一、磨损故障综合诊断专家系统研究（论文文献综述）
孙鑫海[1]（2021）在《内燃机车柴油机主轴承失效机理及预防研究》文中进行了进一步梳理国产主型内燃机车柴油机的主轴承均采用液体动压滑动式轴承结构,其具有承载能力大、抗冲击能力强和摩擦损耗小、寿命长等特点。但是,随着内燃机车使用年限的增长,柴油机各机械组件逐渐老化,加之维修、运用不当,易导致主轴承工作失效。主轴承失效轻则造成轴瓦损伤影响机车正常使用,重则引发机体、曲轴报废导致严重机破,不仅会给铁路局机务段带来较大的直接经济损失,严重时甚至会扰乱正常的运输和生产秩序,造成巨大间接经济损失。本论文通过分析滑动轴承机构和滑动轴承失效形式,结合内燃机车16V240ZJ、12V240ZJ、8240ZJ型柴油机主轴承失效典型故障案例,从影响柴油机主轴承工作状态最直接、重要的曲轴、机体、轴瓦三大部件进行分析,总结出了主轴承检修、组装和运用过程中可能诱发主轴承失效的主要因素,提出了精细选配主轴瓦、液氮冷却法更换曲轴油堵等技术改进措施,并设计制作了曲轴清洗试压装备,解决了曲轴内油道清洗不彻底和内油道无法做密封性试验的难题,有效地提升了柴油机主轴承组件的检修水平,为遏止柴油机主轴承非正常失效惯性质量故障打下了坚实的基础。同时,结合光谱分析技术和铁谱分析技术的优缺点,提出了以光谱分析为主、以铁谱分析为辅的光铁谱油液综合诊断应用方法,即通过运用光谱分析技术确定磨粒的元素类型和浓度,再对光谱分析显示异常磨粒的油液进行铁谱分析,确定出异常磨粒的可能来源,从而为更有针对性地开展技术检查提供依据,进而更快捷、准确地查找出异常磨损的部位。光铁谱油液综合诊断应用方法有助于提前预测主轴承的磨损状态,避免因主轴承过度磨损导致工作失效而引发柴油机大部件破损,保障机车运用安全可靠,为运输生产节约成本,达到节支降耗的目的。
谭文涛[2]（2019）在《带式输送机故障诊断分析与研究》文中研究说明带式输送机作为一种结构简单、维修方便、输送能力强的散料输送设备,其在煤矿、化工、冶金、电力、食品、港口等行业的得到了广泛应用。但是,输送机在实际生产中仍然存在诸多故障,导致非计划性停机的情况时有发生。因此,通过对带式输送机故障诊断的分析与研究,对提高煤矿、冶金等行业的安全可靠生产具有十分重要的意义。为了研究带式输送机的故障类型及原因,根据带式输送机的机械系统和控制系统,分析及研究了带式输送机各个组成部分的故障类型及其影响因素。为了优化传统的状态信号数据采集系统,设计出一套适用于带式输送机故障诊断的数据采集系统,包括数据检测系统和数据传输系统。根据带式输送机现有的数据采集系统,开发了支持Zigbee无线传输方式的状态监测器,并运用查表法及MultiSim电路仿真软件,对状态监测器的滤波电路进行设计和验证,以提高状态监测器的抗混能力。采用无线传输技术,研究了支持Zigbee无线传输方式的数据传输系统。为了探究适用于带式输送机的故障诊断方法,根据模糊综合评判理论和机械振动分析理论,结合带式输送机的故障类型和故障征兆,建立了关于带式输送机故障诊断的模糊综合诊断模型和振动分析诊断模型。为了将带式输送机的诊断模型应用于实践,运用KingView组态软件对传统的组态监控系统进行了优化,运用Matlab的GUI可视化界面,研究开发了故障诊断系统,以故障诊断模型为依据编写了 Matlab实现算法,并结合DDE动态数据交换技术实现了跨平台的数据共享。
