基于流形學(xué)習(xí)的風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障診斷方法研究

【摘要】：風(fēng)能作為一種無(wú)污染的可再生資源,成為世界各國(guó)爭(zhēng)相發(fā)展的領(lǐng)域之一。風(fēng)力發(fā)電裝備在我國(guó)取得了長(zhǎng)足的發(fā)展,已形成一種新型產(chǎn)業(yè)。但風(fēng)力發(fā)電機(jī)組(以下簡(jiǎn)稱風(fēng)電機(jī)組)的工作環(huán)境惡劣,風(fēng)速具有不穩(wěn)定性,在交變負(fù)載作用下,機(jī)組的傳動(dòng)系統(tǒng)最容易失效和損壞。傳動(dòng)系統(tǒng)不平衡、磨損、疲勞損傷、斷裂等故障是風(fēng)電機(jī)組的主要故障。而風(fēng)電機(jī)組又安裝在偏遠(yuǎn)地區(qū)且距地面甚高,并且又是規(guī)?；?、成片式的運(yùn)作模式,因此維修十分不便,風(fēng)電機(jī)組傳動(dòng)系統(tǒng)的智能故障診斷在這種情況下就顯得非常必要和迫切。然而,風(fēng)電行業(yè)目前又欠缺智能故障診斷技術(shù)。目前大型風(fēng)電機(jī)組的就地控制器SCADA僅有運(yùn)行數(shù)據(jù)采集、閾值報(bào)警和通信功能,不能對(duì)風(fēng)電機(jī)組傳動(dòng)系統(tǒng)進(jìn)行故障診斷。而SKF公司針對(duì)風(fēng)電機(jī)組的狀態(tài)監(jiān)測(cè)系統(tǒng)WindCon目前也只具備預(yù)警、報(bào)警及簡(jiǎn)易的信號(hào)分析功能,缺乏精確故障診斷技術(shù)。同時(shí),現(xiàn)有的面向旋轉(zhuǎn)機(jī)械的故障診斷方法普遍采用“特征提取→模式識(shí)別”這一模式,又存在以下兩個(gè)與風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障診斷技術(shù)需求不相適應(yīng)的重大缺陷:①特征提取方式需要人工干預(yù),故障特征優(yōu)選質(zhì)量完全取決于經(jīng)驗(yàn),這種做法與風(fēng)電機(jī)組的工作條件和運(yùn)行模式所要求的自動(dòng)化、高精度、快速性的故障診斷方式相背離;②普遍采用的單一/單域故障特征提取方法孤立使用普適性不強(qiáng),難以全面準(zhǔn)確地獲取復(fù)雜系統(tǒng)不同部位、不同類型、不同程度的故障特征,而風(fēng)電機(jī)組傳動(dòng)系統(tǒng)是一個(gè)剛?cè)狁詈系亩囿w復(fù)雜系統(tǒng),系統(tǒng)主要部件風(fēng)輪、主軸和齒輪箱之間的強(qiáng)耦合作用造成系統(tǒng)失效形式、失效層級(jí)比較復(fù)雜,這就要求面向風(fēng)電機(jī)組的故障診斷方法向系統(tǒng)性方法提升,而現(xiàn)有故障特征提取方式難以達(dá)到這一要求。為此,本文基于流形學(xué)習(xí)維數(shù)化簡(jiǎn)理論開(kāi)展了穩(wěn)定性、自動(dòng)化、高精度、快速性與通用性相統(tǒng)一的風(fēng)電機(jī)組傳動(dòng)系統(tǒng)智能故障診斷方法研究。本文主要研究?jī)?nèi)容如下: ①針對(duì)目前的模式識(shí)別方法自適應(yīng)模式識(shí)別特性不強(qiáng),模式識(shí)別精度的穩(wěn)定性不好的問(wèn)題,基于最小二乘支持向量機(jī)(LS-SVM),提出了兩種解決方案。一是將LS-SVM的訓(xùn)練模型視為最優(yōu)化問(wèn)題的目標(biāo)函數(shù),采用遺傳算法對(duì)LS-SVM的指數(shù)參數(shù)、補(bǔ)償參數(shù)和懲罰因子進(jìn)行全局尋優(yōu),使目標(biāo)函數(shù)達(dá)到極值,從而實(shí)現(xiàn)LS-SVM穩(wěn)定性的提高。二是通過(guò)構(gòu)造可更好地逼近LS-SVM的訓(xùn)練目標(biāo)函數(shù)和決策函數(shù),具有更好非線性映射能力的小波核Littlewood-Paley、Shannon、Morlet來(lái)提高LS-SVM的自適應(yīng)分類特性即穩(wěn)定性。另外還研究了直接利用訓(xùn)練樣本的局部和類標(biāo)簽信息來(lái)對(duì)測(cè)試樣本進(jìn)行分類的最近鄰分類器(KNNC)。