基于蚁群神经网络的泵车主泵轴承性能评估

针对BP神经网络、遗传神经网络等智能算法在机械设备关键部件的性能评估过程中训练收敛速度慢,且会遇到局部极小的问题,提出一种运用蚁群算法训练神经网络的权值和阈值的混合智能算法——蚁群神经网络.将蚁群神经网络应用于混凝土泵车主泵系统中主泵轴承的模式识别和性能评估.结果表明,蚁群神经网络能很好地解决收敛速度慢、局部极小的问题,提高了分类精度,展现了良好的应用前景.

基于深度信念网络多参数智能融合的滑靴副性能退化状态评估方法

滑靴副磨损过程的性能退化状态受到表面形貌、摩擦特性等多个方面的影响,单独提取其中任何一个表征参数作为指标,评估其性能退化状态都是不准确的,为提高评估精度,提出基于深度信念网络多参数智能融合的滑靴副性能退化状态评估方法。应用分形理论从滑靴表面形貌特征中提取分形维数、尺度系数和特征粗糙度等分形参数作为表面形貌评估指标,应用摩擦因数作为摩擦特性参数评估指标,构建性能退化状态评估指标体系;计算摩擦因数信号与完全平稳的高斯白噪声序列信号之间的灰色关联度,并根据灰色关联度的大小对性能退化状态进行区域划分;应用深度信念网络理论对多指标参数进行智能融合和特征提取,建立性能退化状态评估模型;开展滑靴副磨损过程模拟试验,分析指标参数和灰色关联度对性能退化状态的影响规律,通过构建出的样本数据集,对评估模型进行训练和测试验证,结果表明评估模型对性能退化状态的评估准确率能够达到97%以上,由此证实该方法对滑靴副性能退化状态评估的有效性,且具有较高的评估精度。

重点设备状态检修系统设计与实现

利用计算机网络信息化技术,提出一种重点设备状态检修系统的故障诊断方法。给出了系统具体设计方式以及设计过程中遇到技术难点的解决办法。利用数据库信息化管理技术来克服传统单一故障诊断方法诊断能力弱、某些情况准确率较低的不足。

一种适用于柴油机监控系统继电器的综合评估模型

针对某型船舶柴油机监控系统内部继电器的性能评估问题,提出一种基于模糊理论和证据推理的综合评估模型。首先构建了同时考虑电特性因素、时间因素、环境因素的综合评估指标;经改进层次分析法,得到各层级评估参数、因素对应的权重比例,标准化处理后运用模糊数理论求得各评估参数对应的隶属度函数,结合参数权重得出初步模糊评估;为解决模糊理论模型的不确定性问题,进一步将证据推理算法应用到评估模型,将置信度的概念引入隶属函数,求解评估因素集的广义组合基本信任程度;最后利用实际柴油机监控系统中的继电器进行性能评估实验,结果表明,综合评估模型降低了评估过程的不确定性,评估效果优于单一的模糊评估模型。

设备故障预诊断与维修信息化管理系统的设计与实现

针对化工行业作业活动的特点和目前设备维修存在的缺陷,提出了一种生产设备运行过程环境在线监测方法和设备日常维修、保养数据的信息化管理方法。介绍了系统的总体结构,给出了系统硬、软件设计。实际应用表明:该方法不仅能有效提高设备维修效率,降低维修难度,而且能有效避免故障的发生,减少故障停机损失,更重要的是能为危险作业活动的人员提供更加安全的作业环境,能最大程度地保障一线工作者的人身安全。