桥式起重机起升机构故障分析及其监测平台研究
这是一篇关于桥式起重机,起升机构,故障树,变分模态分解,监测平台的论文, 主要内容为本文针对桥式起重机的起升机构故障,基于故障树分析法(Fault Tree Analysis,简称FTA)实现了起升机构中主要零部件故障的定性、定量分析,完成了故障诊断专家系统的知识库的建立及推理机的推理流程的设计;以减速器滚动轴承为研究对象,对变分模态分解(Variational Mode Decomposition,简称VMD)进行改进,实现了滚动轴承的故障识别;将以上研究工作架构于B/S结构中,搭建了桥式起重机起升机构故障监测平台。主要的研究内容如下:(1)基于行业需求及研究要求,分析了故障诊断以及故障监测的国内外研究现状与发展,提出了解决桥式起重机起升机构故障的具体解决流程与思路。(2)分析了桥式起重机起升机构的主要故障,基于FTA法建立了相关故障树,完成了起升机构中吊索具装置、制动器、减速器和电气系统等故障的定性、定量分析以及故障诊断专家系统的知识库、推理机的设计。(3)详细阐述了减速器滚动轴承的结构与故障振动机理,针对VMD在使用时受人为因素影响较大,采用小生境遗传算法(Niche Genetic Algorithm,简称NGA)进行优化,提出了NGA-VMD算法,并结合支持向量机(Support Vector Machine,简称SVM)完成了轴承故障诊断。(4)将前期研究成果及相关分析、技术资料等架构于B/S结构中,基于C#与MATLAB混合编译,初步完成了桥式起重机起升机构故障监测平台的搭建与开发。
制药厂空调排风热回收系统故障诊断与应用
这是一篇关于故障树,空调排风热回收,故障诊断,重要度,专家系统的论文, 主要内容为随着空调节能技术的不断发展,空调排风热回收技术得到了普遍的应用。在技术给用户带来可观的节能收益的同时,排风热回收系统运行上存在的问题也逐渐引起人们的重视。而目前关于空调排风热回收系统的故障诊断研究尚少,一旦发生故障,需要依靠维修人员的经验来加以判断,往往效率低下甚至不能排除故障,因此有必要针对空调排风热回收系统创建一套完善的故障诊断体系来解决当下的困境。本文以实际工程中的制药厂空调排风热回收系统为基础,首先通过对实际系统的考察分析、数据采集,熟悉了该系统的结构和工作原理,通过故障诊断基本方法的对比和筛选,最终决定采用故障树分析FTA方法对该空调排风热回收系统进行故障诊断。针对该系统的特点,选取“冬季热回收效果差”和“夏季热回收效果差”这两个典型故障作为顶事件建立故障树模型,并对故障原因提出合理的维修意见。通过故障树模型的定性分析求解了最小割集和底事件结构重要度;通过故障树模型的定量分析,求出各事件的发生概率、底事件的概率重要度、底事件的临界重要度,同时确定了该系统的热回收量参考值,并在此基础上对底事件中出现的模糊词进行了量化。根据故障树模型定性、定量分析的结果,对故障事件进行了排序,明确了判断故障与否的数值指标,为接下来建立故障诊断专家系统提供基础。本文设计了基于故障树分析FTA方法的空调排风热回收系统故障诊断专家系统,包括专家系统的框架及功能。采用框架法将已经建立的故障树模型转化成机器能够识别的语言和信息,得到节点信息知识库、故障现象核实库、故障维修意见库,以此构成了专家系统的知识库模块;采取正向推理的策略结合专家的实际经验和逻辑思维设计出故障诊断专家系统的推理解释机模块;采用B/S模式,Java,JSP等编程语言设计出可视化的故障诊断专家系统。将故障诊断专家系统应用于实例,验证了该故障诊断专家系统可以快速准确地找出故障并针对故障提出合理的维修意见,为该类空调排风热回收系统的故障诊断和维修提供了参考,保证了该类空调排风热回收系统的热回收效果和稳定运行。
基于故障树和贝叶斯网络的发动机可靠性预计
这是一篇关于可靠性数据库,故障树,贝叶斯网络,可靠性预计的论文, 主要内容为可靠性工程在汽车发动机中的应用越来越广,可靠性成为发动机一项重要指标。发动机可靠性研究以发动机的研发使用过程中的可靠性数据作为基础,并利用计算机辅助技术对可靠性数据规律分布进行总结,进而提高整体的可靠性。本文基于SQL Server建立的可靠性系统数据库,分析B/S架构数据库管理系统中的故障树分析模块的功能并完成面向用户的操作模式的界面开发,深化设计贝叶斯网络模块的功能,进一步优化后台程序,完成数据库管理系统中的可靠性预计模块的功能分析并优化界面功能。对汽车柴油发动机系统进行可靠性分析,在故障原因模式影响分析基础上提出故障树分析,给出故障树模型的示例以及故障树建模过程。利用开发的功能模块得出FTA对系统的故障部位、故障模式、故障原因以及故障等级的结论,以"柴油发动机不能正常运行"为顶事件,按照曲柄连杆机构故障、燃料供给系统故障、配气系统故障、冷却润滑系统故障及进排气增压系统故障建立故障树模型,并完成顶事件、中间事件和底层事件的构建。在故障树基础上提出贝叶斯网络,并以"发动机不能正常点火"故障演示贝叶斯推理过程。通过可靠性数据库系统计算故障树中故障概率,采用贝叶斯网络建模方法,用连接树的形式表述故障树中不同层级事件之间的关系,完成由故障树向贝叶斯网络的转化。通过开发的界面得出建立的贝叶斯网络模型,并着重找出不同子系统中零部件故障的关联关系,并以油底壳故障可以导致两个子系统故障为实例计算联合概率分布,用于指导可靠性预计的大致范围。基于可靠性数据库系统适用的可靠性预计领域,借助数据库辅助可靠性预计。采用了发动机系统可靠性模糊预计的方法,以故障树模型中的增压系统为例简要验证了常用置信水平下模糊预计的可行性,提出可靠性模糊预计在故障关联中的应用。以曲柄连杆机构和冷却润滑系统两个子系统联合系统为例,选取适用于可靠性模糊预计范围的三角模糊数,将可靠性预计结果与贝叶斯网络模型得出的结果进行了比较,证明可靠性数据库系统模块的适用性。
