一、故障诊断专家系统中的数据库子系统设计(论文文献综述)
王嘉林[1](2021)在《电力系统故障诊断的研究现状与发展趋势分析》文中研究说明文章主要概述了电力系统故障诊断的研究现状,并从专家系统、人工神经网络技术等方面提出了相应的改进措施,对其中存在的问题进行了简单的阐述。最后还指出了当前电力系统故障诊断的后期发展趋势,从而有效促进我国现阶段对电力系统故障诊断的研究,能够得到更近一步的发展。
赵岩,李佳,解世禄,王德义,陈娟[2](2021)在《基于MIL-STD-1553B的运载火箭故障诊断与故障注入方法》文中认为针对运载火箭系统众多,故障形式多样,出现故障难以准确定位的特点,研究了一种基于MIL-STD-1553B总线(下称1553B总线)的故障诊断和故障注入方法,采用故障树分析法确定失效故障链,实时诊断和预测系统故障;由于实际的系统故障数据较少,通过失效机理分析获得运载火箭的故障库,采用1553B总线对系统注入特定故障;在运载火箭地面故障诊断与注入系统中,原有的拓扑结构维持不变,故障诊断系统作为1553B总线监视器,故障注入系统作为1553B总线的远程终端,并与运载火箭的众多子系统互联,通过总线耦合器连接火箭外部的发射控制平台;最后通过基于实际工程型号开发的故障诊断平台和故障注入平台进行了测试,测试结果表明具有满意的故障覆盖率。
于勇[3](2021)在《基于状态推理的全电子铁路信号计算机联锁故障诊断》文中研究表明为解决铁路行业中信号设备故障获取和故障处理效率低下的问题,提出了一种基于专家系统的全电子铁路信号计算机联锁故障诊断系统,以提高铁路信号故障现场处理的效率。首先,为全电子铁路信号计算机联锁故障诊断搭建了一个框架,并对三个子系统进行了系统模块设计;然后,对全电子铁路信号的核心部分——故障诊断专家系统进行了详细地设计和分析,能够将故障数据以推理的形式高效地展现在页面上;最后,通过对铁路信号通行指示灯的故障案例,对整个系统处理故障的流程进行了实证检验,并以窗口形式进行了展现。该设计提高了故障数据获取和处理的性能,能够极大缩短现场维修的时间和成本,提高了铁路行业现场维修的效益。
刘司朝[4](2021)在《基于球型模糊Petri网的地铁车门系统故障诊断方法研究》文中指出
张树涛[5](2021)在《旋转机械运行安全在线监测系统的研究与开发》文中认为大型旋转机械,如发电机、汽轮机、冶金机组等,其状态监测与故障诊断技术的有效实施以保证机组运行安全具有重大意义。因此,旋转机械运行安全状态监测是设备维护的主要方式,提取旋转设备的状态特征是前提条件,最终开发一套完整的、具有多方法的旋转机械运行安全在线监测系统。在线监测系统以大型旋转机械为研究对象,针对某热源厂一次风机的运行状态在线监测,根据实际需求研究了旋转机械设备的状态特征参量,结合前人的研究成果,以国内外知名在线监测系统为参考,对现有的旋转机械故障分析方法进行改进,提出了以DSP为核心的一套下位机硬件采集运算系统,在PC端开发一套旋转机械在线监测上位人机交互系统。下位机软件采用Code Composer Studio V6.0(CCS6.0)集成开发环境,融入了时域分析、频域分析、时频域分析以及微弱信号分析等多种算法,将采集的旋转机械振动信号进行分析处理。下位硬件选择TMS320F28335 DSP作为核心处理器,使用Altium Designer10软件设计了相应的数据采集电路、数据处理电路和数据传输电路原理图以及PCB的设计。实现主要算法的分析,提高系统整体的快速性。上位机软件在Visual Studio 2012环境下,选用C#语言进行开发人机交互界面,设计与DSP接口通讯实现上下位软件信息交互,最终将采集到的信号在上位机以图表的形式展示在用户面前,同时上位机还具有数据显示、存储、查询和上传等功能。测试环节主要选取了一种时频分析方法,采用改进后的经验模态分解方法对一次风机振动信号分析诊断,并取得了监测设备的故障特征。本文研发的旋转机械运行安全在线监测系统通过实验实现对算法的验证,在实际应用中接入某热源厂一次风机的振动信号进行测试分析,根据测试结果分析出设备存在的主要问题,通过测试实现了对该系统软件以及硬件可靠性、自动化程度、运行效率的检验,满足了实际的需求。
