贫数据中基于模型自训练的空气处理设备故障诊断

针对空气处理设备(AHU)故障贫数据,基于深度置信网络(DBN)模型对4种特征选择算法进行对比研究,结果表明最大相关最小冗余算法的特征子集在诊断准确率及子集元素稳定性上表现最优。提出将DBN嵌入自训练框架的故障诊断模型,发现DBN自训练的诊断准确率较单纯DBN最高可提升19.5%。提出均匀抽样及按比例抽样2种自训练伪标签抽样策略,二者的诊断准确率均随抽样数减小而增大,在不同抽样数中的最大差异为3.42%;在所有贫数据样本中,均匀抽样策略始终优于按比例抽样,诊断准确率最大相差1.39%,表明在故障标签匮乏时,采用均匀抽样策略及较小的抽样数有利于提升DBN自训练的诊断性能。

基于图像的旋转机械状态监测与故障诊断研究

由于工业运营对提高可靠性、效率和安全性的需求不断增长,旋转机械的状态监测和故障检测技术在近几十年中取得了长足的进步。机械的状态监测对于性能跟踪、降低维护成本、提高效率和可靠性以及最大限度地减少机械故障至关重要。目前,虽然已经开发了各种用于旋转机械的故障检测和诊断方法,但这些方法主要集中在信号处理诊断技术上,包括时间、频率和时频域、智能诊断、图像处理、数据融合、数据挖掘和专家系统。文章研究的重点是探索基于图像的方法在感应电机(IM)背景下的应用,对现有文献、方法和应用进行全面检查。文章概述了状态监测与故障检测和诊断的内涵,分析了基于图像的状态监测和故障检测在IM中的应用,并总结了基于图像的旋转机械状态监测与故障诊断的研究成果,最后提出了未来研究的方向,以供参考。

高压输电线路的智能故障检测与诊断

本研究的宗旨是深入分析高压输电线路中智能化故障监测及其鉴别技术的进步及其实践运用。首先探讨了传统技术在监测与鉴别过程中遭遇的难题,涵盖了广泛的应用领域和数据的复杂性等诸多问题。接着对智能算法在该行业内的潜在应用进行了前瞻性分析,尤其关注了深度学习技术所承载的可能性。在信息搜集与分析技术领域强调了它们在智能故障识别与评估中的关键作用。终究本文重点阐述了依托深度学习技术构筑的电路故障检测模型的搭建及其提升策略,并透过试验考证及成果评估印证了这一策略的实用性。

基于人工智能的光伏发电系统故障检测与诊断方法研究

文章旨在利用人工智能技术提高光伏发电系统的故障检测与诊断效率。通过综合分析光伏发电系统的特点和传统故障检测方法,提出了一种基于人工智能的故障检测方法,包括数据采集、特征提取、模型设计与优化等步骤。通过实验验证和对比分析证实,该方法在光伏发电系统中具有较高的准确性和效率,为提高光伏发电系统的运行效率和可靠性提供了有效的技术支持与方法参考。

配电网络故障定位与诊断的现代技术及应用

随着电力行业的不断发展,人们对于配电网络运行的安全性和稳定性有了更高的要求和标准。在配电网络运行过程中,相关电力企业应当通过应用配电网络故障定位与诊断技术对电力系统的整体运行情况进行实时监测,及时发现配电网络的运行故障问题,保证整个配电网络运行的安全性。通过配电网络故障特征、配电网络故障智能监测系统以及配电网络故障定位与诊断技术的实际应用等几个方面内容对其进行具体的研究分析。

面向组合惯性导航系统的χ^(2)故障检测与诊断

文章主要对组合导航系统中的χ^(2)故障及其诊断进行研究。将该系统基本的误差模型作为依据,针对其故障诊断,提出了在联邦滤波结构中适用的故障监测技术,即通过联邦滤波结构中的残差检验技术来检测该系统里的硬故障,将没有故障情况下的最优全局估计信息构造滑动残差用作检验标准,来检测该系统中的软故障,并将软故障检测函数作为依据,自适应调节信息分配系数。经实验发现,本次所提出的算法在此类故障检测及其诊断中十分适用。