宋志刚[3]（2019）在《冷水机组故障综合诊断方法研究》文中研究指明冷水机组是暖通空调系统的核心部件之一。冷水机组的故障运行,直接影响到系统能耗和室内环境。因此开展冷水机组故障的检测诊断研究具有重要意义。国内外学者的研究多集中于单一诊断模型的开发和优化方面,而由于冷水机组故障的复杂性和诊断模型算法的局限性,导致单一模型的诊断结果在不同种类故障和低水平故障方面表现出差异性。据此,本文提出基于随机森林算法的综合诊断模型,将单一诊断模型的结果进行融合,旨在进一步提高诊断准确率。本文首先分析模型法解决冷水机组故障诊断问题时,影响准确率的五个因素:输入参数、回归模型、特性参数、故障阈值和诊断规则。通过分析冷水机组工作原理和热力特性,选择可以综合反应冷水机组运行状况的三个参数作为模型的输入参数。分析故障发生时的表现特征,确定特性参数和故障诊断规则。选择EWMA方法,分析特性参数的残差,确定特性参数的故障阈值,并通过控制虚警率<0.1,对故障阈值进行优化。通过文献分析,综合考虑建模复杂程度、模型精度和使用频率,选择三种回归模型。建立多项式回归诊断模型、BP神经网络诊断模型和支持向量回归诊断模型,作为三种单一的故障诊断模型。利用ASHRAE RP1043项目数据,分别使用三种单一诊断模型对四个不同严重等级下的五种故障,进行检测和诊断。结果表明,对于冷却水减少故障、冷冻水减少故障、制冷剂过多和冷凝器结垢故障,多项式回归诊断模型的诊断准确率最高。对于制冷剂不足故障,BP神经网络诊断模型的诊断准确率最高。对于同一类型的故障,不同的诊断模型呈现出较大的差异性。在单一诊断模型的基础上,提出基于随机森林算法的冷水机组故障综合诊断方法。用单一故障诊断模型的诊断结果建立综合诊断模型训练矩阵,训练随机森林算法,通过5折交叉验证,得到综合诊断模型的诊断结果,并分析对于不同类型故障和同一故障的不同严重等级,综合诊断模型的优势。结果表明,对于五种故障,综合诊断模型的诊断准确率分别为:100%、100%、88.89%、99.07%、87.96%。对于不同类型的故障,综合诊断模型的诊断准确率均优于单一诊断模型。此外,在低水平故障时,综合诊断模型也优于单一诊断模型。综合诊断模型可以显着提高故障检测与诊断的准确率。本文的研究成果,可以为冷水机组故障诊断和建筑机电系统运维提供理论指导。
朱毅[4]（2019）在《齿轮箱运行状态综合诊断平台设计与开发》文中认为随着机械设备在工业领域的普及,齿轮箱作为必备传动机构也愈发重要,它直接关系机械设备能否正常运转。一般工厂通过定时检修的方式对齿轮箱进行维护,缺乏设备状态在线监测、智能评价诊断的手段。因此,本文借由江苏省泰隆集团“减速机监测实验平台”项目支持,满足企业对于其运行状态评估的现实需求,研究设计了针对齿轮箱监测和诊断的平台系统,以温度、振动等多源指标实时监控齿轮箱运行状况,通过指标数据完成其设备状态评价,并基于专家系统对异常进行诊断与反馈。首先,根据所要监测的指标,完成数据采集方案的设计,对系统整体架构与功能模块进行分析。按照对应分析结果,设计相应数据库,实现数据信息分类储存统计。接着基于J2EE平台及MVC架构完成系统的开发,通过ECharts完成指标数据的可视化。而后,对设备运行状态评价展开研究,引入设备可拓评价的方法,通过建立物元模型,计算优度值确定设备状态等级。其中,设备指标权重分别通过主观的层次分析法与客观的灰色关联度法综合计算得到。最后,建立基于Jess规则引擎的专家系统,完成故障诊断工作,同时完成对系统每个模块实际界面的综合展示。专家诊断系统分为两个方面:常规数据（温度、噪音...）依靠孤立森林算法（Isolation Forest）完成其异常程度计算,之后化为可信度因子后进行故障推导;非常规数据通过建立证据事实矩阵,与故障模糊矩阵进行贴近度匹配计算,录入非常规性规则库后进行综合判断。