王仲[6](2021)在《燃气-蒸汽联合循环机组智能诊断与健康维护技术研究》文中指出燃气-蒸汽联合循环机组运行工况多变、状态参数间相互耦合、故障传递与演化规律复杂,其健康状况诊断是一项涉及多学科知识的复杂系统工程。本文在对影响机组健康状况的典型故障模式深入分析的基础上,结合知识工程、大数据以及人工智能等相关理论和技术,开展了数据与知识双驱动的机组智能诊断与健康维护技术研究。首先,针对燃气-蒸汽联合循环机组多源故障信息间关联关系复杂以及查询和推理低效的问题,提出了基于本体理论和语义网络技术的领域知识和数据结构化表示方法。以故障树分析法和故障模式及影响分析法为指导,系统性地分析了机组典型故障知识;提出了机组健康维护领域本体概念和层次结构,构建了包括边界工况、故障知识和监测数据在内的本体语义网,实现故障知识和数据的多粒度语义性建模;同时,研究了基于本体的机组故障知识和数据的语义性推理和查询方法,提高了故障知识和数据的管理效率和应用效果。其次,针对燃气-蒸汽联合循环机组运行工况的多变性和健康状态信息的复杂性,研究了基于条件变自编码器的机组健康状况异常检测方法。在深入分析机组的运行特性和监测数据规律的基础上,提出了包括稳态判别、工况划分、基准样本筛选等过程在内的机组历史运行数据清洗流程;考虑到负荷等边界条件对监测参数的影响,采用条件变自编码器建立多变运行工况下多参数融合的基准模型,实现变工况下机组健康状况的数据表征;采用模型的重构概率作为异常检测的特征指标,用于衡量机组实际状态与基准状态的偏离程度,提高机组健康状况异常检测的准确率和灵敏度。再次,针对燃气-蒸汽联合循环机组故障和征兆复杂关联关系下的诊断问题,研究了基于反事实推理的诊断决策方法。从因果性的角度重新定义故障和征兆间的关系,通过引入隐变量表示诊断的不确定性,结合领域本体搜索获得的故障知识,构建了故障的结构性因果模型。在此基础上,提出了基于反事实推理的充分因和必要因的表达式和计算模型,用于定量表征故障对证据的因果性解释强弱,并从敏度、可靠性和可解释性的角度对所提出的诊断方法的鲁棒性和工程适用性进行了评价。最后,研究了基于数字孪生的燃气-蒸汽联合循环机组智能诊断系统构架,详细介绍了该系统的总体设计思想、具体功能以及系统实现的关键技术等,完成了粤电集团中山电厂燃气-蒸汽联合循环机组智能诊断系统的开发,以推进燃气-蒸汽联合循环机组智能诊断与健康维护研究工作的技术成果转化和工程应用。
朱俊杰[7](2021)在《汽轮发电机组能效诊断与维护决策系统研究》文中研究表明为减少煤炭资源消耗,确保我国能源行业绿色发展,实现“碳达峰、碳中和”目标,需要不断挖掘汽轮发电机组节煤潜力。随着清洁能源装机比重不断增大,我国电力生产结构不断调整,大部分汽轮发电机组开始承担调峰任务,在低负荷运行过程中,机组能源利用效率偏低,汽轮发电机组节能压力不断增大。在此背景下,开展汽轮发电机组能效诊断与维护决策技术研究具有重要意义。首先,对汽轮发电机组热力系统进行能效分析,确定用来表征机组能效状态的能效状态指标体系,总结、梳理出引起汽轮发电机组能效状态异常的相关异常模式以及故障模式。其次,依靠本体理论建立了汽轮发电机组能效诊断知识库,将引起机组能效指标异常的相关典型故障模式以及异常模式录入知识库中,并与其所属系统设备、相关征兆、原因、维护措施关联起来,作为系统能效诊断的依据。再次,确定了系统能效诊断功能的相关规则与算法。确定了以数据挖掘技术为基础的基准值确定方法,以“稳态筛选-工况划分-异常检测”为流程,通过对比实时运行参数以及参数基准区间,对运行数据进行实时诊断,并根据诊断结果给出相应的维护建议。通过某电厂仿真机仿真出的凝汽器真空不严密故障验证了系统的可靠性。最终,将理论研究付诸于实践,结合离线的能效诊断知识库与在线的实时运行数据处理方法开发了一套汽轮发电机组能效诊断与维护决策系统,致力于提高机组的节煤能力,确保机组健康稳定的运行。
翟小艺[8](2021)在《基于FMECA与FTA的饲草揉碎机可靠性分析》文中指出饲草揉碎机是我国自主研发的饲草加工设备。目前饲草揉碎机普遍存在着故障率高、整机可靠性较低以及故障数据信息不全等问题。目前对饲草揉碎机主要进行功能设计,没有开展可靠性设计,故其整机质量特别是可靠性是明显短板。因而对饲草揉碎机进行系统可靠性设计与优化,提升其质量与可靠性水平就显得尤为重要。针对饲草揉碎机可靠性较低的问题,首先,结合模糊数学理论对饲草揉碎机进行故障模式及危害性分析(FMECA),明确饲草揉碎机的关键部件与薄弱环节。其次,将贝叶斯网络与故障树相结合,计算揉碎机顶事件发生概率以及各底事件的重要度。第三,通过专家评分法对饲草揉碎机系统可靠度进行预测,基于饲草揉碎机可靠性预测结果与可靠性目标,利用再分配法对设备进行可靠性分配。最后,对饲草揉碎机薄弱环节进行可靠度校核与结构优化。研究结果表明:(1)采用模糊FMECA方法获得了揉碎机故障模式的综合危害度排序,其中抛送叶片疲劳断裂、锤片过量磨损和转子转动不平衡等故障模式的危害度较高。并确定了影响揉碎机可靠性的关键部件与薄弱环节为转子部分。(2)根据饲草揉碎机故障数据,采用贝叶斯网络与故障树相结合的方法,计算得到揉碎机发生故障的概率为4.87×10-5/h。对饲草揉碎机故障概率的变化影响较大根节点分别为抛送叶片或锤片疲劳强度不足、锤片使用寿命达到极限和锤片不均匀磨损等。