智能故障诊断

摘要： 近年来,基于深度学习技术的智能故障诊断方法在电力变换器领域得到了广泛研究。卷积神经网络(CNN)因其强大的特征提取能力而具备辨识早期微小故障的潜力。然而,现行的CNN算法因其模型结构过于复杂、训练参数量较多、诊断时间较长而不适用于电气故障的快速诊断。为此,提出了一种基于改进CNN-GAP-SVM的深度学习新算法,用于DC-DC变换器早期故障的快速诊断。首先,将原始的时间序列监测数据转变为二维特征图故障样本;其次,该方法设计了一个全局均值池化(GAP)层,用于代替传统CNN中2~3层的全连接层部分,以减少模型参数量;然后,采用非线性支持向量机(SVM)代替传统Softmax函数作为最终分类器,进一步提升诊断精度。实验表明:所提方法不仅将诊断准确率提升至100%,还提升了23%的诊断速度。通过与传统智能诊断方法相比较,证明了所提方法具有更快的诊断速度和更高的诊断准确率。

摘要： 故障实体识别是自主获取航空发动机故障知识的基础,对实现航空发动机故障智能诊断起到至关重要的作用。为准确快速搭建航空发动机大规模故障知识库,在定义了“单元”“故障状态”“表征信号”“检查方法”和“解决措施”5种航空发动机故障实体类型的基础上,初步构建了一种以Bert-BiLSTM-CRF模型为基础的航空发动机故障实体识别方法。基于某型航空发动机大规模数据集分析抽取了故障实体,搭建了滑油压力异常故障知识图谱,验证了该方法识别航空发动机多源异构故障数据的有效性。

摘要： 研究Faster R-CNN目标检测网络的基本结构与训练方法;建立了机电装备状态数据集,训练了目标检测网络,一步实现了指针式仪表区域的提取、数字式仪表读数的识别以及开关、插头状态的识别;在不同视角和光照强度下对目标检测网络进行了测试,结果表明模型在不同的环境中均能保持90%以上的准确度。并以此为依据推理故障的原因,最后根据推理结果,使用基于Unity 3D软件与Hololens 2硬件开发的机电装备智能维修辅助系统来调取混合现实(MR)全息诱导维修信息,以指导保障人员进行操作。实验验证了系统的可用性,实验结果显示使用MR可以快速、高效地完成维修任务。并依据操作耗时和问卷调查进行测试与评价,对系统的优越性进行了定性分析。

摘要： 为提供一种在噪声环境下准确诊断轴承故障的方法,提出了Hankel非凸鲁棒主成分分析的智能轴承故障诊断方法,重排原始振动信号得到Hankel训练矩阵,采用非凸鲁棒主成分分析和支持向量机方法方法自动提取故障特征与识别故障,利用该方法直接训练含有噪声干扰的滚动轴承和行星齿轮箱故障原始数据集,验证该算法的有效性。结果表明,在高噪声情况下,该方法仍然能够保持在95%以上的故障诊断精度,相比于其他几种对比方法具有明显的优势,其对滚动轴承性能评估是有效的,在噪声环境下具有较高的故障诊断精度。

摘要： 针对变工况环境中滚动轴承的源域与目标域数据分布不同及目标域样本不含标签的问题,提出一种基于深度自适应迁移学习网络(DATLN)的滚动轴承故障诊断模型。首先,搭建领域共享特征提取网络,采用多尺度卷积神经网络(MSCNN)抑制噪声的干扰,进而有效提取振动信号中蕴含的局部故障信息;其次,结合双向长短时记忆网络(BiLSTM)进一步学习局部故障信息中的时间特征;最后,引入迁移学习,以域对抗(DA)训练结合自适应联合分布(AJD)度量构建域自适应模块,通过最大化域分类损失和最小化AJD距离,实现源域与目标域特征样本对齐。在开源CWRU数据集与机械故障平台实测数据集上分别进行抗噪实验和迁移实验。抗噪实验表明:①在无噪声环境下,MSCNN-BiLSTM网络的识别准确率均达到99%以上,说明其具有较好的特征提取能力;②MSCNN-BiLSTM,LeNet-5,MSCNN和BiLSTM四种网络的识别准确率随着噪声强度的增强而降低;③在3,5,10 dB噪声环境下,MSCNN-BiLSTM网络的平均识别准确率比LeNet-5,MSCNN和BiLSTM网络的平均识别准确率均高,说明MSCNN-BiLSTM网络具有较好的抗噪声干扰性能;④MSCNN-BiLSTM网络在无噪声环境和3 dB噪声环境下,均最先达到收敛且波动较小。迁移实验表明:①在无标签目标域数据集上,DA+AJD方法的平均识别准确率为97.36%,均高于Baseline,迁移成分分析(TCA),域对抗神经网络(DANN)的识别准确率;②在测试集混淆矩阵上,DA+AJD方法仅有1个样本被错误识别,表明基于域适应的DA+AJD方法具备更好的故障迁移诊断性能;③利用t-SNE算法对处理后的源域与目标域特征样本进行可视化,DA+AJD方法只有少量目标域的滚动体故障和外圈故障特征样本被错误对齐到源域的内圈故障特征样本区域,说明DA+AJD方法可有效减少源域与目标域的边缘分布和条件分布差异,进而达到更好的特征样本对齐效果。

