊神经网络技术在武器控制系统故障诊断领域的应用,并根据系统本身的特点,提出了诊断和算法模型.在此基础上,研制出武器控制系统检查仪,对该方法作了验证.结果表明:该方法是可行和有效的.     

135型柴油机几个常见故障的处理

在毛主席“教育必须为无产阶级政治服务,必须同生产劳动相结合”的无产阶级教育方针指引下,我们结合教学先后修理了135型柴油机二十多台,从中发现了几个常见的故障,现将我们的修理方法简要介绍如下: 一、在二十多台柴油机中,比较普遍存在的是缸套与机体的结合面漏水,缸盖与缸套之间漏气,其中有一台4—135型柴油机,使用单位为了解决上述故障,用力压紧缸盖,     

基于神经网络的柴油机特征参数评价与选择

在设备故障诊断中,正确地提取与选择特征参数对于诊断结果的有效性和准确性具有关键性的意义,在提出评价判据时样本的概率分布往往难以确定,针对模式识别中特征量的选择方法,结合人工神经网络原理,提出了利用人工神经网络进行故障特征量评价与选择的方法,实现了对柴油机特征参数的提取及选择,有效地解决了柴油机状态监测与故障诊断中测试参数多而难以优化的问题。     

基于模糊推理的舰炮故障检测方法研究

基于模糊推理知识和模糊神经网络的理论,根据舰炮运转时发出的声音信号,提出了舰炮系统的故障检测诊断方案,详细介绍了信号提取的方法和故障分析的算法.     

基于粗糙神经网络和网络撕裂的故障诊断方法

利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。     

基于模糊神经网络的陀螺温控系统故障诊断

针对故障诊断知识具有模糊性的特点,在基本前向神经网络的基础上,提出了一种适用于挠性陀螺温控系统的串形结构多层前向模糊神经网络(FNN)的故障诊断方法,并给出了网络的结构和学习方法。仿真结果表明,将模糊理论和神经网络方法结合在一起,可以准确地对陀螺温控系统进行故障诊断,证明了该方法行之有效。     

模糊Petri网在故障诊断知识表示和推理中的应用

针对传统的模糊产生式规则知识表示复杂、推理效率低、单一阈值设定不能满足复杂故障诊断需求的问题,给出了模糊产生式规则转换为模糊Petri网的一般方法和故障诊断模型,以及基于双阈值设定的两级故障诊断推理算法,并将其应用于某型柴油机遥控系统故障诊断之中。通过设置双阈值提高了故障诊断的推理速度和推理效率,同时又能对系统的准故障状态进行检测,及时发现潜在故障,排除故障隐患。     

模糊方向神经网络在火箭发动机故障检测与分离中的应用

提出了一种模糊方向神经网络分类器,并应用于液体推进剂火箭发动机故障检测与分离。模糊方向神经网络采用模糊集表示发动机故障模式,模糊集是方向超体聚集形成的集合体,方向超体则由单位方向、夹角和两个半径确定。模糊方向神经网络能在一次循环学习中形成非线性方向边界。故障检测与分离的仿真研究表明：模糊方向神经网络的识别性能是比较优越的。     

STUDY ON REAL1STIC TECHNOLOGY OF CONDITION MONITORING AND FAULT DIAGNOSTIC SYSTEM FOR SHIPPING POWER DEVICES

Condition monitoring and fault diagnosis is currently a very important problem in large-scale complicate power devices. Both scheme and realistic technology for monitoring system hardware and software have been present to solve the problem in this paper. The fault diagnostic model based on artificial neural network and state identification method based on fuzzy analysis are studied.