基于稀疏编码和极限学习机的设备故障诊断方法及应用

针对复杂工况与海量监测数据下滚动轴承难以进行故障诊断的问题,提出了一种基于稀疏编码和极限学习机（ELM）的滚动轴承故障模式识别方法。首先,利用K-SVD方法对海量数据样本学习得到自适应原子字典,在此基础上使用正交匹配追踪（OMP）算法进行稀疏编码;然后,构建基于数据驱动的ELM网络模型,将稀疏编码输入ELM模型;最后,通过模型输出实现了对滚动轴承的不同故障类型及不同故障程度的智能识别。通过实际实验分析,验证了所提方法的有效性,与传统的时、频域指标和主成分分析（PCA）为输入的ELM模型进行了对比,并对比分析了BP神经网络、支持向量机（SVM）模型,证实了所提方法具有更好的诊断正确率和可靠性。     

一种多层经验小波变换与多指标交叉融合的列车轮对轴承故障诊断研究

列车轮对轴承在长期使用过程中极易产生各类故障,但恶劣的工况导致其故障诊断较为困难,针对这一问题,提出了一种基于多层经验小波变换(multi-layer empirical wavelet transform, MLEWT)与多指标交叉融合的列车轮对轴承故障诊断方法。所提MLEWT方法在划分信号频谱边界过程中,不再以局部极值点作为频谱区间划分依据,而是通过设定频谱区间个数来对整个信号频谱进行多层分解,得到多个模态分量信号。提出了一种基于交叉融合峭度、平滑因子、稀疏值和峰值系数4个统计量指标的故障稀疏度大小评价方法,该方法将多个统计量指标综合考虑,有效克服了单一指标存在的不足,自适应搜寻信号MLEWT后最优的模态分量信号。通过对最优模态分量信号进行包络解调分析诊断出轴承故障。仿真信号和实际轮对轴承故障信号的分析结果表明：所提方法可以有效提取轴承故障特征信息,诊断效果优于传统的谱峭度和EWT方法。     

基于自适应Morlet小波变换滚动轴承声学故障诊断的研究

基于声音信号的测试与分析是滚动轴承故障检测与诊断的一种新方法,提出了基于自适应Morlet小波变换诊断轴承声学信号故障的新方法。首先利用最小Shannon熵对Morlet小波的形状参数进行优化,找到与所测声音信号特征成份最匹配的小波,再对小波系数矩阵进行奇异值分解,通过奇异值与变化尺度的关系曲线得到最佳小波变换尺度,最后对滚动轴承故障信号进行Morlet小波变换进行故障特征提取。结果表明:该方法能有效地从强噪声背景下提取出轴承声学信号的故障。     

基于小波包 核偏最小二乘的滚动轴承故障检测法

为了解决滚动轴承故障检测中出现的振动信号非线性问题，课题团队提出了一种基于小波包 核偏最小二乘（wavelet packet and kernel partial least squares method，WP KPLS）的故障检测方法。首先对采集到的信号进行小波包分解，将振动信号分解到独立的频段，提取不同频段的能量谱，并构建反映频谱状态改变的能量谱特征向量；再对得到的能量谱特征向量进行核偏最小二乘分析，建立故障检测模型，利用T2及SPE统计量来检测故障是否发生。实验结果表明：该方法能够较为准确地检测到轴承的内外圈故障，证明该模型是有效的。该方法综合了小波包对信号的分析优势和核偏最小二乘法在非线性情况下的数据处理优点，为解决故障检测中的非线性数据处理问题提供了一种新方法。     

二进制量子粒子群优化算法及其在化工过程故障诊断中的应用

针对实际化工生产过程中故障数据缺乏,采用适合小样本问题的支持向量机(SVM)对化工过程稳态故障进行诊断。为了保证在线故障诊断的实时性,消除高维监控数据以及系统噪声对故障诊断的干扰,提出了一种新的基于二进制量子粒子群优化(BQPSO)算法和SVM的故障特征选择方法。仿真实验表明:BQPSO算法具有良好的全局搜索能力,能够快速、准确地搜索到故障特征变量;而基于特征选择的SVM故障诊断方法能可靠地实现对复杂化工过程的在线故障诊断。     