理論分析、仿真實(shí)驗(yàn)和風(fēng)電機(jī)組軸承故障診斷實(shí)例表明小波支持向量機(jī)LPWSVM、SWSVM、MWSVM和KNNC的診斷精度、穩(wěn)定性與遺傳算法分層優(yōu)化LS-SVM等效,但計(jì)算效率優(yōu)于遺傳算法分層優(yōu)化LS-SVM。通過(guò)以上研究為風(fēng)電機(jī)組故障診斷提供了改進(jìn)的、高效的、穩(wěn)定的模式識(shí)別方法。 ②針對(duì)當(dāng)前故障診斷通行模式無(wú)法實(shí)現(xiàn)自動(dòng)化與高精度的結(jié)合,因而無(wú)法適應(yīng)風(fēng)電機(jī)組故障診斷技術(shù)需求的問(wèn)題,提出一種基于主分量分析(PCA)和前向傳播(BP)神經(jīng)網(wǎng)絡(luò)維數(shù)調(diào)整的風(fēng)電機(jī)組故障診斷模型。該模型采用雙譜相關(guān)值特征矩陣的奇異值譜作為故障特征,用PCA對(duì)超高維的奇異值譜進(jìn)行快速降維,由BP神經(jīng)網(wǎng)絡(luò)來(lái)增強(qiáng)PCA的非線性處理能力,又通過(guò)SWSVM對(duì)BP網(wǎng)絡(luò)輸出結(jié)果進(jìn)行校正。理論分析、仿真實(shí)驗(yàn)和風(fēng)電機(jī)組軸承故障診斷實(shí)例表明該診斷模型解決了雙譜應(yīng)用于風(fēng)電機(jī)組故障診斷的難題,實(shí)現(xiàn)了風(fēng)電機(jī)組故障診斷自動(dòng)化與高精度的結(jié)合。 ③在實(shí)現(xiàn)風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障診斷自動(dòng)化與高精度的基礎(chǔ)上,為進(jìn)一步解決傳動(dòng)系統(tǒng)故障診斷快速性和通用性的問(wèn)題,提出了基于流形學(xué)習(xí)特征約簡(jiǎn)理論的新型傳動(dòng)系統(tǒng)智能故障診斷模式“混合域特征融合→流形學(xué)習(xí)特征約簡(jiǎn)→模式識(shí)別”,并根據(jù)該模式構(gòu)建了智能故障診斷新模型:“時(shí)頻域特征融合/EMD與AR模型系數(shù)融合—正交局部保持映射(OLPP)/正交鄰域保持嵌入(ONPE)/線性局部切空間排列(LLTSA)—小波支持向量機(jī)(WSVM)/KNNC”。理論分析、仿真實(shí)驗(yàn)和風(fēng)電機(jī)組軸承故障診斷實(shí)例表明該診斷模型充分發(fā)揮了混合域特征融合的故障特征全面提取優(yōu)勢(shì)、流形學(xué)習(xí)的特征化簡(jiǎn)優(yōu)勢(shì)以及人工智能的模式識(shí)別優(yōu)勢(shì),并且該模型以上三個(gè)技術(shù)環(huán)節(jié)都具有較好的時(shí)效性,因此可實(shí)現(xiàn)風(fēng)電機(jī)組故障診斷的自動(dòng)化、高精度、快速性與通用性的統(tǒng)一。流形學(xué)習(xí)維數(shù)約簡(jiǎn)理論、混合域特征融合方法和新型風(fēng)電機(jī)組智能故障診斷模式的研究進(jìn)一步豐富和發(fā)展了風(fēng)電機(jī)組故障診斷理論和技術(shù)。 ④以智能故障診斷理論模型為核心,研發(fā)了風(fēng)力發(fā)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng),該系統(tǒng)包含數(shù)據(jù)采集及信號(hào)傳輸,數(shù)據(jù)庫(kù)存儲(chǔ)管理,數(shù)據(jù)遠(yuǎn)程訪問(wèn),狀態(tài)監(jiān)測(cè)、智能故障診斷、人機(jī)交互等多代理功能,可實(shí)現(xiàn)風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)的系統(tǒng)集成。 文章最后對(duì)本文的工作進(jìn)行了總結(jié),并展望了下一步的研究方向。 【關(guān)鍵詞】：風(fēng)電機(jī)組 模式識(shí)別 流形學(xué)習(xí) 混合域特征融合 智能故障診斷
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2011
【分類號(hào)】：TM315;TP181
【目錄】：