(3)运用专家评分法预测饲草揉碎机的系统可靠度为0.75,不满足农牧机械可靠性指标要求。其中转子部分可靠度预测值为0.808,为各子系统可靠度预测中的最低值。为提高揉碎机可靠度,利用再分配法对饲草揉碎机进行可靠性分配可知,转子部分可靠度达到0.85时,揉碎机系统可靠度满足设计要求。(4)根据饲草揉碎机工作时转子部件所受载荷谱,利用Matlab软件进行转子部件最大应力分布规律拟合与K-S假设检验。获得应力分布规律后通过应力-强度干涉模型求得转子部分的结构可靠度为0.785,不满足可靠性指标要求,故需对转子部分进行结构优化。(5)基于Isight优化平台由数据库样本点建立设计变量与优化目标的近似模型,采用序列二次规划法进行全局寻优,得到优化后转子的最大应力值为87.618MPa。优化后转子的可靠度为0.8508,满足可靠度设计指标的要求,优化结果可行。该研究为饲草揉碎机故障维修与优化设计提供参考依据。
王家能[9](2021)在《针对食品加工控制系统寿命预测的应用研究》文中研究说明食品加工系统是由多个相互耦合的子系统共同组成的分布式网络结构,这种网络生产结构成为工业4.0时代的主流生产模式。食品加工系统具有生产实时性、结构分布性、节点多尺度性等传统生产系统所没有的特性,因此针对系统特性的运行维护成为新兴的研究课题。随着工业技术的迅速发展,具有耦合关联的生产系统取缔了传统单一的生产单元,随之产生的数据急剧增多,在食品加工系统故障诊断领域中深度学习凸显其计算优势,尽管深度学习算法取得了比较精确的诊断精度,但在针对该系统的特性方面入手的研究相对不足。针对这些问题,本文主要对基于深度学习的故障预测进行研究,主要包含以下方面:(1)基于正则化ISU-LSTM(Insert Sparse Unit-Long and Short Term Memory,ISU-LSTM)的食品加工系统故障预测方法。针对现有故障预测领域中对于实时性的需求,设计内置稀疏单元ISU代替传统网络中的遗忘门,建立内置稀疏单元的长短时记忆网络(ISU-LSTM),该网络有效稀疏网络结构,满足故障预测的预测实时性;利用优化均方误差的方法不断迭代更新神经网络参数,为处理不断更新的传感数据,建立实时预测模型,实现网络参数及维度不断更新,有效避免神经网络模型训练陷入局部优化,从而提高预测模型鲁棒性。(2)基于残差SRU(Residual-Simple Recurrent Unit,Res-SRU)的食品加工系统故障预测方法。针对食品加工控制故障预测存在多节点数据难以泛化计算的问题,而相邻节点存在耦合工作的特性,开创性的将残差网络中同等映射函数融入到多层简单循环单元SRU中,建立并行化故障预测模型。利用多节点协作算法对相邻节点相应故障请求,根据欧式距离范围和概率3σ准则得出区域内的所有故障节点信息。将分层级残差SRU网络作为预测模型的主要架构,可以使得多节点故障数据也得到有效训练。(3)设计并开发了一种基于深度学习算法的健康管理系统PHM(Prognostic and Health Management,PHM)。基于本论文的主要研究算法,以食品加工系统设备为应用研究对象,提出参数更新优化算法(Parameter Update Optimization,PUO),搭建了食品加工系统健康管理系统,包括数据处理、健康管理中心和交互应用等三个模块,实现了对实际食品加工系统的状态监控功能,有效预测准确的RUL(Remaining Useful Life,RUL)值。在故障发生前发出故障警报,给出故障决策评估,最后对核心功能模块进行了验证测试。本文针对信息物理融合系统的实时性、多节点性、分布性的生产特点,结合深度学习处理大数据集的优势,提出一种基于稀疏ISU模块的LSTM故障预测方法,通过添加正则化稀疏模块提高神经网络的计算速度,满足故障预测实时性。此外,提出含有残差连接的SRU网络来预测食品加工控制系统的剩余使用寿命。最后将二者网络融入健康管理中心PHM系统上,结果测试表明,PHM系统能够取得准确的预测结果。