摘要： 现有基于深度学习的轴承故障诊断方法对数据具有一定的依赖性,要求训练数据与测试数据具有相同的分布。在变工况的条件下,网络模型的故障诊断精度会因数据分布发生变化而下降。为保证网络模型能够在变工况条件下对轴承的健康状态进行准确识别,基于无监督域自适应理论,提出一种新颖的智能故障诊断网络模型——动态卷积多层域自适应网络。该网络一方面充分利用动态卷积强有力的特征提取能力,提取更多有效的故障特征;另一方面采用相关对齐实施非线性变换,同时对齐多层故障特征分布的二阶统计量,促进源域的诊断知识向目标域迁移,提高了模型在目标域无故障标签条件下的故障识别准确率。最后,在两个数据集共14个迁移任务下进行实验,实验结果表明,动态卷积多层域自适应网络能够实现较高的故障诊断识别精度。

摘要： 本文将矿井提升机作为主要研究对象,重点阐述远程状态监测与智能故障诊断系统的相关内容,以实现矿井提升机现代化管理目标,使其运行水平更加安全和可靠。

摘要： 轴承振动信号作为一种时间序列数据,其时间维度特征在分类中起着关键作用,单独使用卷积神经网络(CNN)进行轴承故障诊断会造成时间维度信息的丢失,导致诊断精度下降。针对上述问题,提出了一种结合一维CNN、双向门控循环单元(Bi GRU)和注意力机制的轴承故障诊断模型。首先利用CNN自适应提取一维振动信号局部空间特征;然后将该特征信息作为Bi GRU的输入,利用Bi GRU将提取的特征信息进行时间维度的融合,并引入注意力机制对多个时刻的特征信息进行加权,提取出更关键的故障特征;最后将故障特征输入全连接层得到分类结果,实现轴承智能故障诊断。实验结果表明:①在测试集混淆矩阵上,轴承运行状态基本分类正确,只有部分标记类型没有被完全分类正确,但是召回率达到了95%以上,总的故障识别准确率为99.3%。②利用t-SNE技术对降维处理后的数据进行可视化,轴承各运行状态的数据很好地聚集在各自的空间内,只有少量数据被混杂到其他区域,说明该模型具有较强的特征提取能力。③在恒定负载情况下,该模型故障诊断准确率较一维CNN、Bi GRU和注意力CNN等模型的平均准确率分别提高了0.8%、0.6%和0.3%。④在变负载情况下,与SVM(支持向量机)、一维CNN、Bi GRU和注意力CNN等模型相比,该模型具有更好的稳定性,当负载为2.25 kW时,准确率达85%以上。该模型既具有一维CNN局部特征提取能力,又具有Bi GRU时间依赖信息的建模能力,能够在获取轴承信号局部复杂特征后进一步融入特征之间的时间维度信息,同时注意力机制能进一步关注与故障更相关特征,因此具有较好的精度。

摘要： 为提高采煤机运行效率、减小故障发生率,在分析综采工作面采煤机常见故障的基础上,研究基于RBF神经网络的采煤机智能故障诊断方案,建立采煤机故障智能诊断系统,确定RBF神经网络的输入信号和训练样本,并设计故障诊断流程。基于仿真环境对采煤机故障诊断系统进行仿真,并与传统BP神经网络预测故障诊断方案对比,结果表明:基于RBF预测的采煤机故障诊断系统在故障预测实时性、准确性以及稳定性方面有较好的表现。