• 中文摘要3-5
• 英文摘要5-12
• 1 緒論12-24
• 1.1 課題背景和研究意義12-15
• 1.2 風(fēng)電機(jī)組故障診斷技術(shù)現(xiàn)狀15-20
• 1.2.1 故障特征提取技術(shù)研究現(xiàn)狀15-17
• 1.2.2 模式識(shí)別技術(shù)研究現(xiàn)狀17-18
• 1.2.3 故障診斷解決策略研究現(xiàn)狀18-20
• 1.3 本文主要工作20-22
• 1.4 本文結(jié)構(gòu)安排22-24
• 2 面向風(fēng)電機(jī)組故障診斷的模式識(shí)別穩(wěn)定性研究24-52
• 2.1 遺傳算法分層優(yōu)化最小二乘支持向量機(jī)24-38
• 2.1.1 最小二乘支持向量機(jī)24-25
• 2.1.2 遺傳算法分層優(yōu)化多項(xiàng)式核的多類LS-SVM25-29
• 2.1.3 遺傳算法分層優(yōu)化LS-SVM 的仿真驗(yàn)證和應(yīng)用實(shí)例29-38
• 2.2 小波核函數(shù)改進(jìn)支持向量機(jī)38-47
• 2.2.1 平移不變支持向量核的條件39
• 2.2.2 Littlewood-Paley、Shannon、Morlet 小波核函數(shù)39-41
• 2.2.3 小波支持向量機(jī)的仿真驗(yàn)證和應(yīng)用實(shí)例41-47
• 2.3 最近鄰分類器47-50
• 2.3.1 最近鄰分類器算法47
• 2.3.2 最近鄰分類器的仿真驗(yàn)證和應(yīng)用實(shí)例47-50
• 2.4 本章小結(jié)50-52
• 3 基于主成分分析和 BP 網(wǎng)絡(luò)維數(shù)調(diào)整的風(fēng)電機(jī)組故障診斷自動(dòng)化與高精度研究52-66
• 3.1 主成分分析53-54
• 3.2 BP 神經(jīng)網(wǎng)絡(luò)54-56
• 3.3 基于PCA 和BP 神經(jīng)網(wǎng)絡(luò)維數(shù)調(diào)整的風(fēng)電機(jī)組故障診斷模型56-57
• 3.4 基于PCA 和BP 神經(jīng)網(wǎng)絡(luò)維數(shù)調(diào)整的故障診斷模型應(yīng)用實(shí)例57-64
• 3.5 本章小結(jié)64-66
• 4 基于流形學(xué)習(xí)和混合域特征融合的風(fēng)電機(jī)組故障診斷快速性與通用性研究66-104
• 4.1 正交局部保持映射(OLPP)67-69
• 4.1.1 正交局部保持映射維數(shù)約簡(jiǎn)的問(wèn)題描述67
• 4.1.2 正交局部保持映射算法67-68
• 4.1.3 正交局部保持映射的理論依據(jù)68-69
• 4.2 正交鄰域保持嵌入(ONPE)69-71
• 4.2.1 正交鄰域保持嵌入維數(shù)約簡(jiǎn)的問(wèn)題描述69
• 4.2.2 正交鄰域保持嵌入算法69-70
• 4.2.3 正交鄰域保持嵌入的理論依據(jù)70-71
• 4.3 線性局部切空間排列(LLTSA)71-73
• 4.3.1 線性局部切空間排列維數(shù)約簡(jiǎn)的問(wèn)題描述71