谢茜茜[10](2021)在《电动轮自卸车状态监测与故障诊断系统研究》文中指出电动轮自卸车作为一种重载矿用机械设备,集机、电、液于一体。随着电动轮自卸车系统的发展越来越智能化和复杂化,当它出现故障时,越来越难以用人工经验和传统诊断技术判断其故障原因。因此,本文围绕CR240E型电动轮自卸车,对其进行了状态监测和故障诊断系统(后文简称“监测诊断系统”)的技术研究。首先,基于CR240E型电动轮自卸车系统的组成,选择柴油机、液压和电控三个子系统作为主要研究对象,从它们的故障机理和实际需求出发,明确了要进行诊断的典型故障和与故障相关的监测征兆量。最终,完成了基于CR240E内部既有的CAN总线和外设传感器进行监测诊断数据的采集,通过以太网和4G通信将采集的数据向外传输并进行诊断的总体设计方案。其次,进行了监测诊断系统的软硬件详细设计。在硬件方面,采用了以CAN总线为主体,外部附加传感器为辅助的数据采集总体架构,并完成了电源板、数据通信板、传感器调理板、主控处理器板、控制底板和4G、GPS接口板的具体功能化设计和PCB绘制。在软件方面,基于既有的CAN通信协议,编写了车载数据采集箱的CAN总线数据接收驱动程序,完成了数据提取的算法编写。基于本系统的外部通信需求,制定了详细的以太网和4G通信协议,并编写了相关数据发送的程序。此外,采用Java语言编写了车载监测系统的人机交互界面,采用My SQL数据库对来自以太网通信协议的数据进行了存储与管理。并且开发了面向地面服务器的数据端口,给出了地面服务器软件的设计方案。另外,围绕CR240E的三个子系统,基于专家经验,选择典型故障,建立了各子系统的故障树。基于故障树分析不能准确地判断故障原因与征兆量之间包含非线性关系的局限性,引入概率神经网络诊断方法,结合故障树的最小割集,给出了故障诊断系统的推理机制,并利用MATLAB软件对柴油机子系统进行了故障诊断的模拟仿真。最后,对监测诊断系统进行了实车验证。实测数据表明,本系统能够基本满足设计初衷,能够实现对电动轮自卸车运行数据的监测显示,实现在电动轮自卸车发生故障时进行故障诊断,给出故障原因。本文共有图76幅,表27个,参考文献57篇。
二、故障诊断专家系统中的数据库子系统设计(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、故障诊断专家系统中的数据库子系统设计(论文提纲范文)
(1)电力系统故障诊断的研究现状与发展趋势分析(论文提纲范文)
1 电力系统故障诊断国内外的研究发展现状 |
1.1 专家系统的诊断技术 |
1.2 人工神经网络技术 |
1.3 优化技术诊断方法 |
1.4 Petri网诊断方法 |
2 电力系统故障诊断发展的趋势分析 |
3 电力系统故障诊断研究的发展方向 |
3.1 电力系统健康诊断的研究 |
3.2 电力系统故障诊断的实用化方向研究 |
3.3 电网故障发生前的“亚正常”预测 |
4 结束语 |
(2)基于MIL-STD-1553B的运载火箭故障诊断与故障注入方法(论文提纲范文)
0 引言 |
1 系统结构及原理 |
1.1 运载火箭的组成 |
1.2 故障模式和机理分析 |
1.3 运载火箭故障树建立 |
1.4 失效链路分析 |
2 基于数据总线的故障诊断方法 |
2.1 运载火箭的总线结构 |
2.2 基于1553B总线的故障诊断 |
3 故障模拟与注入方法 |
3.1 基于总线的故障注入 |
3.2 虚拟模型中的故障注入 |
4 试验结果与分析 |
4.1 试验步骤 |
4.2 试验方法 |
4.3 试验结果分析 |
5 结束语 |
(3)基于状态推理的全电子铁路信号计算机联锁故障诊断(论文提纲范文)
0 引言 |
1 总体结构设计 |
1.1 系统框架设计 |
1.2 系统模块设计 |
1.2.1 故障信息采集处理模块 |
1.2.2 数据库管理模块 |
1.2.3 故障诊断专家模块 |
2 故障诊断专家系统 |
2.1 故障诊断专家系统的基本原理和框架 |
2.2 故障诊断专家系统的推理机设计 |
2.2.1 可信度因子计算模型 |
①一个前提一个规则: |
②一个前提多个规则: |
③多个前提条件的逻辑组合: |
2.2.2 反向推理控制策略 |
3 故障诊断系统的软件实现 |
3.1 故障现象处理实现流程 |
3.2 软件实现页面显示 |
3.3 故障信息采集处理模块 |
3.4 故障信息管理模块 |
4 结语 |
(5)旋转机械运行安全在线监测系统的研究与开发(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景及研究意义 |
1.2 课题国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 课题研究内容及目标 |
1.3.1 研究内容 |
1.3.2 研究目标 |
1.4 文章组织结构安排 |
1.5 本章小结 |
第2章 旋转机械运行安全的特征分析及算法研究 |
2.1 旋转机械的状态特征参量 |
2.1.1 振幅 |
2.1.2 振动频率 |
2.1.3 相位 |
2.1.4 转速 |
2.1.5 电量参数 |
2.1.6 温度 |
2.2 时频分析方法研究 |
2.2.1 傅里叶变换 |
2.2.2 小波变换及小波包变换 |
2.2.3 经验模态分解方法 |
2.2.4 希尔伯特变换 |
