基于双向长短时记忆网络模型的汽车搭铁失效故障诊断方法

现有车辆电路多数为单线制或者负极搭铁回路,为及时有效发现汽车搭铁失效故障,提出基于Bi-LSTM(双向长短时记忆网络)模型的汽车搭铁失效故障诊断方法。采用最优分数阶傅里叶变换分形维数,将汽车搭铁故障响应信号映射到分数阶空间中计算不同分数阶空间中的故障响应信号分形维数,提取故障特征向量,将其作为Bi-LSTM模型输入,通过Bi-LSTM模型标记特征向量中的异常数据细微差异,经自主学习和训练后,将所有汽车故障信息通过差异性分类,实现搭铁失效故障诊断。实验结果显示：该方法可准确得到所有故障数据变化,避免信号时频部分特性被忽略产生无法分辨现象;可以诊断更多真实异常数据,快速准确检测到故障异常点。     

基于时域平均的齿轮故障诊断

提出了信号时域平均处理的新算法,解决了周期截断误差对平均结果的影响,并对测取的齿轮箱齿轮故障振动信号进行了处理。实验结果表明:该方法在齿轮故障信号的处理中能够消除背景噪声的影响,取得比较理想的效果。     

基于Elman网络的火控系统传感器故障诊断方法研究

Elman动态递归神经网络具有很强的记忆能力,特别适用于火控系统传感器的故障诊断.提出了一种收敛速度快、精度高、可靠性好的PRP(Polak-Ribiere-Polyak)网络训练方法,增强网络在线学习能力.将该方法运用于Elman动态递归神经网络,并运用该网络对火控系统传感器量测信号进行预测和故障诊断.仿真实验和实际应用表明,提出的Elman动态递归神经网络火控系统传感器系统故障诊断方法有效性好,故障诊断率高.     

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PCA-RBF网络的储运过程管道堵塞故障诊断方法

针对现代储运过程管道堵塞故障诊断时,提取的过程参数多导致诊断速度慢、性能差等问题,提出了基于主成分分析（PCA）和径向基函数（RBF）神经网络故障的诊断方法。首先利用PCA方法对储运过程高维历史数据矩阵进行特征提取,提取的故障特征信息作为训练集,并给出故障特征信息的分类号;然后将其作为RBF神经网络分类器的输入输出进行故障模式识别。仿真实验表明：该方法应用于储运过程管道堵塞故障诊断,不仅大幅度地降低了诊断模型的训练时间,而且提高了诊断正确率。     

基于阶次分析方法的齿轮箱齿轮故障诊断研究

研究了旋转机械非稳态振动信号分析中的计算阶次分析方法．分析了该方法在重采样过程中的采样率设置规则．利用插值算法实现了对等时间间隔采样的齿轮箱振动信号的角域重采样,将其应用于齿轮箱加速过程故障诊断,成功识别了齿面磨损故障．结果显示,阶次分析法能有效避免传统频谱方法出现的频率模糊现象,在处理非平稳转速变化信号时具有独特的优越性．     

基于声测法的齿轮箱齿轮故障诊断研究

分析了齿轮箱故障机理及其与噪声信号的内在联系 ,利用声检测原理对齿轮箱工作状态进行了监测实验 ,分析处理了系统正常和故障工况下的声学及振动信号 ,并通过倒频谱分析方法进行特征参量提取 ,成功地判断出了齿面磨损故障。     

基于深度置信网络的光伏发电阵列的故障诊断方法

为了对光伏发电阵列的故障进行及时准确的诊断,首先以在 Matlab/Simulink中搭建的光伏阵列输出特性仿真模型为基础,采用深度置信网络作为光伏阵列故障诊断算法,并通过蝙蝠算法对网络各隐含层神经元的数量进行优化;然后,以蝙蝠算法优化后的深度置信网络(bat algorithm-deep belief network,BA-DBN)作为故障诊断模型,分别采集不同运行工况下的光伏阵列输出特性四参数,并将其归一化后作为特征样本输入BA-DBN故障诊断模型,实现了对光伏阵列的故障诊断.仿真结果表明:所提出的BA-DBN 算法在光伏阵列故障诊断应用中的准确率显著高于KNN、BPNN和原始DBN算法,更加适用于光伏阵列故障诊断,具有更优的分类效果.     

基于全矢谱-深度置信网络的转子故障诊断方法研究

针对传统方法采用单通道信息进行设备故障诊断容易造成误判以及传统故障诊断需要大量专家经验知识的不足,结合全矢谱技术在多通道信息融合中可以全面反映振动信号特征的优势,以及深度学习具有强大的自特征提取能力和较好的模式识别能力,提出了一种基于全矢谱-深度置信网络的转子故障智能诊断方法。对采集到的多通道的机械振动信号利用全矢谱技术进行融合,得到融合信号的主振矢、副振矢和振矢角。将融合后的信号输入到深度置信网络(DBN)中进行训练,利用多个受限玻尔兹曼机无监督预训练的方式层层堆叠进行前向传播,减少模型直接单向训练时的复杂度。然后利用反向传播对模型进行监督优化参数。最后,输出层采用Softmax分类器进行故障模式识别。提出的方法通过转子故障诊断验证,并与全矢谱-DNN和单通道-DBN做比较,提出的方法优于全矢谱-DNN和单通道-DBN方法,能够很好地融合多通道信息,并具有较高的识别率。     