• 4.3.2 線性局部切空間排列維數(shù)約簡(jiǎn)算法71-72
• 4.3.3 線性局部切空間排列維數(shù)約簡(jiǎn)的理論依據(jù)72-73
• 4.4 基于流形學(xué)習(xí)特征約簡(jiǎn)的風(fēng)電機(jī)組故障診斷模型73-74
• 4.5 基于流形學(xué)習(xí)特征約簡(jiǎn)的風(fēng)電機(jī)組故障診斷模型應(yīng)用實(shí)例74-84
• 4.6 混合域特征融合84-87
• 4.6.1 EMD 與AR 模型系數(shù)融合85-87
• 4.6.2 時(shí)域特征與頻域特征融合87
• 4.7 用混合域特征融合改進(jìn)基于流形學(xué)習(xí)特征約簡(jiǎn)的故障診斷模型87-88
• 4.8 基于混合域特征融合和流形學(xué)習(xí)特征約簡(jiǎn)的風(fēng)電機(jī)組故障診斷模型應(yīng)用分析88-102
• 4.9 本章小結(jié)102-104
• 5 風(fēng)電機(jī)組狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)設(shè)計(jì)104-132
• 5.1 系統(tǒng)總體設(shè)計(jì)104-107
• 5.1.1 需求分析104-105
• 5.1.2 總體設(shè)計(jì)105-107
• 5.2 系統(tǒng)硬件設(shè)計(jì)107-111
• 5.2.1 傳感器、采集卡、無(wú)線聲發(fā)射傳感器網(wǎng)絡(luò)節(jié)點(diǎn)的選型107-108
• 5.2.2 傳感器的安裝108-109
• 5.2.3 測(cè)點(diǎn)布置109-111
• 5.2.4 前端采集構(gòu)架111
• 5.3 系統(tǒng)軟件設(shè)計(jì)111-119
• 5.3.1 開(kāi)發(fā)語(yǔ)言選擇、操作系統(tǒng)配置要求111-112
• 5.3.2 數(shù)據(jù)庫(kù)構(gòu)建112-113
• 5.3.3 數(shù)據(jù)采集軟件設(shè)計(jì)113
• 5.3.4 監(jiān)控維護(hù)集成分析軟件設(shè)計(jì)113-119
• 5.4 應(yīng)用實(shí)例119-131
• 5.4.1 風(fēng)電機(jī)組發(fā)電機(jī)輸入端軸承故障診斷119-125
• 5.4.2 空間活動(dòng)件內(nèi)部軸承壽命狀態(tài)識(shí)別125-131
• 5.5 本章小結(jié)131-132
• 6 結(jié)論與展望132-136
• 6.1 結(jié)論132-134
• 6.1.1 全文總結(jié)132-133
• 6.1.2 主要?jiǎng)?chuàng)新點(diǎn)133-134
• 6.2 研究展望134-136
• 致謝136-138
• 參考文獻(xiàn)138-148
• 附錄148-149
• A. 作者在攻讀博士學(xué)位期間發(fā)表的論文目錄148-149
• B. 作者在攻讀博士學(xué)位期間參加的科研項(xiàng)目149