2.2.5 变分模态分解方法 |
2.2.6 局域均值分解方法 |
2.3 微弱信号处理方法研究 |
2.4 本章小结 |
第3章 旋转机械运行安全在线监测系统硬件设计 |
3.1 系统硬件整体设计描述 |
3.1.1 硬件设计性能指标 |
3.1.2 系统硬件构成 |
3.2 DSP简介 |
3.2.1 DSP选型 |
3.2.2 TMS320F28335 简介 |
3.3 振动信号处理电路设计 |
3.3.1 振动传感器的选择 |
3.3.2 振动传感器的安装 |
3.3.3 振动信号采样电路设计 |
3.3.4 振动信号调理电路设计 |
3.4 温度信号处理电路设计 |
3.4.1 温度传感器的选择 |
3.4.2 温度传感器的安装 |
3.4.3 温度采集电路设计 |
3.5 其他模块电路设计 |
3.5.1 电源模块电路设计 |
3.5.2 程序调试电路设计 |
3.5.3 数据存储电路设计 |
3.5.4 显示模块电路设计 |
3.5.5 通讯模块电路设计 |
3.6 PCB电路设计 |
3.7 本章小结 |
第4章 旋转机械运行安全在线监测系统下位机软件开发 |
4.1 下位机软件整体框架设计 |
4.2 下位机软件初始化程序设计 |
4.3 下位机软件数据采集程序设计 |
4.4 下位机软件数据处理程序设计 |
4.4.1 时域算法处理程序设计 |
4.4.2 幅值域算法处理程序设计 |
4.4.3 频域算法处理程序设计 |
4.5 下位机软件通讯模块设计 |
4.6 本章小结 |
第5章 旋转机械运行安全在线监测系统上位机软件开发 |
5.1 上位软件开发分析 |
5.1.1 系统开发思路 |
5.1.2 系统开发环境及工具 |
5.1.3 上位系统开发原则 |
5.1.4 系统整体框架结构 |
5.2 上位系统功能模块开发 |
5.2.1 开机界面 |
5.2.2 用户管理模块 |
5.2.3 参数配置模块 |
5.2.4 通讯模块 |
5.2.5 数据采集模块 |
5.2.6 数据查询模块 |
5.2.7 时域分析模块 |
5.2.8 频域分析模块 |
5.2.9 时频分析模块 |
5.2.10 微弱信号分析模块 |
5.2.11 故障诊断模块 |
5.3 本章小结 |
第6章 旋转机械运行安全在线监测系统的测试 |
6.1 下位机功能测试 |
6.2 上位机功能测试 |
6.2.1 时域分析测试 |
6.2.2 频域分析测试 |
6.2.3 时频分析测试 |
6.2.4 微弱信号分析测试 |
6.3 本章小结 |
总结与展望 |
总结 |
展望 |
参考文献 |
致谢 |
附录A 攻读学位期间所发表的学术论文目录 |
(6)燃气-蒸汽联合循环机组智能诊断与健康维护技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景 |
1.1.1 联合循环机组在我国的发展 |
1.1.2 联合循环机组健康维护面临的挑战 |
1.1.3 联合循环机组健康维护的新机遇 |
1.2 课题的研究目的及意义 |
1.3 国内外研究现状 |
1.3.1 故障与健康概念内涵研究现状 |
1.3.2 知识与数据管理研究现状 |
1.3.3 联合循环机组智能诊断理论研究现状 |
1.3.4 联合循环机组智能诊断系统研究现状 |
1.4 本文的研究内容和结构安排 |
第2章 联合循环机组健康维护大数据系统研究 |
2.1 引言 |
2.2 联合循环机组健康维护领域知识获取 |
2.2.1 FMEA和FTA基本理论 |
2.2.2 FMEA和FTA联合指导机组领域知识获取 |
2.2.3 联合循环机组领域知识获取结果 |
2.3 本体基本理论 |
2.3.1 本体的概念 |
2.3.2 本体的语义 |
2.3.3 OWL的语法 |
2.4 基于本体的领域知识和数据结构化表示 |
2.4.1 边界工况本体 |
2.4.2 故障知识本体 |
2.4.3 监测数据本体 |
2.4.4 案例验证 |
2.5 基于本体的语义性推理 |
2.5.1 基于OWL公理的本体语义性推理 |
2.5.2 基于SWRL的本体语义性推理 |
2.5.3 案例验证 |
2.6 基于本体的语义性查询 |
2.6.1 基于SPARQL的本体查询 |
2.6.2 基于本体的历史数据访问 |
2.6.3 案例验证 |
2.7 本章总结 |
第3章 联合循环机组健康状况异常检测研究 |
3.1 引言 |
3.2 联合循环机组健康状况异常检测分析与流程设计 |
3.3 历史数据清洗 |
3.3.1 稳态工况判别 |
3.3.2 工况划分 |
3.3.3 基准样本筛选 |
3.4 变工况异常检测 |
3.4.1 联合循环机组变工况运行状态分析 |