彭毅[5]（2014）在《基于振动和油液信息融合的发动机故障诊断方法研究》文中研究说明随着发动机结构复杂程度不断提高,影响发动机运行状态的因素和环节越来越多,导致发动机故障种类复杂而多样,同时也增加了故障诊断的难度。因而,如何及时准确对发动机的运行状态进行有效监测和诊断,已成为确保发动机安全可靠运行的一个亟待解决的问题。本文的研究目的就是要探索基于振动和油液信息融合的发动机状态监测和故障诊断方法。主要内容如下：根据发动机振动原因和磨损机理,分析发动机机械故障与振动、磨损之间的联系,构建基于振动信息和油液信息融合的发动机振动-磨损混合故障树,揭示发动机机械故障与振动信息和油液信息之间的内在关系,为建立基于振动信息和油液信息融合的发动机状态监测和故障诊断模型提供参考。提取发动机的振动特征参数和油液特征参数,获得发动机的振动信息和发动机油液油品信息,运用模糊综合评价方法建立基于振动信息和油液信息融合的发动机运行状态综合评价模型,确定基于振动信息和油品信息融合的发动机运行状态监测方法,为发动机运行状态的监测提供一种新的思路。针对发动机的运行状态和故障征兆之间存在随机性和模糊性的情形,综合考虑发动机振动信息、油液油品信息和铁谱信息,应用模糊理论建立基于振动信息、润滑油油品信息和铁谱信息融合的发动机综合故障诊断模型,确定基于振动信息和油液信息融合的发动机故障综合诊断方法,实现基于振动分析和油液分析的发动机综合故障诊断。通过实例分析,验证本文基于振动信息和油液信息融合的发动机状态监测与故障诊断方法的正确性和有效性。
刘成材,张敏,郭宏志,黄晓琪,刘峰[6]（2014）在《基于多Agent的风电油液故障分析与诊断专家系统》文中指出通过对风电机组齿轮箱中润滑油密度、温度、粘度、介电常数、铁磁颗粒、非铁磁颗粒、含水量7个参数的实时监测分析,引入多Agent技术作为风电机组齿轮箱油液分析与故障诊断的专家决策思路,构建了基于多Agent风电机组油液故障分析与诊断专家系统。本系统能够对风电机组齿轮箱滑油系统故障进行在线监测和分析,为风电机组主要故障的视情维护提供科学依据,是指导风机润滑管理与运行维护的有效手段。
李爱[7]（2013）在《航空发动机磨损故障智能诊断若干关键技术研究》文中研究指明航空发动机结构极复杂，工作在高温、高速的恶劣条件下，极易发生各种机械故障。据统计，在造成各类飞行事故的诸因素中，发动机故障原因所占比例一般在25％～30％，而航空发动机转子系统及传动系统中的齿轮和轴承磨损失效是航空发动机研制和使用过程中所出现的主要故障。由此可见，及时有效地诊断和预测出航空发动机的磨损故障，对于提高飞行安全，降低发动机维修成本，实施航空发动机视情维修，具有重要意义。然而，由于航空发动机的复杂性，各种磨损数据与磨损故障之间是一种模糊的、非线性、不确定的关系，传统方法已经不能满足磨损故障诊断的要求。鉴于此，本文将现代人工智能和模式识别技术引入航空发动机磨损故障诊断，围绕航空发动机磨损故障智能诊断若干关键技术进行研究，主要内容如下：1)不局限于正态分布假设的磨损界限值的制定。抛弃了传统油样数据正态分布假设，提出了基于支持向量机的磨损界限值制定方法。利用支持向量机从大量的油样分析数据中估计出概率密度函数，再依据估计出的概率密度函数得到航空发动机磨损界限值。该方法利用了支持向量机全局最优、良好泛化能力，以及解的稀疏性等优越性能，与传统统计方法相比，更具科学性和合理性。最后本文应用实际的航空发动机油样光谱数据对方法进行了验证分析，表明了方法的正确有效性。2)磨损趋势的组合预测方法。对油样分析数据进行数学建模，外推出未来发展趋势，对于航空发动机磨损状态的预测，尽早对故障的发展趋势进行预测和评估，从而避免重大事故的发生和及时安排维修工作，具有重要意义。鉴于此，本文提出基于最小二乘支持向量机的组合预测方法，首先利用灰色预测模型，神经网络预测模型和AR预测模型进行单项预测，然后利用最小二乘支持向量机方法实现组合预测，同时利用粒子群算法对支持向量机参数进行了优化。