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來(lái)了解更多相關(guān)內(nèi)容

振動(dòng)譜表征空間滾動(dòng)軸承壽命狀態(tài)方法研究    陳仁祥

基于獨(dú)立分量分析特征提取的故障診斷系統(tǒng)    屈微;劉賀平;張德政;

基于小波神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電機(jī)故障診斷    莊哲民;殷國(guó)華;李芬蘭;江鐘偉;

基于交叉驗(yàn)證法的BP神經(jīng)網(wǎng)絡(luò)在汽輪機(jī)故障診斷中的應(yīng)用    丁常富;王亮;

遺傳算法優(yōu)化最小二乘支持向量機(jī)的故障診斷    李鋒;湯寶平;劉文藝;

基于遺傳算法與BP神經(jīng)網(wǎng)的風(fēng)力發(fā)電機(jī)齒輪箱故障診斷研究    周培毅;張新燕;張華中;

基于雙譜分析的齒輪故障診斷研究    熊良才,史鐵林,楊叔子

神經(jīng)網(wǎng)絡(luò)與遺傳算法在優(yōu)化設(shè)計(jì)中的結(jié)合運(yùn)用    劉瑞齋;

基于局部線性嵌入和最近特征線的人耳識(shí)別    謝朝霞;穆志純;謝建軍;

基于Elman神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷    湯寶平;習(xí)建民;李鋒;

基于流形學(xué)習(xí)和隱Markov模型的故障診斷    鄧?yán)?李鋒;姚金寶;

風(fēng)力發(fā)電機(jī)組關(guān)鍵部件的有限元分析    許燕

基于DE—BP算法的空調(diào)負(fù)荷預(yù)測(cè)研究    冀衛(wèi)興;陳忠海;方箏;

EMD在汽車變速齒輪箱振動(dòng)故障分析的應(yīng)用    張德祥;吳小培;盧一相;

基于BP網(wǎng)絡(luò)模型的青弋江水質(zhì)預(yù)測(cè)研究    李峻;孫世群;

BP神經(jīng)網(wǎng)絡(luò)在青弋江水質(zhì)評(píng)價(jià)上的應(yīng)用    李峻;孫世群;

基于支持向量機(jī)遙感圖像融合分類方法研究進(jìn)展    郭立萍;唐家奎;米素娟;張成雯;趙理君;

基于NC-SVM的酵母蛋白功能預(yù)測(cè)研究    王婷婷;黃燕;

人群運(yùn)動(dòng)與密度估計(jì)技術(shù)研究    王爾丹

最小二乘支持向量機(jī)的研究與應(yīng)用    馮學(xué)軍;

建筑物沉降預(yù)測(cè)的改進(jìn)Verhulst模型研究    周德強(qiáng);馮建中;

Temperature Drift Modeling of FOG based on LS-WSVM    王立平;孔小梅;付夢(mèng)印;王美玲;張甲文;姜明;

基于核偏最小二乘的簡(jiǎn)約最小二乘支持向量機(jī)及其應(yīng)用研究    宋海鷹;桂衛(wèi)華;陽(yáng)春華;

基于最小二乘支持向量機(jī)的Hammerstein-Wiener模型辨識(shí)    宋海鷹;桂衛(wèi)華;陽(yáng)春華;

Inverse System Control of Nonlinear Systems Using LS-SVM    

A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition    

A CDMA Signal Receiver based on LS-SVM    

LS-SVM based Stable Generalized Predictive Control    

一種新的提前一步預(yù)測(cè)控制算法    閻綱;梁昔明;龍祖強(qiáng);李翔;

基于模糊支持向量機(jī)的賴氨酸發(fā)酵軟測(cè)量    孫玉坤;王博;丁慎平;

GA based LS-SVM Classifier for Waste Water Treatment Process    

有監(jiān)督的等距映射和k近鄰分類結(jié)合用于集員辨識(shí)    柴偉;孫先仿;喬俊飛;

