深度卷积神经网络在轴承多故障复合诊断中应用研究

基于深度学习具有强大的自特征提取能力和较优的分类能力,将深度卷积神经网络引用到轴承的故障诊断中,提出了基于一维深度卷积神经网络的轴承复杂工况故障诊断方法。在提出的方法中,将轴承的多故障振动信号作为模型的直接输入,通过训练深度卷积神经网络模型,利用模型中多个卷积层和池化层对输入的振动信号进行自特征提取,并进行故障分类。从而以基于数据驱动的方式形成端到端的故障诊断。研究表明,在一维深度卷积神经网络中直接输入轴承振动信号进行故障诊断,与提取时域和频域特征结合支持向量机进行故障诊断的方法相比,深度卷积神经网络可以更好地反映时域振动信号与特征间的关系,获得了比传统智能诊断方法更高的识别效率。     

基于动态增添法的DBN滚动轴承故障诊断

针对深度信念网络(DBN)层数的不确定性而导致故障诊断精度不高的问题,提出了一种基于动态增添算法的DBN诊断方法.首先通过动态增添算法确定隐含层层数,之后按照逐层递减原则,设置模型的隐含层神经元节点数目;并以滚动轴承为研究对象,通过分析其训练样本与测试样本的分类误差曲线,来表明基于动态增添算法的DBN方法对滚动轴承故障...     

基于DSP和FPGA的模拟机数字多通道电路测试系统研制

采用DSP和FPGA相结合的方式,研制出一套数字电路测试系统,以FPGA仿真运行环境、DSP作为系统控制,可对模拟机多通道数字信号板进行测试,实现故障通道的检测。该系统电路结构简单,实用,具有可扩展性。     

基于小波变换和支持向量机的开关电流电路故障诊断新方法

针对开关电流(Switched current,SI)电路的故障诊断和定位问题,为进一步提高故障诊断准 确率,提出了基于小波变换和粒子群优化(Particle swarm optimization,PSO)支持向量机 (Support vector machine,SVM)的开关电流电路故障诊断新方法。该方法首先对节点电流 信号进行蒙特卡罗分析,然后通过小波分解计算分形维数,再利用核主元分析（Kernel pri ncipal component analysis,KPCA）降低特征值维数,实现最优故障特征的提取。最后通 过PSO SVM完成对各种故障模式的分类。对六阶切比雪夫低通滤波器进行了仿真实验验证, 获取了较高的故障诊断准确率,与其他方法进行比较,实验结果显示了本文方法的优越性。     

液体火箭发动机滚动轴承故障诊断方法初探

轴承故障在回转机械的各种故障中占有很大比例,轴承故障的诊断和检测是机械故障诊断重点发展的技术之一。本文结合发动机滚动轴承使用情况,介绍了液体火箭发动机滚动轴承故障诊断的作用、工作过程、诊断与检测方法。     

模糊Petri网在航天发射系统故障诊断中的应用研究

航天发射系统结构复杂,各分系统相互耦合,且故障传播模式多样化,故障特征和故障模式之间存在着模糊关系.因此,本文提出利用模糊Petri网对航天发射系统进行故障诊断,并给出了基于模糊Petri网的故障传播模式模型及反正向结合的推理算法.反向推理用于故障诊断,以选择检测路径,有效地找到发生某一故障的原因及其传播路径;正向推理用于计算该故障发生的真实度.文中以某运载火箭控制系统漏电故障诊断为例,说明了该模型直观、表达能力强的优点,同时表明了算法的适用性和有效性.     

小波变换在航空发动机故障诊断中的应用

论述了小滤变换在航空发动机故障诊断－－检测特征信号和分离信号的高、低频成分中的应用，小波变换是采用可变窗口的积分变换，是一种多分辨率的时频分析方法，应用在振动信号处理较传统分析方法优越。     

模糊理论在平显故障诊断中的应用研究

给出了平显信号在线采集、转换的硬件电路。鉴于平显输出信号不确定的特点 ,提出了应用模糊理论进行故障诊断的新方法 ,此法具有一定的参考价值。     

基于基因算法的加工质量故障诊断研究与实现

以基于节约覆盖集理论的概率因果诊断模型为理论基础,以基因算法为该模型的求解策略,两者结合起来解决质量管理界的难点问题之一--机械加工过程质量故障诊断问题,其中又以构造一个合理有效的基因算法个体适合度评价函数为重点,同时引入了故障树分析方法,来提高诊断模型的准确性和可解释性。应用研究表明,该方法将有效地解决加工质量的诊断与改进问题。     

专家系统在关系数据库中的实现及其在QAR分析中应用

飞行记录数据是判明飞行事件原因，监控飞行操纵品质、发动机性能的重要依据。文中介绍了基于关系数据库的专家数据库系统的实现方法，给出了在飞行记录数据分析中应用专家数据库系统的思路。