基于改进D-S证据理论的滚动轴承故障诊断

针对单一分类器进行故障诊断时诊断精度不高、随机性强的问题,提出一种基于改进D-S证据理论的滚动轴承故障诊断方法,构建了信息融合诊断框架。首先,利用BP神经网络、支持向量机、径向基神经网络构建初步诊断层,将提取的特征信息进行初步诊断;然后,利用改进的D-S证据理论构建融合诊断层,将初步诊断层的诊断结果进行融合,并根据诊断规则得到最终的诊断结果;最后,采用不同的信息融合方法对滚动轴承故障数据进行对比研究。试验结果表明:使用改进D-S证据理论的滚动轴承故障诊断方法能够有效提高证据可信度,降低不确定性,提高故障诊断精度和故障诊断模型的鲁棒性。     

分段供电切换控制传感器的故障定位方法

针对分段供电直线电机切换控制传感器的失效问题,提出了一种快速故障定位方法。首先,基于一种典型的分段切换传感系统结构,利用图形给出了切换控制传感信号根据次级运动而变化的规律;然后,分析了位置误差和时间误差对诊断结果的影响,分类讨论了对诊断算法的容错性要求,并给出了基于位置信息的故障诊断与定位流程;最后,利用实验验证了该方法的正确性。     

基于小波神经网络的数据融合诊断系统

主要利用小波神经网络技术和信息融合技术,建立了基于小波神经网络技术的多传感器数据信息融合诊断系统.该故障诊断系统是将多传感器数据融合技术应用于故障诊断领域,利用数据在不同层次上的融合集成小波神经网络,通过信号的有效组合,用各种子小波神经网络从不同侧面进行故障诊断,最大限度地提高确诊率.并以液压泵为例对该故障诊断系统进行详细介绍     

基于多模型的模拟电路软故障诊断

针对电子装备模拟电路故障诊断过分依赖专业技术人员和诊断专家的不足,提出利用信息融合技术,综合极限学习机(ELM,Extreme Learning Machine)、支持向量机(SVM,Support Vector Machine)以及BP(Back Propagation)神经网络等智能故障诊断模型,对模拟电路软故障进行诊断的故障诊断方法。通过对不同模型分别输入不同频率的电压信号,得到每个模型的诊断结果;采用DS(Dempster-Shafe)证据理论对每个模型诊断结果的可信度进行评估,确立每个模型诊断结果的组合置信度。通过不同模型诊断结果的决策层融合,最终获得诊断结果。以某型装备滤波电路的故障诊断为例,多模型融合诊断结果的准确率比单一方法模型的诊断准确率有了明显的提高,证明了该方法的有效性。     

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...     

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。     

组合网络与证据理论相结合的电路故障诊断

针对神经网络中两种常用的网络类型BP和Elman,在模拟电路故障诊断中的应用过程的特点——各自网络都有自身缺陷,提出基于BP-Elman神经网络与证据理论相结合的故障诊断方法.首先BP-Elman网络得出其各自的初步诊断结果,经过必要的转换将其转换成证据理论的概率赋值,作为证据组合的依据;证据理论组合规则将初步诊断结果融合得出决策级诊断结果.通过对某装备位置调节器板的故障诊断过程表明,该模型经过尽可能融合有效故障信息,大大提高了系统的诊断精度和诊断正确率,而且有效降低了系统不确定性.     

基于模糊逻辑和证据理论的故障诊断方法

针对故障诊断过程中信息损失的问题和D-S证据理论在处理模糊信息时的局限性,在模糊逻辑的基础上,将决策级信息融合技术应用于故障诊断系统中,提出了一种基于模糊逻辑和D-S证据理论相结合的多传感器信息融合综合故障诊断方法。该方法以模糊隶属函数来实现基本可信度分配,充分利用各种传感器的冗余和互补信息,可显著提高故障诊断的准确率,实例验证了该方法的合理性和有效性。     

多层次信息融合技术在燃气轮机故障诊断中的应用

探讨了信息融合技术在燃气轮机故障诊断中的应用,构建出一种燃气轮机多层次信息融合故障诊断模型.在模型的数据融合层,采用了自适应加权融合算法,以最小化传感器测量不确定度为目标对同源测量数据进行了融合,其结果再经特征层进行故障特征的提取和融合,最终通过决策层给出诊断判定.数值实验结果证明,该故障模型能有效减小传感器测量不确定度对于诊断的不良影响,所得诊断结果的合理性和精度均得到了提高.     

