故障诊断方法的研究与应用

《故障诊断方法的研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华东理工大学博士学位论文第I页故障诊断方法的研究与应用摘要本文主要对故障诊断方法展开了深入研究，主要包括人工神经网络方法、模糊推理方法以及混合知识方法。同时对其它故障诊断方法如灰色理论、主元分析法也作了深入的研究，并对多种智能故障诊断系统的集成策略作了探索性研究。本文主要研究成果包括:1.针对复杂系统的传感器故障提出了一种基于RBF神经网络的传感器故障诊断方法，该方法能够准确快速地对两类传感器故障进行检测和估计，并对多重传感器故障也能够有效地检测和分离。研究了模糊综合评判和模糊聚类在故障诊断中的应用，提出了一种基于模糊聚类(FCM)的故障方法，在确定的

2、己知的故障模式基础上，该方法能够准确地对未知故障进行识别。2.提出了采用人工神经网络和模糊推理相结合的方式进行故障诊断，同时在神经模糊系统中引入了遗传算法对系统的结构参数和学习参数进行优化，实例应用结果表明，基于这种混合学习算法的神经模糊系统具有更好的故障信息获取能力和更清晰的知识表达能能更好地进行故R还提出了一种基于B样条函数的模糊神经网络故障诊断系统，对复杂系统的故障仿果表明，该系统能够处理定量信息和定性信息，可以有效地将专家对对经验知识和系统的故障知识结合起来，能够有效地对系统进行故障检测和故障分3.研究了简单PCA故障诊断方法在过程故障检测的应

3、用，并指出了考虑将PCA方法和基于过程动模型的故障诊断方法结合起来，对一些复杂故障和过程内部故障进行准确诊断的研究方基于非线性PCA的故障诊断方法进行了研究，提出了一种基于输入训练神经网络的非线性PCA故障诊断方法，研究结果表明，该方法可以克服线性A方法在提取过程变量非线性特征方面的不足，并能够准确地进行故障检测和分离沐4.研究了基于灰色理论故障诊断方法。研究了灰色关联度分析注存压菇机粉术*AII甲阴厄用买现辽程。河灰色19+9模型GM(1,1)模型和残差修正的GM(1,1)模型进行了对比分fi1T，开针对买际问题提出I等维新恳GM(1,1)模型进行趋

4、势预测，同其它预测方法相比，灰色预测模型涉及系统的已知新息较少，但模型精度较高，具有广泛应用价值丫5.针对离心压缩机的故障诊断提出了基于人工神经网络、模糊推理方法的集成智能系统的故障诊断系统开发策略。该集成智能诊断系统能更好地表达各种对象的故障诊断领域知识，能综合各诊断方法的特点，克服各自的局限性，从而可以提高诊断系统的智能性和诊断效率，这种多种智能诊断系统的集成策略为以后的压缩机智能故障系统进一步研究开第以页华东理工大学博士学位论文发起到借鉴作用。关键词:故障诊断人工神经网络模糊推理主元分析灰色理论华东理工大学博士学位论文第III页Researcho

5、nFaultDiagnosisMethodsandTheirApplicationsABSTRACTInthisdissertationsomefaultdiagnosismethodsaredeeplystudied,whichincludeartificialneuralnetworks,fuzzyinferenceandmodelbasedonhybridknowledge.Inaddition,someresearchesonotherefectivefaultdiagnosismethodslikegreytheoryandprincipal

6、componentsanalysisaremadeandtheschemeofintegratingtheknowledge-basedmethodsfortheintelligentfaultdiagnosissystemarepresented.Theresearchresultsinthisdissertationareasfollows:1.AnintegratedfaultdetectionanddiagnosisapproachtosensorfaultsbasedonRBFneuralnetworkispresented.TheRBFne

7、uralnetworkisusedtoestimatethestateandfaultparametersoftheconstructedmodelforsensorfaultsonline.Inordertorealizeonlinesensorfaultdetection,isolationandestimationoftheestimatedfaultthemodifiedbayesalgorithmisusedtoprocessparameters.Thesimulationresultsshowthepresentedapproachcani

8、solateandestimatethemultiplesensorfaultsquickly