半監(jiān)督支持向量機(jī)學(xué)習(xí)算法研究    趙瑩

分布式電源的概率建模及其對(duì)電力系統(tǒng)的影響    王敏

單點(diǎn)氨基酸多態(tài)性與疾病相關(guān)關(guān)系的預(yù)測(cè)及其機(jī)制研究    李書(shū)艷

多尺度線調(diào)頻基稀疏信號(hào)分解及其在齒輪箱故障診斷中的應(yīng)用    彭富強(qiáng)

電能質(zhì)量擾動(dòng)相關(guān)問(wèn)題研究    張明

鋼球表面缺陷檢測(cè)關(guān)鍵技術(shù)研究及樣機(jī)研制    王義文

基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷模型及算法研究    呂寧

基于進(jìn)化算法的復(fù)雜化工過(guò)程智能建模方法及其應(yīng)用    許偉

支持向量回歸機(jī)代理模型設(shè)計(jì)優(yōu)化及應(yīng)用研究    向國(guó)齊

空間數(shù)據(jù)分析的神經(jīng)計(jì)算方法    桑永勝

基于顏色和紋理特征的竹條分級(jí)方法研究    曾傳華

一種基于聚類的支持向量機(jī)反問(wèn)題求解算法    朱杰

Hilbert-Huang變換改進(jìn)算法及其在齒輪箱故障診斷中的應(yīng)用研究    高昌鑫

煤礦通防安全信息集成與控制預(yù)警系統(tǒng)平臺(tái)研究    李旭東

基于支持向量機(jī)的人民幣序列號(hào)識(shí)別方法的研究    田文娟

基于3S的土地督察信息系統(tǒng)研究    孟培培

青島華威風(fēng)電場(chǎng)風(fēng)能資源分析及選址關(guān)鍵技術(shù)研究    張琴

不平衡數(shù)據(jù)集上支持向量機(jī)算法研究    劉維會(huì)

吉林省洮南風(fēng)電場(chǎng)選址及長(zhǎng)遠(yuǎn)發(fā)展分析    陳海清

支持向量機(jī)在金融市場(chǎng)預(yù)測(cè)中的應(yīng)用    李海清

基于獨(dú)立分量分析特征提取的故障診斷系統(tǒng)    屈微;劉賀平;張德政;

潤(rùn)滑脂的動(dòng)態(tài)分油能力對(duì)軸承振動(dòng)性能的影響    吳寶杰,劉慶廉,李興林,周銀生

基于小波和奇異譜降噪理論的軸承故障診斷研究    李峰,張英堂,王寧,宋兵,周寶成

套圈制造精度對(duì)滾動(dòng)軸承振動(dòng)與噪聲的影響    趙惠玲,賈峰一,李旭東,常洪

滾動(dòng)軸承微動(dòng)磨損導(dǎo)致的振動(dòng)分析    裴禮清,趙麗萍

表面粗糙度對(duì)軸承振動(dòng)的影響    汪久根;王慶九;章維明;

滾動(dòng)軸承可靠性加速壽命試驗(yàn)研究    王堅(jiān)永，莊中華，吳秀鸞，湯潔

基于小波神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電機(jī)故障診斷    莊哲民;殷國(guó)華;李芬蘭;江鐘偉;

滾動(dòng)軸承振動(dòng)測(cè)量物理量和測(cè)量條件的探討    楊曉蔚;

基于遺傳算法與BP神經(jīng)網(wǎng)的風(fēng)力發(fā)電機(jī)齒輪箱故障診斷研究    周培毅;張新燕;張華中;

球軸承振動(dòng)的研究    趙聯(lián)春

高速主軸用滾動(dòng)軸承性能分析與試驗(yàn)研究    劉振宇

真空環(huán)境中固體潤(rùn)滑軸承損傷機(jī)理研究    聞凌峰

基于神經(jīng)網(wǎng)絡(luò)與規(guī)則庫(kù)的故障診斷專家系統(tǒng)    鞠萬(wàn)群,韓秋實(shí)