3.4.2 变分自编码器基本理论 |
3.4.3 基于条件变自编码器的联合循环机组变工况基准模型 |
3.4.4 基于重构概率的异常检测 |
3.5 实例验证 |
3.5.1 数据清洗 |
3.5.2 参数预测 |
3.5.3 异常检测 |
3.6 本章总结 |
第4章 联合循环机组健康诊断与维护决策研究 |
4.1 引言 |
4.2 联合循环机组智能诊断分析与流程设计 |
4.2.1 联合循环机组故障诊断特点 |
4.2.2 联合循环机组智能诊断的流程设计 |
4.3 诊断模型的构建 |
4.3.1 结构性因果模型基本理论 |
4.3.2 Leaky Noisy-Or假设 |
4.3.3 基于结构性因果模型的诊断模型 |
4.4 基于反事实推理的诊断决策 |
4.4.1 反事实推理基本理论 |
4.4.2 充分因与必要因诊断指标的定义 |
4.4.3 基于孪生网络的反事实推理计算框架 |
4.5 诊断模型的评价 |
4.5.1 诊断模型的敏度分析 |
4.5.2 诊断模型的可靠性分析 |
4.5.3 诊断模型的可解释性分析 |
4.6 实例验证 |
4.7 本章总结 |
第5章 联合循环机组智能诊断系统设计与实现 |
5.1 引言 |
5.2 联合循环机组智能诊断系统的数字孪生模型 |
5.2.1 数字孪生基本理论 |
5.2.2 基于数字孪生的智能诊断系统框架 |
5.3 联合循环机组智能诊断系统的设计 |
5.3.1 系统需求分析 |
5.3.2 系统整体设计 |
5.3.3 大数据系统设计 |
5.3.4 模型算法库设计 |
5.3.5 人机交互系统设计 |
5.4 联合循环机组智能诊断系统的实现 |
5.4.1 系统技术框架概述 |
5.4.2 系统主要功能实现 |
5.5 本章总结 |
第6章 结论与展望 |
6.1 全文总结 |
6.2 论文的主要创新点 |
6.3 有待进一步开展的工作 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(7)汽轮发电机组能效诊断与维护决策系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义及目的 |
1.2 国内外研究现状 |
1.2.1 汽轮发电机组能效诊断技术研究现状 |
1.2.2 诊断系统研究现状 |
1.3 本文研究内容 |
第2章 汽轮发电机组能效状态指标体系 |
2.1 引言 |
2.2 能效状态指标体系研究 |
2.2.1 能效状态指标选取原则 |
2.2.2 能效状态指标体系构建思路 |
2.3 汽轮机系统能效指标选取 |
2.3.1 燃煤电厂热力系统分析 |
2.3.2 汽轮机本体系统分析 |
2.3.3 回热系统分析 |
2.3.4 冷端系统分析 |
2.4 指标体系形成 |
2.5 本章小结 |
第3章 系统能效诊断知识库构建 |
3.1 引言 |
3.2 本体的相关研究 |
3.2.1 本体的介绍 |
3.2.2 本体构建的原则 |
3.2.3 本体构建语言以及工具 |
3.3 能效诊断知识库本体构建 |
3.3.1 能效诊断知识库本体构建策略 |
3.3.2 类和类的结构关系 |
3.3.3 属性和属性关系 |
3.3.4 个体实例创建 |
3.3.5 一致性验证 |
3.3.6 能效诊断知识库 |
3.4 本章小节 |
第4章 系统能效诊断方法分析 |
4.1 引言 |
4.2 参数基准值的确定 |
4.2.1 历史数据稳态筛选 |
4.2.2 基于K-均值聚类算法的工况划分 |
4.2.3 基于MGMM和SVR模型的基准值确定方法 |
4.3 参数异常检测与诊断 |
4.3.1 参数异常检测 |
4.3.2 能效诊断知识库的查询 |
4.4 案例分析 |
4.5 本章小节 |
第5章 能效诊断与维护决策系统开发与应用 |
5.1 系统介绍与框架 |
5.2 系统数据仓库设计 |
5.2.1 数据表E-R图设计 |
5.2.2 数据表设计 |
5.2.3 知识库设计 |
5.3 系统开发与运行环境 |
5.4 能效诊断功能设计 |
5.4.1 监测分析界面 |
5.4.2 诊断与决策界面 |
5.5 本章小节 |
第6章 总结与展望 |
6.1 工作总结 |
6.2 未来展望 |
参考文献 |
攻读硕士学位期间发表的论文及其他成果 |
致谢 |
(8)基于FMECA与FTA的饲草揉碎机可靠性分析(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题来源 |
1.2 研究背景、目的及意义 |
1.3 国内外研究现状 |
1.3.1 饲草揉碎机研究现状 |
1.3.2 模糊FMECA研究现状 |
