基于时间序列数据挖掘的旋转机械故障预报

提出一种基于时间序列数据挖掘的故障预报新方法。把故障前兆因子作为一种暂态,根据旋转机械轴承振动的实验数据建立时间序列．利用时延嵌入的方法重构状态空间,在状态空间中使用遗传算法搜寻最优暂态束．组成暂态集。用暂态集对旋转机械轴承振动的测试数据进行分析．判断是否为故障前兆因子．从而实现故障预报。     

基于未知输入观测器的不确定非线性系统故障检测

针对具有不确定性和系统故障的非线性系统，利用神经网络构造了全阶未知输入观测器，在获得系统的状态观测信号的同时得到了系统的故障观测信号。通过在故障观测神经网络权值的调整规律中引入死区函数，从而提高了故障观测对系统不确定性的鲁棒性。利用得到的故障观测信号，可以方便地检测系统的缓变故障和突变故障，实现了对系统故障的快速检测，降低了误检率。仿真示例表明了该方法的有效性。