基于XGBoost-RF的制冷剂泄漏故障检测与诊断

针对冷水机组运行中正常数据多于故障数据情况和制冷系统中最常见的制冷剂泄漏故障,本文采用极端梯度提升算法(XGBoost)建立故障检测模型,采用随机森林(RF)算法建立故障诊断模型,研究了检测阈值改变对检测模型的影响及有、无正常样本训练的诊断模型的对比。结果表明,在检测阈值设定为0.99时,可保证大部分故障样本均能被检测出来,且虚警率低,仅由故障数据训练得到的诊断模型整体性能最佳,可最大限度发挥检测模型和诊断模型的优势。

基于数据分析的设备故障预警与诊断技术在燃气电厂的应用

大数据、人工智能、边缘计算等先进技术不断进步,在燃气电厂利用基于数据分析的设备故障预警与诊断模型辅助检维修的优势逐步显现。AI设备故障预警与诊断模型依托统一的云平台搭建,覆盖燃气电厂燃机、汽机、锅炉和电气系统等多类主辅机设备,利用大数据分析技术和人工智能算法,主要算法包括分段函数、多元回归、深度神经网络等。模型以燃气电厂各系统设备的实时和历史数据为基础,将业务关联较强的数据与电厂内部专家经验相结合,实现设备参数劣化预警。文章结合燃气电厂AI模型应用实例,对建模过程、输入输出参数设定、训练样本选择、预警信息及故障诊断等进行说明与分析。利用AI设备故障预警与诊断模型可实时监督机组设备运行情况,在设备出现异常或故障的早期阶段进行智能预警和诊断,为机组设备运行安全提供保障。

基于CNN与ResNte的离心式冷水机组故障诊断

卷积神经网络(convolutional neural network,CNN)因其具有自主学习并从大量数据中提取特征的能力被广泛应用于各种领域,但在制冷系统故障诊断领域中应用较少。本文提出了一种基于卷积神经网络构建、适用于离心式冷水机组的故障诊断模型,并采用残差结构对模型进行了优化。对ASHRAE RP-1043项目离心式冷水机组7种典型故障的诊断结果显示:包含21个卷积层的ResNet_21模型的整体故障诊断正确率达到了99.40%,较浅层网络CNN_3提升7.48%;系统级故障中的制冷剂泄漏故障诊断正确率较CNN_14提升1.24%,达到98.55%;对正常工况的识别更准确,达到98.77%,虚警率降低1.43%;局部故障的诊断正确率均达到99.7%以上。

基于LCU的城轨车辆客室车门控制及故障检测系统设计

在城市轨道交通车辆运营中,车辆各系统的可靠性关系到乘客的人身安全。其中,客室车门系统的故障率在城轨车辆各系统中居高不下。为了解决客室车门系统的高故障率以及故障定位困难等问题,文章基于KNT城轨车辆客室车门实训装置进行了二次开发,对客室车门系统的前端控制进行了无触点化处理,采用网络通信方式对故障进行可视化处理,有效降低了客室车门系统的故障频率,能够直观地对电气故障进行定位,弥补了城轨车辆故障排查与处理研究的不足,提供了一种无触点化的电气控制解决方案。

基于应用型人才培养的“故障检测与诊断技术”教学改革与实践

“故障检测与诊断技术”是机械类或近机械类的一门专业课程,课程以数控机床为研究对象,研究数控机床的安装、调试、维护、修理;培养学生具备数控机床维修、维护相关理论知识与技能。本文在“1+X”证书制度下对“故障检测与诊断技术”课程的教学方法、教学内容、教学模式、师资队伍进行探索和改革研究,通过以上改革措施,降低教学成本,提高教学质量,提高学生学习效率,激发学生的学习兴趣,将学生培养成为不仅拥有专业学历证书和职业技能等级证书,还是“会维护、会检测、能维修”的数控技术应用型人才。

基于神经网络数据融合方法的模拟电路故障诊断

根据模拟系统故障检测原理,采用神经网络与数据融合相结合的方法进行模拟电路故障诊断,提出了一种新型的基于D-S证据神经网络的故障检测与诊断方法.应用D-S证据理论对径向基函数网络进行了修正,用具有一个输入层、两个隐含层和一个输出层的神经网络实现.各个证据体的基本概率赋值的获取是D-S证据理论在实际应用中的难点问题,本方法中采用的是根据输入模式与原型模式之间的相似度以及原型模式的类别隶属度来确定基本概率赋值.借助神经网络自学习的功能,实现对类别隶属度的最优化.结果表明该方法能快速有效地进行故障诊断中大量数据的处理,具有很强的鲁棒性.