摘要： 雷达微波组件作为复杂电子系统的典型代表,其电路密度高、制造工艺路线长、指标要求严苛,实际生产环节工艺问题引入的性能缺陷时有发生,因此微波组件生产过程中故障诊断至关重要。但诊断过程对调试、制造工艺方面工程经验依赖度较强,为降低人工依赖度、提升故障诊断效率及准确率,提出了基于卷积神经网络的雷达微波组件故障诊断方法,根据微波组件实际工艺流程,通过将缺陷故障记录信息分组、标准化、代码化,卷积处理,实现了雷达微波组件及套装模块智能诊断。诊断试验结果表明,雷达微波组件故障诊断准确率达到95%以上,套装件的诊断准确率达到86%以上,大幅度提升了诊断效率。

摘要： 风电机组运行过程复杂,单一的物理仿真或单一的经验总结都难以实现对整个运行过程的状态监测和故障诊断,复合式智能故障诊断技术能够将两种方法有机地结合起来.利用风电机组在线状态监测系统采集数据并预处理,采用FFT、FNN和专家系统推理机对不同类型的故障进行诊断,采用决策融合技术对诊断结果进行优化,构建风电机组复合式智能故障诊断系统.将该系统与风电场CMS系统和SCADA系统相结合,对风电机组进行状态监测与故障诊断,以某风电场主轴轴承故障为例,分析振动幅值、故障发生时间、故障部位及故障程度,根据诊断情况,给出专家建议.该系统具有很强的通用性、适应性、容错性和易实现性,提高了分析问题、推理及优化、远程诊断分析能力,达到了较高的智能化水平.

摘要： 随着油田智能化发展的需要,传统的故障诊断方法已不能满足油井问题诊断在实时性和准确性方面的要求.针对目前油井故障诊断方法存在的问题,本文提出采用基于多智能故障诊断技术融合的方法,即通过专家系统与人工神经网络相结合,对油井问题进行诊断分析并采取相应优化处理措施,以新疆油田单井问题诊断和优化系统为例,利用该方法实现了从地面、井筒、地层三个层次对油井问题的分类诊断,提高了油井问题诊断的准确性和诊断效率.

摘要： 针对传统信息管理与故障诊断模式的不足,为了充分发挥智能故障诊断技术与IETM技术的优势,将两项技术进行结合,研究其在导弹发射设备中的应用.以电路板为例,采用支持向量机与粗糙集相结合的方法设计了故障诊断模型,并进行了实例验证.将模型与专家系统相结合,设计了故障诊断系统整体结构.设计开发了IETM系统,并将诊断系统与之集成,构建了智能故障诊断IETM原型系统.实践结果表明:该系统具有一定的实际应用价值.

摘要： 本文研究了案例推理、模糊推理和故障树分析法相结合的复合推理技术,并进行了故障诊断专家系统开发验证.介绍了智能故障诊断系统的结构、知识表示方法和推理机制,并阐述了一种计算机生成动态故障树的方法.系统将飞机正向设计知识及排故经验知识,以案例的形式保存,并通过模糊推理、故障树自动生成引导的方式,实现飞机的故障诊断,解决了专家系统开发中知识获取困难的难题并提供了一种更加有效的推理方式.实际应用表明,该复合推理技术可以很好的应用于飞机故障诊断专家系统的开发,并在复杂装备维修保障中具备一定的推广使用价值.

摘要： 对于自适应共振(Adaptive Resonance Theory2,ART2)神经网络在分类时存在只选择输出值最大的神经元,以及噪声对结果影响较大的缺点,提出了一种结合小波软阈值和K-means算法的ART2神经网络分类方法.首先采用小波软阈值将信号降噪,再将降噪后的信号通过相对小波包能量体现其更好的信号互异性,然后运用ART2神经网络进行初步分类,将K-means算法引入ART2神经网络中,对原有的算法进行修正,与ART2神经网络分类结果进行了对比,分析结果表明改进后的方法解决了上述的问题,提高了故障分类的准确性.

摘要： 本文从智能故障分析系统的原理出发，设计了一种适合某型进口雷达的智能故障诊断系统。通过该系统，能较好的解决进口雷达的故障定位和故障排除，提高了此型雷达的完好率。

摘要： 针对目前基于DGA方法的变压器故障诊断系统中存在的模型单一化、自适应能力差及容易出现误诊断和漏诊断的问题，本文在对现有智能故障诊断系统和变压器DGA方法的研究基础上，提出了基于多Agent系统的变压DGA智能故障诊断系统协作模型，给出了模型内的主要Agent、黑板、JADE总线的功能，并详细论述了基于多Agent系统的变压器DGA智能故障诊断协作过程，设计了多专家Agent投票诊断算法及基于黑板的资源竞争算法。最后通过应用实例表明了基于多Agent系统的变压器DGA智能故障诊断系统的可行性和有效性。