基于数字孪生的盾构机状态检测与故障诊断方法研究

针对传统的盾构机故障诊断方法存在的感知不全面、数据噪声大、质量低等问题,提出了基于数字孪生技术的实体与虚拟实时交互感知方法,可以实现盾构机状态的实时准确检测、故障精准诊断以及故障信息及时反馈。阐述了数字孪生盾构机的内涵及应用前景,建立了数字孪生盾构机模型以及运维系统的架构,对盾构机主驱动减速机提出了一种仿真数字孪生建模方法,并对其进行了多体动力学仿真。模拟了太阳轮的常见故障,并对其进行了故障频率分析,与理论值对比,验证了所建模型的准确性。     

基于多小波包排列熵和流形学习的故障特征提取方法

针对振动信号非线性、非平稳性导致的故障特征难以准确提取的问题,提出了一种基于多小波包排列熵和流形学习的故障特征提取方法。首先,利用多小波包分解方法得到故障信号的多维多小波系数,通过计算排列熵初步提取了各个小波系数中的故障特征信息;然后利用局部切空间排列(LTSA)流形学习方法对多维特征信息进行处理,在有效降低信息冗余度的同时,提取了其中主要的故障特征;最后利用支持向量机(SVM)对滚动轴承正常、外圈、内圈和滚动体故障实测信号进行故障模式识别试验。结果表明,该方法可以准确地识别出轴承不同的故障类型,并且在提取故障特征准确性方面要优于传统的单小波包方法和主成分分析(PCA)方法。     

基于主成分分析和概率神经网络的入侵检测方法

针对神经网络在入侵检测的应用中存在入侵数据冗余信息多,数据量大,训练时间长,易陷入局部最优等问题,提出了一种基于主成分分析(PCA)和概率神经网络(PNN)的入侵检测方法。首先使用PCA对数据进行特征降维,解决了入侵数据冗余信息多的问题;然后使用PNN建立入侵检测模型;其次,使用粒子群算法(PSO)解决概率神经网络参数的优化问题;最后使用KDD99数据集对该模型进行测试。实验结果表明:该方法能够有效提高检测的效果,而且检测速度明显提高。     

基于统计的离群数据挖掘与分析

在数据空间中不可避免地存在着一些严重偏离整体样本集合的其它观测值,这些离群数据对数据挖掘与分析结果具有重要影响.通过对各种基于统计算法的总结与比较,按一元到多元的探索性离群分析思路,设计了一般分布下的Grubbs离群检测法和基于似然的混合模型离群点检测方法,并对多维数据的统计检测技术进行了讨论.结果表明,在离群检测与分析中恰当地利用统计方法在低维数据中的有效性进行探索性数据分析是可行的.     

基于核函数PCA的非线性过程实时监控方法

为了克服基于主元分析的过程监控方法非线性处理能力弱的缺点和降低基于非线性主元分析的过程监控方法的计算复杂度,提出了将核函数PCA监控方法用于复杂工业过程实时监控系统的开发研究,并讨论了核函数参数选择对系统性能的影响。核函数PCA能有效地提取过程变量的非线性关系,而且计算复杂度低,便于在线实施。仿真结果表明该方法是一种有前途的复杂过程非线性实时监控技术。     

基于结构分析法的EMCVT故障诊断与容错控制

汽车电子控制系统的功能安全是控制系统开发中必须考虑的重要环节。EMCVT控制系统的异常可能导致高速行驶的汽车出现失速等严重的安全事故。以EMCVT的调速功能安全为目标,分析了引起调速功能失效的关键故障,建立了调速系统故障模型;对故障的可检测性和可隔离性进行了DM分解,结合结构最小型超定方程集设计了4组残差信号进行故障诊断;结合故障检测与隔离系统,针对3个关键传感器故障进行控制信号的可重构分析,重新获取调速闭环控制系统中的2个关键信号,实现了传感器故障的容错控制。通过故障注入的仿真结果表明：该故障检测与隔离系统能够准确诊断出既定故障,并在故障容错控制策略下实现调速系统稳定运行,能够有效强化调速功能安全。研究成果可为诊断EMCVT调速功能故障提供可行的解决方案。     

中国经济增长与居民消费的DEA/PCA分析

本论文基于人均GDP以及人均消费的评价角度,提出一种研究中国经济增长的系统分析方法。首先,分别采用数据包络分析(DEA)和主成分分析(PCA)方法对中国经济进行定量评价。然后将两个方面的结果进行分析对比,并对未知的领域提供预测的方法。该方法被应用于《中国统计年鉴》所提供的2002年各省份经济增长数据。     

燃气轮机的传感器故障检测、分离和信息重构

介绍了两种燃气轮机的传感器故障检测、分离和信息重构的方法.第一种方法是基于主元分析的平方预测误差指标.本文同时采用了自组织映射神经网络的方法,在方法与结果上与主元分析的方法进行了对比和分析.传感器故障的检测由主元分析的平方预测误差指标和自组织映射神经网络的误差估计执行,贡献率图用来实行故障的分离,最后的信息重构由主元分析和自组织映射神经网络延伸的算法执行.实际工业燃气轮机的数据验证了两种方法的准确性和可行性.     

