基于压力时间序列的输油管道在线泄漏故障诊断算法

针对输油管道中的泄漏问题提出一种基于混沌特性的输油管道压力时间序列在线故障诊断算法.该算法通过重构时间序列的相空间,求得输油管道压力序列的嵌入维为5维,嵌入延迟为4.以5维重构向量作为神经网络模型的输入,先离线训练网络,得到初始参数,然后在线训练神经网络模型,实现网络模型权值在线调整,从而实现实时对故障信号的检测.通过对实测数据的仿真表明本算法可以检测压力故障,证明了本算法在实际中的有效性.

基于 BP 神经网络的液压系统泄漏故障诊断

针对液压系统的泄漏问题，提出了基于ＢＰ神经网络，以液压系统压力动态过渡过程为分析对象的故障诊断方法。该方法在通常ＢＰ神经网络的基础上，采用对学习样本加噪声的方法，提高了ＢＰ网络对噪声的抑制能力。它比传统方法，具有可靠性高，适用性广，而且成本低廉的特点。

液体火箭发动机泄漏故障诊断的信息融合技术

从故障诊断角度出发 ,分析了故障诊断和信息融合技术关系。综合现在进行液体火箭发动机检漏的相关技术 ,为了弥补泄漏故障诊断信息不足等问题 ,提出了采用点式和红外传感器相结合的方法来探测泄漏故障引起的各种现象 ,概述了该领域的相关技术和实现方法 ,建立了基于信息融合的泄漏故障检测与诊断系统 ,有利于提高泄漏故障的有效性和可信度。

轧机伺服液压缸内泄漏故障诊断研究

针对目前轧机伺服液压缸故障诊断过程中,故障特征提取困难,信号非线性变化,数据量大的问题,提出了一种基于深度置信网络的轧机伺服液压缸故障诊断的方法。根据轧机系统工作原理,建立轧机系统仿真模型,对轧机内泄漏故障状况进行模拟。利用深度置信网络在智能故障诊断的优越性,将信号归一化处理后放入深度置信网络进行训练,然后通过反向传播学习,优化网络各参数,提高诊断精度。深度置信网络模型由多层玻尔兹曼机以及顶层BP神经网络组成。与传统BP神经网络方法进行比较,结果表明,在训练样本数据足够的条件下,深度置信网络模型在伺服液压缸内泄漏故障诊断具有更高的诊断精度。

高线稀油润滑系统泄漏故障诊断

1．问题及判断 某高速线材生产线是引进意大利的设备，一次检修后发现初中轧设备稀油润滑系统油箱油位每天下降2格（180kg／桶，0．8格／桶）。为此，对初中轧全部14架减速机进行检查和泄漏治理，但稀油站油箱油位每天依然下降较明显，后发现净环水冷却系统有油泡，因在润滑系统与净环水有关联仅有冷却系统，于是怀疑油路冷却系统中的板式换热器可能串液，但从板式换热器外观看，干净无渗漏迹象，决定停机拆解换热器。