摘要： 提出了一种基于改进禁忌搜索算法的测试序列优化方法.该方法利用禁忌搜索算法能避免重复搜索的特点,具有较强的跳出局部最优的能力,在全局范围内搜索最优诊断策略,从而克服传统信息启发式方法利用局部信息寻优的缺点;并且在现有算法的基础上,将禁忌长度设置为动态变量,有助于更好地提高求解效率,减少运算时间.通过与传统优化方法进行对比实验,结果表明:该方法能够适用于测试序列优化,并在求解效率方面具有良好的效果,验证了该方法的有效性.

摘要： 提出了一种基于改进禁忌搜索算法的测试序列优化方法.该方法利用禁忌搜索算法能避免重复搜索的特点,具有较强的跳出局部最优的能力,在全局范围内搜索最优诊断策略,从而克服传统信息启发式方法利用局部信息寻优的缺点;并且在现有算法的基础上,将禁忌长度设置为动态变量,有助于更好地提高求解效率,减少运算时间.通过与传统优化方法进行对比实验,结果表明:该方法能够适用于测试序列优化,并在求解效率方面具有良好的效果,验证了该方法的有效性.

摘要： 提出了一种基于改进禁忌搜索算法的测试序列优化方法.该方法利用禁忌搜索算法能避免重复搜索的特点,具有较强的跳出局部最优的能力,在全局范围内搜索最优诊断策略,从而克服传统信息启发式方法利用局部信息寻优的缺点;并且在现有算法的基础上,将禁忌长度设置为动态变量,有助于更好地提高求解效率,减少运算时间.通过与传统优化方法进行对比实验,结果表明:该方法能够适用于测试序列优化,并在求解效率方面具有良好的效果,验证了该方法的有效性.

摘要： 一种减速器的故障诊断装置、故障诊断方法及具备上述故障诊断装置的机械装置。本发明的减速器的故障诊断装置是以将马达的旋转动力减速而传递至机械装置的动作部(12)的方式马设置于由达(14)驱动的机械装置(11)的减速器(13)的故障诊断装置(1)，其构成为，确定机械装置的动作进行加减速的加减速时段，基于该加减速时段中的与马达的转速的变化相对的马达电流的频谱的变化，判定减速器是否存在故障的征兆。

摘要： 本发明公开了一种智能变电站二次设备综合故障诊断仪及故障诊断方法，属于智能化变电站技术领域，所述故障诊断仪为便携式机箱结构，包括硬件系统，所述硬件系统包括实现人机交互的上位机模块、对二次设备进行信号采集的信号采集模块和给系统供电的电源模块；所述故障诊断方法包括导入SCD文件、建立运行模型；采集过程层设备数据；采集交换机数据；进行故障诊断并输出。本发明针通过诊断智能变电站二次设备硬件模块故障与软件故障，定位物理链路正常连接段链路，便于现场运维人员能够及时对整个二次设备运行状态及物理链路进行故障判断。

摘要： 本公开内容涉及一种设备故障诊断装置、设备故障诊断方法、智能工厂系统和应用代理，其被配置为基于存储在数据库中的正常信号数据生成虚拟异常信号，基于虚拟异常信号的虚拟异常信号数据判定设备信号是否是异常信号，并输出判定结果信息。因此，即使在标记数据不存在或不足的情况下，本公开内容也可以快速且准确地诊断工厂中的设备故障。

摘要： 本发明公开了一种基于交换机的智能变电站过程层二次回路故障诊断方法，利用站控层交换机的ACL技术捕获、解析、统计GOOSE和SV报文，获得对端设备信息、控制块信息、流量带宽信息，将信息周期地上送到故障诊断主机。故障诊断主机根据这些信息分析出过程层网络二次回路承载的物理链路、逻辑链路、流量带宽，与通过SCD解析获得过程层网络二次回路承载的物理链路、逻辑链路、流量带宽的故障诊断样本做比较，将差异处以异常和告警的显示。故障诊断主机根据故障告警信息后能够立刻找到故障设备，对于流量异常的告警，能够通过数据流方向即刻展示出故障源头，从而实现对过程层网络二次回路的故障直观、快速、准确地定位和诊断。