聲信號(hào)分析方法在軸承故障診斷中的應(yīng)用    張武軍,徐金梧,楊德斌,周艷玲,王海峰

外耳形狀特征和內(nèi)耳結(jié)構(gòu)特征結(jié)合的人耳特征提取    穆志純;席德春;徐正光;袁立;

土木工程結(jié)構(gòu)安全性評(píng)估、健康監(jiān)測(cè)及診斷述評(píng)    李宏男,李東升

HHT方法在電力系統(tǒng)故障信號(hào)分析中的應(yīng)用    李天云,趙妍,季小慧,李楠

機(jī)械故障診斷中常用解調(diào)方法的比較及應(yīng)用    馬曉建,陳瑞琪,吳文英,周保堂,賀世正

基于Dempster-Shafer證據(jù)理論的信息融合在設(shè)備故障診斷中應(yīng)用    王奉濤,馬孝江,朱泓,王志鵬

基于J2EE的汽輪機(jī)遠(yuǎn)程監(jiān)測(cè)和故障診斷系統(tǒng)    董辛?xí)F,韓捷,毛清華

BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法在電氣故障診斷系統(tǒng)中的應(yīng)用    李季,嚴(yán)東超

電子電路故障診斷的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合算法    朱大奇,于盛林

局域波時(shí)頻分析方法的理論研究與應(yīng)用    蓋強(qiáng)

智能故障診斷中的機(jī)器學(xué)習(xí)新理論及其應(yīng)用研究    馬笑瀟

希爾伯特—黃變換局瞬信號(hào)分析理論的研究    鐘佑明

航空電子設(shè)備故障診斷技術(shù)研究    朱大奇

神經(jīng)網(wǎng)絡(luò)和證據(jù)理論集成的數(shù)據(jù)融合故障診斷方法研究    李沖祥

模糊綜合評(píng)判在風(fēng)力發(fā)電設(shè)備診斷中的應(yīng)用    張登峰;郝偉;郝旺身;董辛?xí)F;

基于神經(jīng)網(wǎng)絡(luò)和混合編程的整流橋故障診斷研究    沈楓;王孟蓮;梁樹(shù)甜;

模糊Petri網(wǎng)在液壓泵故障診斷中的應(yīng)用研究    方桂花;趙永;李緒省;

跟蹤判斷篩檢法在液壓系統(tǒng)故障診斷中的應(yīng)用    李建福;

工程機(jī)械液壓系統(tǒng)故障的現(xiàn)場(chǎng)檢測(cè)與診斷    連偉;王漢章;

基于證據(jù)理論聚類算法的故障診斷    洪貝;胡昌華;姜學(xué)鵬;

飛機(jī)健康管理綜述    熊天翔;

微機(jī)輔助電路調(diào)試中的故障診斷    田璧元,賈新華

艦船武備系統(tǒng)故障診斷算法的探討    楊國(guó)柱;周耕書(shū);

滾動(dòng)軸承故障診斷技術(shù)的研究(上)    朱昶基,胡用生,陳健凡,劉繼

磨煤機(jī)的故障診斷    劉仁德;胡申輝;徐家倬;

振動(dòng)信號(hào)時(shí)間序列建模在故障診斷中的應(yīng)用    戴樂(lè)云;李建康;

汽輪機(jī)故障診斷文本支持系統(tǒng)的研究與建立    李曉棟;胡清華;

遺傳算法在故障診斷中應(yīng)用的新方法    王航;于歆杰;

頻譜分析技術(shù)在滾動(dòng)軸承故障診斷中的應(yīng)用    單鴻鵬;關(guān)月紅;

基于衛(wèi)星通信的船舶冷藏集裝箱遠(yuǎn)程故障診斷系統(tǒng)    張珍;韓厚德;陳寶忠;

高速回轉(zhuǎn)軸油膜振蕩故障診斷分析    衛(wèi)紅梅;段滋華;

