故障多征兆域一致性诊断策略的研究

提出了故障多征兆域一致性的诊断思想,并对该思想的实现途径进行了研究;提出了从群体专家一致性决策角度基于BP神经网络实现故障多征兆域一致性诊断的思路,且具体研究了基于Dem pster-Shafer证据理论和基于模糊积分理论实现一致性处理的两种有效策略;最后就所提出的方法和策略进行了示例研究。

基于多征兆域的异构集成故障诊断策略

为了充分利用机械设备振动信号的信息,并避免学习的复杂性,提出多征兆域异构集成故障诊断方法,即提取信号在不同征兆域的故障特征,利用异构分类器分别学习,集成各分类器的结论.该方法充分利用了多征兆域信息的冗余性、互补性和辅助性,以及异构分类器方法之间的互补性,提高了故障诊断的准确性和确定性.文中方法在转子系统故障诊断应用中得到验证,结果表明,多征兆域异构集成方法明显优于单征兆域单分类器方法与单征兆域集成方法.

证据理论在旋转机械综合故障诊断中应用

针对旋转机械故障诊断中在同一征兆域中很难区分多种故障的实际情况 ,研究利用其他征兆域的诊断信息 ,进行全局信息融合 ,从而获得更为准确的故障定位 .提出一种基于神经网络和 Dempster-Shafer证据理论的多参数综合诊断系统模型 ;在该模型中采用证据理论的组合规则进行局部和全局信息融合 。

基于信息熵的诊断过程认知信息流分析

从认识论和广义信息论的角度 ,认为故障诊断过程是一个认知主体借助多种认知工具进行状态辩识的过程 ,围绕故障认知的有关基本问题 ,可以从信息熵的传递过程加以解释。运用信息熵进行了数学推导 ,并阐明了诊断过程的认知信息流的流动过程。最后提出了建立多征兆域综合特征知识体的思路 ,以解决诊断信息先天获取不足和认知能力随复杂性降低的诊断知识获取问题。

基于多神经网络多参数综合的旋转机械故障诊断系统研究

本文提出并建立了基于多神经网络多参数综合的旋转机械故障诊断系统。在多层多输出前向神经网络的算法基础上,对多个征兆域分别建立相应的诊断网络,然后利用加权方法进行综合评判,并且该诊断系统具有自学习、自适应能力,以便能够适应大型旋转机械,特别是汽轮发电机组等实际产生故障的振动原因的复杂性及诱发的振动征兆的多元性等特点,从而提高了故障诊断的可靠性和诊断精度。本系统对工程应用具有较高的实用价值。