基于决策树C4.5算法的汽轮机非线性故障诊断研究

汽轮机故障频率存在非线性、诊断复杂、相关参数属性集庞大的特点,应用决策树C4.5算法进行分类,速度快,准确性高。首先对汽轮机故障频率的连续性进行离散化,对决策表属性约简,得到分类规则,做为实际应用的依据。以Matlab为开发平台构建汽轮机振动故障诊断系统,准确率达到86.7%,具有实际应用价值。

基于估计状态的非线性时滞系统的智能故障诊断

针对一类状态不可测且模型未知的非线性时滞系统,提出了一种基于神经网络的故障诊断方法.该方法利用两个RBF神经网络分别设计了状态观测器和故障估计器用来直接估计系统的状态及故障,最后应用Lyapunov理论,论证了状态估计误差、故障估计误差、参数的收敛性以及系统的稳定性.结果表明该方法实用有效,对解决一类非线性时滞系统的故障诊断问题具有一定的实际意义.

一种基于神经网络在线逼近器的非线性鲁棒故障诊断方法

针对一类不确定非线性动态系统,提出了一种基于神经网络在线逼近结构的鲁棒故障检测方法.该方法通过构造神经网络通过在线逼近结构学习非线性故障特性来监测动态系统的反常行为,当故障发生时,在线估计器可逼近各种可能的未知故障,然后对其进行诊断和适应.神经网络权重的在线学习律没有持续激励的要求,并采用Lyapunov稳定性理论保证了闭环误差系统一致最终有界稳定.

具有潜在标签一致性和稀疏高斯特征学习的非线性工业过程故障诊断方法

随着工业过程复杂程度的不断提高,高维工业数据呈现出很强的非线性,给工业过程的故障诊断带来了相当大的挑战。为了有效提取对故障诊断至关重要的深层特征,首先,设计了稀疏高斯特征提取器(SGFE)来学习非线性映射,该映射能够将原始数据投影到具有故障标签维度的特征空间中。特征空间由故障类别标签的one-hot编码作为正交基构成。这样,SGFE可以从原始数据中逐步学习到与故障标签相关的深度稀疏高斯特征。然后,在特征空间中,设计了稀疏高斯(SG)损失函数,将特征约束为多个稀疏多元高斯分布。稀疏的高斯特征在特征空间是线性可分的,这有利于提高下游故障分类任务的性能。最后,对本文所提出的SGFE算法的可行性和实用性分别通过手写数字(MNIST)数据集和田纳西-伊士曼(TE)过程进行了验证。

故障诊断技术在武器装备维修中的应用研究

状态监测与故障诊断在武器装备维修中的应用研究在近二十年发展较快,就目前发展的状况而言,已基本形成了自己的体系,文章对目前该领域发展的特点、基本内容、不足之处以及发展趋势进行了较为详细的介绍,并指明了非线性故障诊断在武器装备维修中的应用趋势,最后着重介绍了神经网络和分形在非线性故障诊断中的研究及应用现状。

一种Volterra级数简化辨识方法及其应用研究

针对非线性故障诊断一般计算量大,难以实施在线检测的不足,提出了一种基于分块最小均方(BLMS)滤波器的简化辨识方法。该方法利用影响指数的概念,在保证一定辨识精度的前提下,根据每个Volterra核对辨识结果贡献的大小对其进行筛选,然后用筛选出的有效核函数作为对原系统的近似,从而达到降低辨识维数减少计算量的目的。将该方法应用到某型号直升机电动舵机的故障诊断中,实际测试表明了该简化辨识算法的有效性,为实施在线非线性故障诊断提供了一种解决途径,就有较大的工程实用价值。

Unknown Input Extended Kalman Filter and Applications in Nonlinear Fault Diagnosis

未知输入观察员是为线性系统的柔韧的故障诊断的最著名的策略之一，但是非线性的案例上的研究不是足够的。在另一方面，当非线性的确定的系统的一个观察员最近被导出，扩大 Kalman 过滤器(EKF ) 在非线性的评价，和它的集中是著名的。由联合 EKF 和未知输入 Kalman 过滤器，我们建议一个柔韧的非线性的评估者把未知输入称为 EKF (UIEKF ) 并且用线性矩阵不平等(LMI ) 在一些温和条件下面作为一个非线性的柔韧的观察员证明它的集中。一个三坦克的系统的模拟“ DTS200 ”，在工艺程序的控制的一个基准，基于 UIEKF 与不确定性，和故障诊断为非线性的系统作为一个观察员表明 UIEKF 的坚韧性和有效性被发现成功。