基于二维主分量分析的人耳身份识别研究

有效的特征提取方法是解决人耳身份识别任务的关键之一。以主分量分析(PCA)为代表的线性子空间方法在特征提取工作中得到了广泛应用。为了更有效地提取人耳图像特征并减少运算量,将基于二维图像矩阵的2D PCA方法应用于人耳身份识别。针对三个USTB人耳图像库,采用最近邻分类器,研究了选用不同的特征维数、贡献率,及不同的相似性测度时,2D PCA方法与传统的PCA方法的识别性能。交叉验证的实验结果表明:2D PCA方法较PCA方法获得了更短的训练时间和更高的识别率,说明基于图像矩阵的2D PCA方法是一种效率更高     

基于总线观测的微机故障诊断专家系统研究

采用与或树、产生式规则和ＤＢＭＳ相结合的知识表示方法建立专家系统。论述了基于总线观测的知识获取与诊断方法，提出了基于总线观测的可测性分析方法和故障信息的相关性分析方法。该方法为总线测试信息的有效性及故障搜索策略的生成与优化提供了分析和判断依据，使系统有较高的推理效率和诊断分辨率。     

一种基于小波变换和PCA的人脸识别改进方法

针对主成分分析PCA算法中存在的问题,提出了利用小波变换对人脸图像进行预处理,PCA提取图像特征,最近邻法分类的人脸识别改进方法.基于ORL、YALE数据库的相关实验表明,这样的系统能够降低数据维数和克服角度、位移变化对算法的影响,能够取得比传统PCA更好的识别性能。     

变分模态分解和形态学滤波在滚动轴承故障诊断中的应用

针对滚动轴承早期故障信号易被强烈的背景噪声淹没及故障特征难以提取的特点,提出了基于变分模态分解(VMD)和形态学滤波相结合的滚动轴承早期故障诊断方法。首先利用VMD将早期故障信号自适应地分解为一系列IMF分量,然后选择峭度值最大的前两个IMF分量重构,并对重构信号进行形态学滤波,最后通过Teager能量算子计算重构分量的能量谱来提取滚动轴承的故障频率,判断故障类型。将该方法应用于滚动轴承仿真信号与实际故障数据中,分析结果表明该方法能够更加有效提取故障特征频率信息,实现了滚动轴承故障的精确诊断。     

电路级栅氧短路故障的动态电流测试分析

栅氧短路故障对于集成电路的稳定性有着重要的影响,故障行为会在不产生逻辑错误的情况下导致参数失效。该文使用了一种电路级的故障模型模拟栅氧短路故障,研究了栅氧缺陷对与非门电路的影响,选取了适合于电流测试的测试矢量,对未发生逻辑错误的故障电路的动态电流进行分析。在实验中采用了TSMC0.18μm CMOS工艺,仿真结果显示通过分析电源通路上的动态电流可以检测有潜隐性故障的器件。与电压测试方法相比,动态电流测试能更好地对栅氧短路缺陷进行诊断。     

一种改进的线性容差电路的k-故障诊断

提出了一种改进的线性容差电路的k-故障诊断方法。与现有方法相比,较多地利用了已知的统计特性,缩小了电路可能的故障范围。同时,还证明了故障诊断与信号解卷积模型的相似性,将信号处理领域的方法引入线性电路故障诊断中。计算机模拟实验证实了该方法的有效性。     

灵敏度分析和SVM诊断模拟电路故障的方法

针对低可测性模拟电路中存在的模糊组问题,提出了一种模拟电路故障诊断的新方法。该方法首先计算被测电路网络传递函数零极点的灵敏度,利用零极点灵敏度提供的信息来对被测电路进行模糊组的划分,组成可诊断的元件集,并引入了支持向量机完成对故障的分类识别。零极点的灵敏度分析确定了被测电路可诊断的元件组,支持向量机结构简单、泛化能力强,实验结果证明了基于灵敏度分析和支持向量模拟电路故障诊断方法的有效性,故障诊断率大于99%。