基于双层耦合网络的无人集群分布式系统模型

改善现有无人集群系统实用化不足,需关注解决动态、自主、鲁棒、匹配和可扩展的多维平衡问题,研究设计提供多类算法耦合适配的基础架构.基于双层耦合网络的无人集群分布式系统模型,从信息交互视角出发,基于复杂网络演化模型相关理论,提出基于CDLW与H-CDLW演化模型的横纵解耦双层系统架构,设计了匹配的基于层次化交互控制的多目标融合拣选算法.仿真结果表明,基于双层解耦的交互控制,具备在动态、自主、鲁棒、匹配和可扩展等实用化目标多维均衡方面的优势,能够提供兼具匹配性和可扩展性的分层控制机制,具备成为一般性模型架构的基础.     

基于 EEMD 的滚动轴承故障诊断方法

针对经验模态分解（empirical mode decomposition,EMD）方法处理轴承振动信号时存在的缺点,指出极值点的选择是产生模态混叠现象的原因。分析了集成经验模态分解（ensemble empirical mode decomposi-tion,EEMD）方法抑制模态混叠现象的原理,讨论了加入高斯白噪声的次数和大小对 EEMD 方法分解结果的影响,并通过仿真和实测信号对 EMD 和 EEMD 方法的性能进行了比较测试。结果表明：EEMD 方法不仅能够有效地抑制模态混叠现象,而且能更好地反映出轴承振动信号中的故障信息。同时,对通过 EEMD 方法得到的重构信号进行平方包络分析,结果证明：该方法能够有效地提取出滚动轴承的故障特征。     

流体网络在线性能评估与故障诊断方法

在流体网络机理建模的基础上,研究了各种性能退化因素对流体网络特性的影响,通过对网络当前特征参数与理想状态的偏差分析,给出了量化的流体网络性能评价指标,然后以该指标为依据,结合网络的拓扑结构和动态数据,实现了在线性能评估、故障诊断和故障定位。将该方法应用于实际工程案例,并通过仿真结果和实际情况的对比,证明了该方法的实用性和诊断评估结果的准确性。     

基于贝叶斯网络的计算机网络端到端服务故障诊断

研究了利用贝叶斯网络不确定推理技术实现端到端服务故障诊断的方法,详细描述了贝叶斯网络故障诊断模型的建立方法,设计了基于Pearl信念传播机制的故障诊断算法,并对其进行了改进,以提高诊断效果.最后,通过仿真验证了该方法的有效性,并提出了下一步的研究方向.     

基于ELM的航空发动机故障诊断方法

以航空发动机主燃油泵为具体研究对象,提出了一种基于基于小波包能量比与极限学习机(Extreme Learning Machine,ELM)的故障诊断方法。对于某型真实航空发动机,采用振动传感器感知发动机附件机匣的振动信号,对获取的发动机附件机匣的振动信号采用DB3小波包对其进行3层小波包分解,求出第3层各频带信号的能量作为原始信号的特征,构建特征向量。用求得的特征向量建立基于ELM的故障诊断模型,对航空发动机主燃油泵进行故障诊断技术研究。为表明该方法的有效性,还设计了基于BP神经网络的故障诊断模型,并对所构建的特征向量进行了诊断。试验结果表明,基于ELM故障诊断方法可以有效提高故障诊断的速度及准确率,具有很好的工程应用前景。     

基于观测器的某火控系统故障诊断方法

以某自行高炮火控系统为对象,研究了基于状态观测器的故障诊断方法,并作了仿真试验。通过状态观测器提取相对余差来检测和识别故障。试验结果表明,对于火控系统中可以建立数学模型的分系统或单体,基于观测器的故障诊断方法具有较好的诊断效果。该方法已成功应用于某高炮火控系统的综合检测与诊断设备中。     

基于状态空间模型的故障诊断方法

应用现代控制理论,提出了一种基于状态空间模型的故障检测和诊断方法,即通过设计故障检测器来进行系统的故障检测和诊断,并通过实例证明了该方法的有效性和实用性。     

基于PCA-SVM的储运过程故障诊断方法

针对储运过程工艺复杂、监控变量多且故障样本数据相对有限的问题,在介绍主元分析原理和支持向量机方法的基础上,提出了主元分析与支持向量机相结合的储运过程故障诊断方法,建立了提高故障诊断速度和诊断性能的故障诊断模型。首先采用主元分析法进行特征提取实现降维,其次构造新的训练和测试样本集,最后训练支持向量机分类器的故障诊断流程。以数字化油库为仿真实验对象,进行了油料收发过程中的故障诊断实验,验证了所提方法的有效性。     

基于瞬时转速的内燃机故障诊断方法

主要介绍基于瞬时转速的内燃机故障诊断方法的机理和应用 .对这种方法的几个关键技术进行了较详细的分析讨论 ,总结了研究的现状 ,展望了发展趋势 .