智能故障诊断方法综述

讨论了基于规则推理、基于案例推理、基于模糊知识推理、基于故障树推理等智能故障诊断方法,分析了这些故障诊断方法的优缺点和适用场合,为智能故障诊断方法的选择和运用提供了参考。     

基于智能诊断技术的发动机故障排查研究进展

智能诊断技术的研发与运用为汽车的故障诊断开辟了新的途径,基于神经网络的发动机故障诊断技术是智能诊断技术的重要组成部分。本文对基于BP神经网络、非BP神经网络及神经网络与其他技术相结合的汽车发动机故障诊断的研究进展进行了综述,并对三种发动机故障诊断技术进行了比较,展现了神经网络技术在智能诊断汽车故障系统中的运用和发展。     

多智能体系统故障诊断仿真实验开发

利用Matlab开发了多智能体系统仿真实验,通过编写m文件求解故障诊断观测器增益矩阵,可以进一步加深对多智能体系统分布式故障诊断算法的理解。利用Simulink搭建的仿真实验,学生可以直观、清晰地学习故障诊断观测器在线故障诊断,并准确辨别出现故障的智能体以及完成准确故障诊断。将该开发的仿真实验应用到研究生课程教学中,取得了良好的教学效果。     

汽车电气故障智能诊断专家系统的研究与开发

介绍汽车电气故障诊断仪器现状及智能故障诊断专家系统的结构和组成,建立汽车电气故障智能诊断专家系统的知识库管理系统以及推理模块的构成和故障诊断专家系统。     

模拟电路智能故障诊断系统的设计

分析了智能故障诊断技术的特点,利用模糊理论、小波分析、神经网络和专家系统等诊断方法．设计了模拟电路智能故障诊断系统,给出了系统的组成模块及其功能,利用不同诊断推理法的互补性进行诊断系统的引擎设计,并探讨了构建系统平台的原则。该系统已在有关模拟电路的故障诊断中应用,并取得了预期效果。     

故障诊断技术的研究现状及展望

在阐释故障诊断技术内涵的基础上,详细介绍了国内外主要故障诊断技术的优缺点：单一的故障诊断技术有着各自的优缺点,难以满足复杂系统的故障诊断要求.讨论了当前故障诊断技术研究存在的主要问题：故障分辨率不高、信息来源不充分、自动获取知识能力差、对不确定知识的处理能力差等.最后,指出了目前和今后的主要研究重点和方向.     

基于混合智能系统的设备故障诊断研究

为研究和改进人工智能技术在设备故障诊断中的缺点和不足,提高故障诊断的准确率,构建了一种混合智能诊断系统。首先利用小波包分析技术对设备故障进行特征提取和分析;接着对数据进行离散化处理,应用粗糙集对获得的故障特征向量进行约简,删除冗余信息;然后利用免疫遗传算法的全局优化能力去训练BP神经网络的权值,建立免疫遗传-BP神经网络模型;最后把经粗糙集约简后的故障特征向量输入该模型,完成故障识别和智能诊断。通过旋转机械的转子系统的仿真实验,表明基于小波包-混合智能的故障诊断取得了良好的诊断效果。     

2014年全国技术过程故障诊断与安全性战略研讨会圆满成功

2014年全国技术过程故障诊断与安全性战略研讨会由中国自动化学会技术过程故障诊断与安全性专业委员会主办,广东石油化工学院、广东省石化装备故障诊断重点实验室、广东省高校石油化工过程装备故障诊断与信息化控制工程技术开发中心承办。会议主题：智能维护技术。     

基于随机森林算法的智能电表故障诊断及寿命预测模型设计

为及时发现并处理智能电表故障,延长其使用寿命,依据某地级市用电大数据进行数据挖掘和分析,基于随机森林（Random Forest,RF）算法建立智能电表故障诊断及寿命预测模型,并与其他模型进行实验比较。结果表明,构建的预测模型能实现智能电表的故障诊断与使用寿命预测,且有效性和准确性优于其他模型,具有工程应用价值。     

电喷发动机教学平台的开发与研究

针对目前汽车专业教学的机遇和挑战,通过软、硬件的设计与开发,研制了一种具有智能故障设置功能、可视化的电喷发动机教学和科研平台.该平台以电喷发动机台架与检测主机为主体,运用微电子技术、计算机技术和人工智能技术,实现了智能故障设置、主要信号的数字与波形显示、信号模拟以及利用故障诊断专家系统引导学生进行故障诊断等功能,能帮助学生更快、更好得掌握电喷发动机的相关知识,对提高汽车专业的教学质量将起到重要作用.     