1.3.3 贝叶斯网络与故障树研究现状 |
1.3.4 流固耦合研究现状 |
1.3.5 相关机械可靠性数值计算研究现状 |
1.4 研究内容与技术路线 |
第二章 饲草揉碎机模糊FMECA分析 |
2.1 模糊FMECA理论基础 |
2.1.1 确定因素集合 |
2.1.2 确定评价集合 |
2.1.3 确定影响因素的模糊评价矩阵 |
2.1.4 确定影响因素权重集合 |
2.1.5 一级模糊综合评价 |
2.1.6 二级模糊综合评价 |
2.2 饲草揉碎机模糊FMECA分析 |
2.2.1 饲草揉碎机FMECA分析 |
2.2.2 饲草揉碎机模糊FMECA分析 |
2.3 本章小结 |
第三章 基于贝叶斯网络的饲草揉碎机FTA分析 |
3.1 故障树FTA概述 |
3.1.1 FTA使用符号 |
3.1.2 FTA的分析流程与局限性 |
3.2 贝叶斯网络理论基础 |
3.2.1 贝叶斯网络定义与概率论基础 |
3.2.2 故障树向贝叶斯网络的映射 |
3.2.3 贝叶斯网络的定量分析 |
3.3 基于贝叶斯网络的饲草揉碎机FTA分析 |
3.3.1 建立饲草揉碎机故障树模型 |
3.3.2 饲草揉碎机故障树向贝叶斯网络的映射 |
3.3.3 饲草揉碎机故障的贝叶斯网络定量分析 |
3.4 本章小结 |
第四章 饲草揉碎机可靠性预测与分配 |
4.1 可靠性预测 |
4.1.1 可靠性预测概述 |
4.1.2 可靠性预测方法 |
4.1.3 子系统可靠性预测 |
4.1.4 系统可靠性预测 |
4.1.5 饲草揉碎机可靠性预测 |
4.2 可靠性分配 |
4.2.1 可靠性分配概述 |
4.2.2 系统可靠性分配方法 |
4.2.3 饲草揉碎机可靠性分配 |
4.2.4 饲草揉碎机可靠性预计与可靠性分配关系 |
4.3 本章小结 |
第五章 饲草揉碎机薄弱环节可靠度校核与优化 |
5.1 理论基础 |
5.1.1 离散元DEM与计算流体力学CFD耦合方法 |
5.1.2 流固耦合模型 |
5.1.3 应力-强度干涉模型与可靠度一般表达式 |
5.1.4 应力与强度分布规律已知时的可靠度表达式 |
5.2 饲草揉碎机薄弱环节转子部分载荷谱获取 |
5.2.1 建立饲草揉碎机三维模型 |
5.2.2 几何清理与流场网格划分 |
5.2.3 揉碎机内气流-物料两相流场数值模拟与流体-结构耦合计算 |
5.2.4 数值计算结果与分析 |
5.3 饲草揉碎机薄弱环节转子部分的可靠度校核 |
5.3.1 应力、强度分布类型的确定 |
5.3.2 饲草揉碎机转子可靠度校核计算 |
5.4 饲草揉碎机薄弱环节转子部分可靠性优化设计 |
5.4.1 设计变量的选取 |
5.4.2 约束条件与优化目标函数 |
5.4.3 建立样本数据库 |
5.4.4 近似模型的建立与精度检验 |
5.5 优化结果与分析 |
5.5.1 灵敏度分析 |
5.5.2 设计变量对优化目标的影响分析 |
5.5.3 优化结果分析 |
5.6 本章小结 |
结论与展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文及研究成果 |
个人简历 |
(9)针对食品加工控制系统寿命预测的应用研究(论文提纲范文)
摘要 |
Abstract |
主要符号注释 |
第一章 绪论 |
1.1 本文研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 故障诊断概述 |
1.2.2 寿命预测现状 |
1.2.3 健康管理应用现状 |
1.3 本文主要内容与组织结构 |
第二章 改进的LSTM寿命预测方法 |
2.1 寿命预测模型研究 |
2.1.1 基于Bi-LSTM寿命预测研究 |
2.1.2 梯度更新停滞问题 |
2.2 改进的LSTM寿命预测模型 |
2.2.1 稀疏改进可行性分析 |
2.2.2 改进的LSTM预测算法 |
2.2.3 在线预测算法模型 |
2.3 实验及结果分析 |
2.3.1 算法参数选择 |
2.3.2 预测性能分析 |
2.3.3 诊断性能分析 |
2.4 本章小结 |
第三章 改进SRU网络的寿命预测方法 |
3.1 寿命预测相关研究 |
3.1.1 并行化SRU寿命预测研究 |
3.1.2 网络退化 |
3.2 改进的SRU预测模型 |
3.2.1 残差原理改进分析 |
3.2.2 食品加工系统节点映射 |
3.2.3 基于残差连接的SRU预测模型 |
3.2.4 改进的协作寿命预测算法 |
3.3 实验及结果分析 |
3.3.1 算法参数选择 |
3.3.2 预测性能分析 |
3.3.3 诊断性能分析 |
3.4 本章小结 |
第四章 食品加工健康管理系统设计与实现 |