EMD及其在聲發(fā)射檢測(cè)中的應(yīng)用研究    陽(yáng)能軍;湯偉;龍憲海;雷濤;

基于瞬時(shí)轉(zhuǎn)速的斯特林發(fā)動(dòng)機(jī)循環(huán)系統(tǒng)故障診斷研究    蔡勇;王曉武;潘衛(wèi)明;

電噴發(fā)動(dòng)機(jī)非正常熄火的故障診斷分析    黃忠民;

液壓制動(dòng)系統(tǒng)的故障診斷    黃安華

濟(jì)鋼EAM離線網(wǎng)絡(luò)點(diǎn)檢和故障診斷管理系統(tǒng)開(kāi)發(fā)應(yīng)用    李萍

上海海大一課題列入國(guó)家“863”計(jì)劃    胡榮山 馬巍

小型漁船柴油機(jī)故障診斷與排除    孫建陽(yáng)　劉波

孫彥廣：冶金故障診斷設(shè)備前景廣闊    見(jiàn)習(xí)記者 仝亞娜

網(wǎng)卡故障診斷    小田

干式復(fù)合“粘邊”故障診斷    陳全東

大型天然氣裝置實(shí)現(xiàn)網(wǎng)絡(luò)化監(jiān)測(cè)    龔獻(xiàn)榮

濟(jì)鋼網(wǎng)絡(luò)化設(shè)備點(diǎn)檢與故障診斷管理系統(tǒng)上線運(yùn)行    周傳勇 杜慧

WLAN也有“線”    湯懷京

基于流形學(xué)習(xí)的風(fēng)電機(jī)組傳動(dòng)系統(tǒng)故障診斷方法研究    李鋒

基于有向圖模型的故障診斷方法研究及其在航天中的應(yīng)用    宋其江

基于過(guò)程信息融合的旋轉(zhuǎn)機(jī)械信息（火用）故障診斷研究    陳非

計(jì)算智能在機(jī)械設(shè)備故障診斷中的應(yīng)用研究    馮志鵬

基于統(tǒng)計(jì)學(xué)方法的自適應(yīng)過(guò)程監(jiān)控與故障診斷    何小斌

基于PLS的統(tǒng)計(jì)質(zhì)量監(jiān)控研究與應(yīng)用    宋凱

復(fù)雜機(jī)械基于數(shù)據(jù)的建模與故障診斷    李敏

航空發(fā)動(dòng)機(jī)故障診斷的融合技術(shù)研究    魯峰

機(jī)電系統(tǒng)故障診斷的理論與應(yīng)用研究    蔣斌

挖泥船動(dòng)力機(jī)械遠(yuǎn)程診斷系統(tǒng)關(guān)鍵技術(shù)研究    盛晨興

大型汽輪發(fā)電機(jī)故障診斷專家系統(tǒng)診斷處理子系統(tǒng)的研究    王明秀

基于神經(jīng)網(wǎng)絡(luò)的水輪發(fā)電機(jī)組振動(dòng)故障診斷專家系統(tǒng)的研究    劉峰

地空導(dǎo)彈混合智能故障診斷專家系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)    許東

基于規(guī)則的數(shù)據(jù)挖掘方法在故障診斷中的應(yīng)用    石金彥

基于小波變換的旋轉(zhuǎn)機(jī)械故障診斷    周春健

基于Web的遠(yuǎn)程監(jiān)測(cè)與故障診斷系統(tǒng)研究    陳潔

汽車發(fā)動(dòng)機(jī)故障診斷專家系統(tǒng)的開(kāi)發(fā)研究    辛惠娟

基于小波的導(dǎo)彈測(cè)試信號(hào)處理與故障診斷    劉滿國(guó)

關(guān)于獨(dú)山子煉油廠進(jìn)料泵的故障診斷    朱勝利

基于神經(jīng)網(wǎng)絡(luò)的工程結(jié)構(gòu)在線監(jiān)測(cè)與故障診斷研究    李曉彬