证据理论在旋转机械并发故障诊断中研究的进展

针对旋转机械并发故障诊断研究中存在的问题,近几年来很多学者把证据理论引入到该研究领域,以期提高故障诊断的准确性。基于证据理论应用于故障诊断中存在的缺点或不足,学者们提出了多种改进方案,该文作者也探索性地提出一种解决思路,并就其前景进行了预测。     

D-S证据理论在并发故障诊断技术中的研究进展

针对旋转机械并发故障诊断研究中存在的问题,近几年来很多学者把证据理论引入到该研究,以期提高诊断的准确性,但是基于证据理论的多重并发故障的诊断问题还处于起步阶段。阐述了以往关于证据理论在并发故障中的研究进程,并进行了分析研究,对其趋势作了进一步的展望。     

基于虚拟仪器的电力电子整流装置故障诊断

介绍了一种基于虚拟仪器技术的电力电子整流装置故障诊断系统。利用虚拟仪器技术,可方便地对三相整流电路进行数据采集,配合神经网络系统,能对采集的数据作实时有效的分析,直接给出故障诊断结果。仿真结果证实了该方法的有效性和可行性。     

基于改进BP的煤矿供电系统故障诊断研究

针对煤矿供电系统故障的特点,以开关、保护等信息为基础,将粗糙集理论与BP神经网络相结合建立煤矿供电系统故障诊断模型。首先通过遗传算法对供电系统故障中的决策表进行约简,去掉冗余信息,保留必要的要素,使神经网络输入神经元数目减少,结构得到优化;然后在训练过程中应用思维进化算法优化神经网络的权值和阈值,并对处理后的信息进行诊断。仿真结果证明,该故障诊断系统有效地提高了诊断效率,增强了故障诊断的容错能力。     

遗传算法在电力系统故障诊断中应用及智能设计

介绍了遗传算法及其在电力系统故障诊断中的应用,建立了基于遗传算法的模糊神经网络智能控制系统模型,并对模型的智能控制过程进行了分析,以故障分类算法为例,说明算法在电力故障诊断中的应用及其实现过程。     

Application of Improved LMD,SVD Technique and RVM to Fault Diagnosis of Diesel Valve Trains

Targeting the non-stationary characteristics of diesel engine vibration signals and the limitations of singular value decomposition(SVD) technique, a new method based on improved local mean decomposition(LMD), SVD technique and relevance vector machine(RVM) was proposed for the identification of diesel valve fault in this study. Firstly, the vibration signals were acquired through the vibration sensors installed on the cylinder head in one normal state and four fault states of valve trains. Secondly, an improved LMD method was used to decompose the non-stationary signals into a set of stationary product functions(PF), from which the initial feature vector matrices can be formed automatically. Then, the singular values were obtained by applying the SVD technique to the initial feature vector matrixes. Finally, slant binary tree and sort separability criterion were combined to determine the structure of multi-class RVM, and the singular values were regarded as the fault feature vectors of RVM in the identification of fault types of diesel valve clearance. The experimental results showed that the proposed fault diagnosis method can effectively extract the features of diesel valve clearance and identify the diesel valve fault accurately.     

基于证据理论及人工免疫的旋转机械并发故障诊断研究

针对旋转机械并发故障诊断中难以准确诊断出来的实际情况,研究利用证据理论在不确定性的表示、量测和组合方面的优势,并引入了人工免疫系统以弥补证据理论单独诊断时的一些缺陷。将证据理论与人工免疫系统结合起来作为一种解决并发故障的方法,为并发故障的诊断提供了一种新的思路,并且其可行性在试验中得到了的验证。     

基于数据挖掘的重整风机状态监测系统的研究

研究了数据挖掘技术在重整风机状态监测系统的应用。论述重整风机监测系统的组成原理，着重讨论了位移、振动信号数据知识库建立和采用粗集理论对重整风机进行监测和故障预报的方法。