动态系统的故障检测和诊断是正在迅速发展的研究领域。随着现代化工业及科学技术的迅速发展,生产设备日趋大型化、高速化、自动化和智能化,这类系统一旦发生故障就可能引起灾难性事故,造成人员和财产的巨大损失。例
为了兼顾数据建模的准确性和诊断的实时性,提出一种K近邻诊断证据融合新方法.利用故障特征 的历史样本构建随机模糊变量(RFV)形式的故障样板模式,由KNN算法获取测试样本的K个近邻历史样本,并定义它们的
针对电网故障诊断解析模型存在多解和误诊问题, 提出一种基于关联规则的电网故障诊断解析方法, 并通过解析保护和断路器动作及告警信息的不确定性, 构建诊断的评价指标. 利用解析方法获得故障的完备诊断, 进
提出了一种改进的集总平均经验模式分解(MEEMD)滚动轴承的故障提取方法。对采集得到的振动信号进行MEEMD分解,获得不同频率的本征模式函数(IMF);对各个本征模式函数进行包络谱分析;最后通过包络谱
本文对petri网在机车故障诊断领域的应用研究做了新的探索。在分析机车故障的基本特性的基础上,建立故障树模型,结合petri网建模理论,提出了一种适合故障特性的故障petri网模型
介绍电动机故障诊断的主要研究内容,阐述傅立叶变换分析方法的实质,PARK变换分析方法的特点和小波分析方法的优越性。
齿轮箱是一种非常复杂的传动机构,它的故障模式和特征量之间是一种非常复杂的非线性关系,再加上齿轮箱在不同工况下的随机因素。以齿轮箱为例,应用神经网络可以有效地解决这个问题。分析神经网络的自适应、自学习和
网络问题非常复杂,一般情况下很难迅速定位,要耐心细致地进行诊断,认真听取网络管理员和当事人的故障描述,借助网络检测工具,使用常见的网络故障诊断方法,实现故障的定位和排除。
基于小波变换的故障诊断方法.pdf
基于模糊有色Petri网的故障诊断方法