摘要： 本发明提出一种智能控制刮板输送机故障诊断系统，包括分布式工况数据采集模块和数据分析模块，分布式工况数据采集模块设置在刮板输送机上，并与刮板输送机的各个机械部件连接，以按照系统预设时间周期对各个机械部件运行的原始工况数据进行采集，数据分析模块包括数据筛选单元、比较单元、故障诊断单元，数据筛选单元将所述原始工况数据进行筛选，比较单元将所述有效工况数据与工况阈值对应比较，故障诊断单元还将所述故障特征按照故障诊断算法进行分析，依据分析结果形成故障诊断结论，本发明通过推理预测设备的状态并在设备发生故障时提供故障具体原因及处理措施；有效控制故障范围的扩大并缩短故障检修的停机时间，提高设备生产效率。

摘要： 一种太阳能电池串的故障诊断装置(20)，该太阳能电池串具有多个太阳能电池模块，该多个太阳能电池模块具有太阳能发电部和导电性的框架，多个太阳能电池模块被电气地串联连接，多个太阳能电池模块的框架被电气地共通连接，该太阳能电池串的故障诊断装置(20)具有：电压供给部(25)，其将直流电压施加于被串联连接的多个太阳能电池模块的正极和负极之间；测量部(22a)，其对通过施加直流电压而产生的被串联连接的多个太阳能电池模块的正极或负极与框架之间的电位进行测量；以及故障判定部(36)，其基于由测量部(22a)测定出的电位，对太阳能电池串内的产生了故障的太阳能电池模块的位置进行判定。

摘要： 本发明属于智能故障诊断领域，本发明公开了一种自适应多任务智能故障诊断系统及故障诊断方法，系统通过设置相关辅助任务作为正则项，在增加较少训练参数的条件下提升了主任务的性能和稳定性；该系统设置双路故障诊断网络能够同时对输入信号的时域信息和频域信息进行特征提取，更有效地挖掘隐藏在信号中的故障特性，提升系统的可鉴别特征提取能力；该系统结合注意力机制对噪声信号或冗余特征进行自适应分析提取，有利于抑制不同工况下噪声对输入信号的干扰，提升了系统的泛化能力和准确性。本发明公开的智能故障诊断系统极大减轻了故障诊断对人力物力的消耗，有效支撑工业一体化进程对高可靠、无人化的应用需求，具有较强的通用性。

摘要： 本发明涉及一种工业机器人智能状态监测与故障诊断系统及故障诊断方法，通过传感器网络实时采集机器人多个部位的多种数据信息，将数据信息转换为电压信号；对所述电压信号进行调理，利用特征提取与监测预警模块对调理信号进行异常检测及异常信号报警，并将异常信号传输到上位机智能故障诊断系统；利用上位机智能故障诊断系统结合智能诊断算法对多个部位的所述异常信号进行故障综合分析及诊断，得到机器人系统的故障综合诊断结果。本发明通过采集工业机器人多个部件的多种数据类型，进行特征提取、特征分析及诊断，并将诊断结果进行融合，进而进行故障综合诊断，得到机器人综合故障诊断结果，能够全面准确地反映故障问题根源。

摘要： 本发明属于智能故障诊断领域，本发明公开了一种自适应多任务智能故障诊断模型及故障诊断方法，模型通过设置相关辅助任务作为正则项，在增加较少训练参数的条件下提升了主任务的性能和稳定性；该模型设置双路故障诊断网络能够同时对输入信号的时域信息和频域信息进行特征提取，更有效地挖掘隐藏在信号中的故障特性，提升模型的可鉴别特征提取能力；该模型结合注意力机制对噪声信号或冗余特征进行自适应分析提取，有利于抑制不同工况下噪声对输入信号的干扰，提升了模型的泛化能力和准确性。本发明公开的智能故障诊断模型极大减轻了故障诊断对人力物力的消耗，有效支撑工业一体化进程对高可靠、无人化的应用需求具有较强的通用性。

摘要： 本发明公开了一种控制柜智能故障诊断系统及故障诊断方法。所述控制柜智能故障诊断系统由振动传感器、温度变送器、电流变送器、电压变送器、数据采集卡、工控机、显示装置、报警装置、接线端子排、故障诊断软件、振动采样电阻、温度采样电阻、电流采样电阻、电压采样电阻、电源组成；在控制柜工作过程中，通过采集其振动、温度、电流、电压参数，实现控制柜的故障状态检测，从而判断控制柜是否为健康状态或者变压器短路故障、变频器输入缺相故障、变频器输出缺相故障、继电器跳动故障、变压器扰动温升故障中的某一类故障。