基于思维模式融合故障诊断的专家系统与神经网络

本文以构造电力变压器的故障诊断分析系统为目的，从基于人类思维发展模式的角度，探讨了一种融合设备故障诊断的专家系统ＥＳ模型与人工神经网络ＮＮ模型的新途径。

基于神经网络的多种油样分析技术融合诊断

针对4种最常用的油样分析技术(铁谱、光谱、颗粒计数及理化指标分析)的信息融合问题,依据基于规则的专家系统方法,建立了各油样分析技术的子专家诊断系统;依据专家经验建立各子专家系统的诊断结果与故障论域中各故障模式的关系,得到了用于神经网络学习的训练样本.在此基础上,通过对神经网络进行训练,并将待分析油样的各子专家系统诊断结论输入训练成功的网络,即得到融合诊断结果.实例分析表明所建立的分析方法便捷有效.

基于神经网络的混合智能故障诊断技术研究

目前 ,故障诊断的关键是寻找一种使诊断结果更为有效的方法。神经网络作为一种新兴的故障诊断方法 ,越来越受到人们的关注。对于复杂的系统 ,单一的传统神经网络很难给出理想的结果。对神经网络与其他诊断方式融合的混合智能技术 ,即神经网络与专家系统、模糊控制。

离心输油泵故障诊断专家系统的研究与实现

提出了一种新的对基本神经网络进行组合的思路 ,将基本神经网络分层联接 ,每一层对应对象的某一属性 ,并根据属性分类。以这一思路为指导 ,组建了 BP网络与竞争网络组织相结合的神经网络 ,并以此为核心 ,搭建了离心输油泵故障诊断专家系统的框架。

螺杆泵井智能集成故障诊断专家系统研究

为了及时处理油田开采中应用越来越广泛的螺杆泵井所存在的抽油杆断脱等故障,提高故障诊断的准确性和多故障同时诊断的能力,构造了一种基于模糊神经网络的智能集成故障诊断专家系统,并给出了系统的结构.介绍了模糊神经网络推理机的构成和功能,对综合知识库的结构和性能进行了简要分析,并设计了系统的故障诊断流程.系统经实际现场螺杆泵井的运行应用,取得了预期的诊断效果.

基于BP神经网络的螺杆泵井故障诊断方法

将神经网络原理应用于地面驱动螺杆泵采油系统的故障诊断,采用改进的BP神经网络,根据螺杆泵井的故障特点,通过理论研究,选取能够表征油井生产状态的状态变量作为神经网络的输入向量,归纳出常见的螺杆泵井故障形式作为目标输出。同时采集了大量现场数据,并进行分类整理,构成了网络的训练样本。通过对网络进行训练,获得具有一定泛化能力的网络。利用VB与Matlab编制的相应软件进行螺杆泵井的故障诊断,获得了正确的诊断结果,证明该方法具有一定的实用性。

基于融合理论的网络在线智能故障诊断模型

针对复杂设备的在线故障诊断问题,依据认知科学和信息融合理论,基于网络环境,提出了一种新的网络在线智能故障诊断模型·它采用定性与定量、局部与综合诊断相结合的诊断策略,即首先进行快速定性诊断,一旦系统异常,立即启动集成神经网络组对来自设备多侧面的故障特征信息进行定量分析和分类,并由专家系统模块对神经网络组的推理过程进行定性解释,最后以D S证据推理模块在全局融合中心实现对各子网络的会诊,提高了诊断的精度和可靠性·作者所开发的丰满水电数字仿真系统的成功应用,验证了模型的有效性和实际应用价值·

人工神经网络在混合智能故障诊断技术中的应用研究

故障诊断的关键是寻找一种使诊断结果更为有效的方法。人工神经网络作为一种新兴的故障诊断方法,越来越受到人们的关注。然而,对于复杂的系统,单一的传统神经网络很难给出理想的结果。本文重点对神经网络与其它诊断方式融合的混合智能技术,即神经网络与专家系统、模糊控制、小波分析和遗传算法的结合以及集成神经网络等在故障诊断中的应用进行了综述。这些方法已应用到实践中,并取得了一定的成果。

智能集成系统在抽油井故障诊断中的研究

通过对抽油井故障诊断智能集成系统的研究，提出并实现了一种抽油井故障诊断松耦合集成的模型。通过实验证明这种松耦合集成模型优于单一人工智能方法的实现。

基于集成学习的油藏井筒一体化智能诊断模型

目前油藏、采油依托各自专业数据和信息系统进行异常问题的分析,对于两个系统间的复杂关联关系考虑不够,导致生产异常的诊断仍较局限,治理措施针对性不强。基于随机森林算法和卷积神经网络算法集成学习构造了油藏井筒一体化智能诊断模型,根据注水失效、泵漏失等不同油藏、井筒问题,以基于随机森林的决策树分析油藏异常工况,卷积神经网络诊断井筒异常故障,通过集成学习方法将两类分类器结合起来,形成一体化诊断。现场验证结果表明,所建立的方法通过集成学习提升了单分类器性能与范化能力,应用准确率达到90%以上,实现了油藏和井筒问题的一体化诊断,为油田智能化管控提供了有力支撑。