基于DSO-2100的异步电机转子偏心故障检测与诊断

为了诊断感应电动机转子偏心故障,采用了定子电流检测法,开发出了一套基于DSO-2100虚拟数字示波器的故障诊断系统,得出了当电机转子存在偏心故障时,定子电流频谱中的特征频率值在不同偏心程度和不同负载下的变化规律,并完成了数据采集模块的设计。试验结果证明,诊断的结果与理论值完全相符。

暖通空调系统故障检测与诊断技术研究进展

归纳了暖通空调系统中的常见故障,介绍了故障检测与诊断的基本方法,简要介绍了定性分析方法和定量分析方法,回顾总结了暖通空调系统故障检测与诊断的研究历史,详细阐述了国内外研究现状。分析指出目前暖通空调系统故障检测与诊断技术存在的问题与发展方向。

变风量空调系统传感器故障检测与诊断

在建立变风量空调系统仿真器的基础上,针对系统的温度、流量和压力传感器等进行故障的检测与诊断．提出基于主成分分析的方法,根据系统正常的历史运行数据建立数理统计模型,通过传感器实测数据与正常数据在故障子空间投影的比较,对传感器的故障进行在线检测;提出联合角度法通过比较新发故障向量与故障库中各经验故障向量在两个子空间投影的夹角,在线分离出故障源．结果表明,提出的主成分分析和联合角度的方法对于变风量空调系统传感器故障有较为准确和快速的检测和诊断效果．

航天故障检测、诊断与容错处理技术研究

以最近40年典型航天故障为依据,归纳了航天故障的主要来源,分析了航天故障五个方面的原因,剖析了航天故障四个方面的典型特点,阐述了航天故障检测与诊断的研究内容、技术难点和典型方法。从带故障过程后续故障检测与诊断、过程容错技术研究等几个侧面介绍了国际国内最新发展动态,以及面向国内航天的几点思考。

基于频谱法与神经网络的航空起动发电机的故障检测与诊断

应用频谱法对航空直流起动发电机发电状态进行故障检测与诊断。采用对电机的电枢纹波电流信号进行频谱分析,提取该信号在频率域特征量,将频谱特征向量作为学习样本,通过训练,使神经网络能够反映频谱特征向量和故障类型的映射关系,从而达到故障检测与诊断的目的。电机故障实验和分析表明,与常规方法相比,频谱分析与神经网络相结合的方法进行实时检测和诊断具有简单、有效等优点。

控制系统故障检测与诊断技术的最新进展

对故障检测与诊断(FDD)技术在控制领域的最新进展进行了综述,内容主要包括三类基本方法,即:基于解析模型的FDD、基于信号处理和基于知识的故障检测与诊断方法。重点评述了近年来发展起来的信息融合方法、多Agent方法、鲁棒故障检测、网络控制系统的故障诊断等。最后介绍了故障检测与诊断技术在控制系统中的若干应用成果,并指出尚待解决的主要问题和值得进一步研究的方向。

基于BP神经网络的制冷机组故障检测与诊断

研究了BP神经网络用于制冷机组故障检测与诊断的方法,并且用来自真实测量的数据建立了冷水机组故障检测与诊断的BP神经网络模型。研究表明,在静态条件下,通过提取制冷机组有代表性参数的残差,以此作为BP神经网络的输入,当BP神经网络经过适当的训练后,能成功地对各种耦合的故障进行辨识,诊断训练时间短,BP神经网络能实现对制冷机组进行实时故障检测与诊断的需要。

定性趋势分析在过程故障诊断中的应用研究

为了用计算机对传感器数据的瞬态演化进行建模,提出了定性趋势分析(Qualitative Trend Analysis,QTA),趋势是基于三种基元:{不变,上升,下降},用这三个基元组合的七种形状来描述过程的趋势,这种定性的过程趋势描述是一种很有用的方法。系统介绍用于过程故障诊断的定性趋势分析(Qualitative Trend Analysis,QTA)两个重要算法:趋势提取算法和趋势识别算法。为了使得趋势提取算法和趋势识别算法有更大的适应性,采用了分级阈值的办法来动态地获得趋势提取和识别中所需要的阈值。获得过程的趋势后,用一种趋势匹配的策略构架来诊断故障。对于过程工业的故障诊断,定性趋势分析的优点是能够简洁、快速地诊断故障。