4.1 食品加工健康管理系统需求分析 |
4.1.1 食品加工特性需求分析 |
4.1.2 健康管理系统需求分析 |
4.2 食品加工健康管理设计 |
4.2.1 模块架构设计 |
4.2.2 系统工作流程 |
4.3 食品加工故障预测功能设计 |
4.3.1 功能设计 |
4.3.2 系统安全设计 |
4.4 系统主要模块 |
4.4.1 数据管理模块 |
4.4.2 健康管理中心模块 |
4.4.3 交互界面模块 |
4.5 食品加工健康管理系统展示 |
4.5.1 登录界面 |
4.5.2 系统算法管理 |
4.5.3 故障预测分类 |
4.5.4 RUL预测 |
4.6 系统优势比较 |
4.6.1 系统RUL测试 |
4.6.2 故障分类测试 |
4.6.3 指标对比测试 |
4.7 本章小结 |
第五章 主要结论与展望 |
5.1 主要结论 |
5.2 展望 |
致谢 |
参考文献 |
附录 |
(10)电动轮自卸车状态监测与故障诊断系统研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 论文研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 电动轮自卸车应用现状与监测诊断需求 |
1.2.2 电动轮自卸车监测诊断系统的研究现状 |
1.2.3 电动轮自卸车故障诊断方法的研究现状 |
1.3 论文研究内容 |
2 监测诊断系统的需求分析及总体设计 |
2.1 电动轮自卸车关键系统的故障机理 |
2.1.1 柴油机子系统故障机理 |
2.1.2 液压子系统故障机理 |
2.1.3 电控子系统故障机理 |
2.2 状态监测系统的需求分析 |
2.3 故障诊断系统的需求分析 |
2.4 监测诊断系统的总体设计方案 |
2.5 本章小结 |
3 监测诊断系统的具体软硬件实现 |
3.1 监测诊断系统的硬件设计方案 |
3.1.1 系统硬件总体架构 |
3.1.2 典型器件选型 |
3.1.3 电路设计 |
3.2 监测诊断系统的软件设计方案 |
3.2.1 系统软件总体架构 |
3.2.2 CAN通信协议的制定和程序实现 |
3.2.3 以太网和4G通信协议的制定和程序实现 |
3.2.4 车载监测显示终端的软件设计 |
3.2.5 地面服务器软件的设计 |
3.3 本章小结 |
4 基于故障树和概率神经网络的故障诊断算法 |
4.1 传统故障树算法 |
4.2 概率神经网络算法 |
4.2.1 神经网络基础 |
4.2.2 概率神经网络 |
4.3 基于故障树和神经网络的故障诊断推理机制 |
4.4 电动轮自卸车故障诊断的具体实现 |
4.4.1 故障诊断模型的建立 |
4.4.2 故障诊断的知识获取 |
4.4.3 基于故障树和概率神经网络的故障诊断算法仿真 |
4.5 本章小结 |
5 监测诊断系统的实验验证 |
5.1 电动轮自卸车状态监测系统验证 |
5.1.1 车载监测显示终端软件的监测效果验证 |
5.1.2 地面服务器软件的监测效果验证 |
5.2 电动轮自卸车故障诊断系统效果 |
5.3 本章小结 |
6 总结与展望 |
6.1 论文工作总结 |
6.2 展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
四、故障诊断专家系统中的数据库子系统设计(论文参考文献)
- [1]电力系统故障诊断的研究现状与发展趋势分析[J]. 王嘉林. 科技创新与应用, 2021(28)
- [2]基于MIL-STD-1553B的运载火箭故障诊断与故障注入方法[J]. 赵岩,李佳,解世禄,王德义,陈娟. 计算机测量与控制, 2021(09)
- [3]基于状态推理的全电子铁路信号计算机联锁故障诊断[J]. 于勇. 自动化与仪器仪表, 2021(09)
- [4]基于球型模糊Petri网的地铁车门系统故障诊断方法研究[D]. 刘司朝. 北京交通大学, 2021
- [5]旋转机械运行安全在线监测系统的研究与开发[D]. 张树涛. 兰州理工大学, 2021(01)
- [6]燃气-蒸汽联合循环机组智能诊断与健康维护技术研究[D]. 王仲. 华北电力大学(北京), 2021(01)
- [7]汽轮发电机组能效诊断与维护决策系统研究[D]. 朱俊杰. 华北电力大学(北京), 2021(01)
- [8]基于FMECA与FTA的饲草揉碎机可靠性分析[D]. 翟小艺. 内蒙古工业大学, 2021(01)
- [9]针对食品加工控制系统寿命预测的应用研究[D]. 王家能. 江南大学, 2021(01)
- [10]电动轮自卸车状态监测与故障诊断系统研究[D]. 谢茜茜. 北京交通大学, 2021