基于BP神经网络的螺杆泵井故障诊断技术研究

提出了基于BP神经网络和专家系统的螺杆泵井故障诊断方法:将螺杆泵井工况类型细分为10类,选取表征油井生产状态的7个特征参数作为输入量,采用Active X技术,借助VB调用Mat-lab人工神经网络工具箱函数,构建和训练网络模型.用该方法对新疆油田吉7井区吉101井和吉002井进行实例分析,验证了模型的正确性.

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点,提出采用三层BP小波神经网络构造故障诊断模型,对油泵进行故障监测和诊断。该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理,对油泵多种常见故障取得了满意的诊断效果,不仅具有特征自动提取以及较强的自学习和自适应功能,而且操作维护简便。研究结果表明:信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径;对油库安全维护与故障诊断具有重要意义。

智能集成系统在包装机械设备故障诊断中的研究

通过对包装机械设备故障诊断智能集成系统的研究 ,提出并实现了一种基于专家系统和神经网络集成的智能诊断模型。同时给出了系统的硬、软件结构 ,并通过实验证明这种智能集成系统模型的可靠性和准确性。

基于示功图的油井故障诊断专家系统研究

在石油开采中,能够对抽油井井下的故障进行预测和诊断,并计算油井的产油量,从而及时了解和掌握采油系统的工况,实现采油系统的自动化监控和科学管理,是当前迫切需要解决的一个问题。本文针对如何实现油井故障自动诊断进行研究,通过实测示功图、提取功图特征值,并结合神经网络,以及能耗计算辅助判断故障类型的方法,从而建立油井故障诊断专家系统,通过油田实采数据验证,使诊断结果正确率基本达到95%,结论表明该方法是一种较为成功的尝试,有较高的实用推广性。

基于故障树和神经网络的飞机电源系统故障诊断研究

介绍了基于故障树模型的故障诊断技术和基于神经网络的故障诊断技术,提出了基于故障树和神经网络的集成故障诊断思想。在此基础上,以交流发电机旋转整流器二极管开路故障为例进行了实例分析,说明了故障树和神经网络集成故障诊断技术对此故障的诊断,结果表明该方法用于解决此类问题是有效的。

有杆泵抽油井故障诊断智能系统进展

专家系统和人工神经网络是人工智能的两个方面。本文综述了国内外有杆泵抽油井故障诊断的专家系统及诊断技术，还介绍了人工神经网络在示功图识别以及判断有杆泵抽油井故障中的应用。由于人工神经网络具有较强的模式识别能力，判断成功率较高，今后其应用将会越来越多。

基于CNN的抽油机井故障诊断方法研究

抽油机井故障判断的有效手段是对其示功图进行检测和识别。为了提高抽油机井故障判断的准确率和抽油机井生产管理的智能化水平,通过采集抽油机井示功图数据,建立了典型示功图样本库,并基于深度学习算法构建了示功图自动识别的卷积神经网络(CNN)模型。利用示功图样本库数据对CNN模型进行了训练和测试。结果表明:CNN模型收敛性好,模型训练准确率达到了99%,测试准确率达到了97%以上,达到了预期效果。该方法可用于抽油机井示功图分类和故障诊断。

基于MATLAB的集成神经网络在给水泵故障诊断中的应用

针对大型火电站电动给水泵常见的振动故障,采用基于MATLAB的集成神经网络对给水泵的振动故障进行诊断。从单个神经网络开始,从信息融合的角度建立了集成神经网络故障诊断方法,探讨集成神经网络的实现策略和组建原则,并给出给水泵振动故障诊断的实例,证明该诊断方法提高了故障确诊率。

基于大数据技术的多沙水流泵站故障诊断方法

针对多沙水流泵站存在水泵磨蚀、机组振动等复杂故障问题,基于大数据技术,将神经网络方法与传统的专家系统相结合,建立了多沙水流泵站的故障监测与诊断系统。实际应用结果表明,该方法能够及时定位故障问题和诊断故障原因,降低了维护成本,创造了更大的经济效益。

集成网络专家系统在煤矿钻井故障诊断中的研究

针对煤矿钻井在线故障识别的需求,构造一种基于集成神经网络的钻井工程故障诊断专家系统模型。系统利用BP网络作为子神经网络,采用投票法作为集成神经网络的结果输出方法,通过正反向混合推理机制来检验事故。实践证明,该系统在增强钻探效率的基础上,能够有效地预防和控制钻井事故的发生。