粗糙集理论在机械故障诊断中的应用研究

为了对诊断过程中大量的冗余特征进行压缩或约简 ,将粗糙集理论引入到机械故障诊断过程中 ,提出了一种特征约简的算法 .通过 2个典型诊断实例对该算法进行了验证 ,结果表明 :在保证故障分类结果基本不变的情况下 ,该算法可以查找出对故障分类起主要作用的特征 ,从而达到了特征约简的目的 ,为粗糙集理论在机械故障诊断中的深入应用打下了基础 .

基于因特网的设备远程诊断中心的设计

介绍了设备远程诊断技术的发展现状 ,讨论了设备远程诊断中心结构设计中的几个基本问题 ,对远程诊断的结构进行了功能划分 ,提出了基于浏览器 /服务器 3层结构的工作模式 ,对远程诊断各功能模块的实现方式进行了分析和讨论 ,给出了远程诊断急待解决的关键问题 。

小波分析及其在压缩机气阀故障检测中的应用研究

从信号分析角度引入小波分析的基本原理，通过典型信号的小波分解、重构和小波尺度图展示小波分析应用在故障检测中的优点，最后将小波分析用于压缩机气阀故障检测中，进行气阀正常、进排气阀泄漏三种状态识别。

机械故障诊断中的信息融合利用问题研究

首先对机械故障诊断中的可用信息进行分类，然后在分析现在诊断信息利用不足的基础上提出信息融合诊断的思想，给出了基于信息融合诊断技术应解决的问题，并提出了一个信息融合诊断的一般过程。

机器振动诊断中信号处理方法的研究

针对传统的时域和频谱分析不很适合处理非平稳和冲击性机器表面振动信号的问题 ,研究了小波分析和Choi Williams时频分布两种先进的信号分析方法在机器振动诊断方面的应用 .通过对典型诊断实例的研究表明 :对此类信号 ,用小波分析提取信号中的有用成分或用Choi Williams分布分析信号的能量分布 ,并在此基础上进行机器振动诊断 ,是两种很有效的分析手段 .研究结果为进一步深入开展机器故障的振动诊断奠定了一定的基础 .

奇异值分解技术在齿轮箱故障诊断中的应用

首先利用伪相图确定齿轮箱振动信号的基本周期 ,并在此基础上对原始信号进行时域平均降噪处理。然后应用奇异值分解技术提取各齿轮轴的振动信号分量 ,再对此振动信号分量作进一步的时、频域分析 ,给出了描述齿轮轴振动信号分量变化的定量指标。最后结合实例说明这种方法对诊断齿轮箱故障是比较有效的。

故障诊断中多传感器信息冗余性的研究

从信息论的观点出发 ,导出了传感器信息融合中的冗余性和互补性的定量描述 ,分析了传感器冗余性和互补性的特点 ,并从实际应用出发提出了信息冗余性的度量指标——相关熵的概念 ,用它来间接评价传感器信息间的冗余性取得了较好的效果。这为设备运行故障诊断技术的深入研究打下了基础 。

奇异值分解技术在齿轮箱故障诊断中的应用研究

首先利用伪相图确定齿轮箱振动信号的基本周期，并在此基础上对原始信号进行时域平均降噪处理。然后应用奇异值分解技术提取各齿轮轴的振动信号分量，并对此振动信号分量作进一步的时、频域分析，给出了描述齿轮轴振动信号分量变化的定量指标。最后结合实例说明这种方法对诊断齿轮箱故障是比较有效的。

氢压机机组共振原因分析

通过对现场实例进行振动分析，找出了往复式压缩机机组机架共振产生的原因，并提出相应的解决办法，取得良好效果。

谱距离指标及其在活塞式压缩机连杆小头磨损状态诊断研究中的应用

首先引入状态识别理论中的谱距离度量指标，然后介绍利用机壳表面振动信号诊断活塞式压缩机连杆小头端磨损状态的研究。最后利用谱距离指标Ｊ－散度进行状态识别。实验与分析结果表明：利用机壳表面振动信号可以较好地诊断连杆小头的磨损故障。

基于模糊决策树的神经网络及其在故障诊断中的应用

本文提出一种基于模糊决策树的神经网络拓扑结构的选取以及权系数，阈值的初始化方法。经理论分析该方法适用于处理不确定，噪声干扰，界限模糊的数据，经计算机仿真实验和论断实例分析，证明该方法能有效地提高神经网络训练收敛速度和分类精度。

印度的证券市场

印度可以说是亚洲证券市场中最令人惊奇而又最不为人们所知的国家之一。80年代末期,印度证券市场资本总额达到3400亿美元,上市股票约6500多种,全国持股的人数至少在1200万人以上,有证券交易所19个,遍及全国四面八方,建于1887年的亚洲最古老的孟买交易市场,拥有500多个经营证券市场的个人会员,其中约400名活跃会员。印度证券市场资本总额在新兴的市场经济国家中名列第三,显示了较强的实力。一、印度证券市场的发展印度证券市场进行交易的最早记录可追溯到18世纪末东印度公司的可转换债券的交易。随着1850年《公司法》的颁布,印度有了有限责任的概念。

症状推理在诊断信息融合中的应用研究

本文对诊断信息融合中的Dempster-Shafer症状推理理论进行了研究,给出了故障诊断过程中症状推理的过程描述,确定了故障识别框架和mass函数,给出了故障诊断中的证据合成规则,提出了用症状熵来描述诊断信息融合结果的可信度,最后,通过具体的诊断实例对以上的问题进行验证,取得了满意的结果。