模拟电路故障的深度学习融合模型诊断方法

针对传统智能故障诊断方法因装备电路复杂和工作环境噪声等因素引起的诊断困难问题,提出了基于降噪自编码器和高斯深度信念网络的融合模型,来实现模拟电路的故障诊断。首先,降噪自编码器用于处理原始信号的噪声并学习低层特征;然后,深度信念网络基于所学习的低层特征来提取深层特征;最后将融合的深度特征融入softmax分类器中,对智能诊断模型进行训练。融合模型在模拟电路上进行了故障诊断实验,结果表明,所提方法具有优越的诊断性能。     

嵌入式系统在坦克火控系统故障诊断中的研究

针对坦克火控系统故障诊断的特点和技术要求,首次将ARM嵌入式系统引入诊断领域,建立了基于ARM的故障诊断平台和知识库。建立了针对故障诊断系统的开发过程,提出系统实现的关键技术,实现了现代测控和诊断系统的小型化和智能化。     

基于支持向量机的功率变换器开关管开路故障诊断

提出一种基于支持向量机的功率变换器开关管开路故障诊断方法。利用支持向量机建立分类模型,模型以相电流功率谱为输入量,7种故障状态为输出量,选用高斯核,使用基于二叉树分类器的分类算法。将诊断结果与基于BP神经网络的诊断结果进行比较,结果表明基于支持向量机的分类器在功率变换器开关管开路故障诊断中具有更高的准确率和更好的泛化能力。     

脉冲功率电源故障诊断方法研究

脉冲功率电源是电磁发射系统中最容易发生故障的薄弱环节,脉冲功率电源故障会使整个系统性能下降。针对脉冲功率电源故障,提出基于多层小波分析提取故障信息的模式搜索支持向量机故障诊断方法。通过建立脉冲功率电源的软故障模型,进行仿真分析获得电流故障数据样本,对故障样本进行离散小波分解,获得指定层细节信息的小波系数作为故障特征量;对故障特征量进行主成分分析,将小波系数进行降维,以便有效地进行故障诊断。通过实验,将所提方法故障诊断结果与其他三种故障诊断结果进行比较,验证了所提方法的有效性。     

基于数据融合技术的液压系统故障诊断

在分析数据融合基本概念和原理的基础上,阐述了多传感器数据融合在设备故障诊断中的应用技术,提出了将多传感器数据融合技术应用到液压系统的故障诊断方法,并应用于某车辆液压系统故障诊断实验,给出了实现计算机自动诊断的程序流程,结果表明该方法能够及时准确地提取液压系统故障特征、诊断出故障部位、找出故障原因.     

故障传播有向图在地面电源故障诊断的应用

基于图论的故障诊断方法能够有效地缩小故障源的搜索范围,在最短的时间内找到真正产生故障的部件。采用故障传播有向图的方法对某飞行器地面电源故障诊断算法进行了研究,针对该飞行器地面电源的物理结构及相关的电气特性得到其故障传播有向图,并经过一些运算后将有向图进行了分层重构,最后利用故障定位算法模拟了故障定位的过程,得到了很好的效果。     

基于空间采样法的齿轮调相振动信号解调

在对机械设备的齿轮部件进行振动监测时,由于载荷以及转速波动等因素的影响,会引起振动信号的相位调制,使得频谱严重失真.通过对调相现象的理论分析和数值仿真计算,提出了基于空间采样的齿轮振动调相信号的解调方法,结果表明,该方法可以获得有价值的振动信号,从而进行有效的齿轮故障诊断.     

随动系统模拟电路模块化故障诊断研究

针对人工神经网络在对装备电路进行故障诊断时出现的网络结构庞大,而影响网络诊断速度的问题,提出了模块化诊断思想。首先根据电路的功能特点以及系统电路分割的原则,将装备电路分割成具有独立功能的模块及子模块,然后建立起混联、串联2种模型,分别对其提出逻辑思想、模糊信息融合的诊断方法,从而将电路故障快速、有效地定位在模块级别,如需进一步诊断元器件故障,只需对故障子模块建立规模较小的诊断网络,从而有效避免诊断大规模电路时诊断网络结构庞大的问题。     

基于支持向量机的装备故障诊断专家系统

针对现代化复杂武器装备故障诊断问题,结合支持向量机和专家系统的各自特点,提出了基于支持向量机的武器装备故障诊断专家系统整体结构和诊断模型.将支持向量机嵌入专家系统中,实现知识自动获取和快速逻辑推理,专家系统完成知识库管理与维护、符号推理诊断以及相关解释等工作,充分发挥支持向量机和专家系统两者的优势,提高了系统的综合诊断性能.