基于机器学习的无人机飞控故障智能诊断系统研究
这是一篇关于故障诊断,机器学习,专家系统,故障树,神经网络的论文, 主要内容为近年来,无人机技术飞速发展,无人机的安全可靠性是其发展中最重要的环节,无人机控制系统结构复杂,且无人机在执行任务过程中不具备驾驶员现场操作的条件,因此时长会发生故障,影响任务执行。这种背景下,对无人机健康状态的监控技术、故障的高效精准诊断技术提出了更高的要求。本论文以某型号无人机飞控为研究对象,围绕其在智能故障诊断领域的几个关键问题:故障模式、故障传播、诊断专家知识持久化、故障智能诊断方法展开了深入研究,主要工作内容包括以下四个方面:(1)从故障模式、故障传播、故障诊断专家知识持久化存储、智能诊断方法等多个方面,对国内外研究现状进行了考察、对比、分析,制定本文研究目标和技术路线,对研究内容相关领域包括无人机飞控故障形式及其特点、故障传播规律、故障信息异常检测技术、神经网络基础等理论内容进行研究和分析。(2)传统的故障诊断依赖专家知识和经验,针对该问题,需要借助信息技术研究更加简便智能的诊断技术,如何将专家知识,转化为机器可读数据并进行持久化存储是首要研究目标,因此本文第三章对无人机飞控故障诊断知识图谱建立方法进行了研究,对不同的专家知识提取方案进行了对比分析,提出了一种基于逆序故障树的诊断知识图谱建立方式,能对不少于十种故障模式的故障进行建模。(3)对基于神经网络的无人机飞控故障智能诊断方法进行研究,构建卷积神经网络,使用加入空洞的卷积核替代传统的卷积核,增大感受野,大大增强了对深层特征的提取能力,并建立双层空洞卷积层,通过调整膨胀系数取得网络的最优值,提出一种基于空洞卷积神经网络的智能诊断方法,并以经过转化的专家诊断知识为基础数据,对网络进行训练,然后从网络结构、激活函数、消除过拟合等方面对神经网络进行优化,最后对网络进行仿真验证。(4)对本文所做系统需求进行了详细的分析,并结合三四章对无人机飞控故障诊断知识图谱的建立方法以及智能诊断方法的研究,给出了系统软件详细的设计方案,包括总体架构、技术路线、各模块设计方案,然后进行了软件开发实现,并对软件的各个子系统界面及功能进行了描述,最后使用无人机飞控故障数据对软件进行实验测试。
数控机床远程监测与故障诊断系统设计
这是一篇关于数控机床,故障诊断,故障树,深度学习,系统开发的论文, 主要内容为随着互联网+、大数据、人工智能等先进技术的提出,制造业也正朝着数字化、网络化和智能化方向的不断推进。数控机床作为现代化生产制造系统的核心设备之一,已被投入到各个领域部件的生产制造过程中。随着人们对数控机床的功能、加工精度及可靠性等要求的不断提高,其组成模块、部件及结构也越来越多、越来越复杂,基于传统的噪声检测、振动检测等技术已无法对数控机床进行全面而准确的状态监测与故障诊断。基于此,本文提出了数控机床的故障诊断系统方法,搭建了远程监测与故障诊断系统平台,并设计了远程监测系统用于远程信息查询与管理。(1)阐述了课题的研究背景与意义,对数控机床的构成进行了分析,并对国内外故障诊断与远程检测技术的研究现状进行了调研。(2)对故障诊断算法理论进行了介绍,对故障书的算法原理、基本符号、数学表达和模型建立方法进行了详细阐述;对神经网络算法概念及BP神经网络训练方法进行了介绍;最后以基于自编码的深度神经网络为例对基于深度学习的故障诊断方法进行了理论分析,为数据机床远程监测与故障诊断系统平台的建立提供基础与支撑。(3)建立了数控机床故障诊断的模型,首先对数控机床故障类型进行了剖析,其次,对依据故障树的层次化结构搭建了数控机床的故障树并多故障树的模型进行了分析;最后搭建了基于深度神经网络的故障诊断模型。(4)设计了远程监测与故障诊断系统平台,首先搭建了系统平台的总体架构;设计了基于Oracle的系统数据库以及数据库查询和管理系统。最后建立了远程监测与故障诊断子系统用于迅速排出故障可能发生的原因。(5)基于B/S架构对远程监测系统进行了开发,设计了用户登录注册、信息查询与管理、故障诊断与监测系统的前端和后台;搭建了测试环境对深度神经网络的故障诊断模型进行了测试,结果表明,本文设计的故障诊断模型可以较好地实现对数控机床进行故障诊断。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码导航 ，原文地址：https://bishedaima.com/lunwen/48377.html