该方法解决了单一预测模型的信息源不广泛性，对模型设定形式敏感等问题。最后，利用实际的航空发动机油样光谱数据对方法进行了验证，表明了本文组合预测方法较单一预测模型方法大大提高了预测精度。3)磨损故障诊断知识规则的自动提取。为了解决目前航空发动机磨损故障智能诊断专家系统普遍存在知识获取能力弱，知识更新困难，知识适应性差等方面的缺陷，本文提出了基于支持向量机的数据挖掘技术，利用支持向量机进行了磨损规则的自动获取研究。在该方法中，首先利用遗传算法对样本数据特征进行选取，然后将特征选取后的数据样本映射到一个高维特征空间中，得到样本的最优分类超平面以及支持向量，利用支持向量机聚类算法得到样本的聚类分配矩阵，最后在聚类分配矩阵的基础上构建超矩形，得到超矩形规则，并利用规则合并、维数约简、区间延伸等方法对超矩形规则进行了简化。针对样本严重不平衡问题，本文采用过抽样算法中典型的SMOTE算法对故障样本进行重采样之后再进行规则提取，取得了良好的效果。同时，开发了专家系统与国外着名数据挖掘开源软件Weka的接口技术，利用Weka软件的数据挖掘算法实现了航空发动机磨损故障诊断专家系统的知识自动获取。最后，利用实际的航空发动机故障数据进行了验证，表明了本文方法的正确有效性。4)基于多Agent的磨损故障融合诊断方法。该方法综合运用各油样分析方法的冗余性和互补性，有效地利用各种油样分析方法的特点和优势以提高诊断精度。该多Agent诊断系统主要包括颗粒计数Agent、理化分析Agent、铁谱分析Agent、光谱分析Agent、总控Agent、调度Agent、通信Agent、融合诊断Agent、油样数据和知识规则库以及人机智能界面。本文根据飞机发动机磨损故障诊断的实际情况，给出了各Agent诊断规则，并用具体的油样分析数据进行了验证，表明了多Agent融合诊断的有效性。5)最后本文将所研究的若干智能方法运用于与成都飞机工业（集团）有限责任公司以及北京航空工程技术研究中心合作开发的航空发动机磨损故障诊断专家系统中，实现磨损界限值制定、磨损趋势预测、融合诊断以及专家系统的知识自动获取。应用结果表明，本文的研究工作大大提升了航空发动机磨损故障智能诊断专家系统的智能化和自动化水平。
吴军[8]（2013）在《火炮状态智能诊断技术研究》文中研究说明火炮状态智能诊断技术对提高火炮作战性能具有重要意义,而目前对于火炮诊断技术主要采用传统的诊断监测技术,如油液分析、信号分析以及虚拟样机技术,这些诊断技术对于解决火炮复杂的故障效率较低,因此本文将智能诊断技术运用于火炮状态诊断。针对火炮不同故障将采用不同的智能诊断技术来对火炮系统进行全面诊断以及提高诊断的准确性,本文介绍了运用于火炮状态监测与智能诊断系统的三种智能诊断技术。模糊综合诊断技术通过对火炮故障现象与故障原因模糊综合评价来对火炮主要子系统（反后坐装置、炮闩、自动装填系统等）进行诊断；GA-BP网络诊断技术通过火炮监测故障参数与故障原因之间的输入输出映射关系进行诊断,主要运用于火炮较小子系统或零部件（如制退机）；而基于案例的专家系统诊断技术则是通过火炮故障案例匹配搜索来进行诊断,运用于火炮特殊故障（如油路故障、电器故障等）,另外采用matlab（?）分别建立了反后坐过长模糊综合诊断模型和制退机GA-BP网络诊断模型,同时完成了火炮专家诊断系统结构设计。利用智能诊断技术,在VB平台上,开发了火炮状态监测与智能诊断系统。对人机界面进行了设计,包含GA-BP网络诊断界面、专家系统诊断界面、模糊综合故障诊断界面等；完成了VB与matlab语言的混合编程,实现了了VB调用Matlab诊断程序；最后对系统核心—数据库进行了设计,完成数据库共享、编辑等功能。
李延泉[9]（2011）在《某型运输飞机机械故障智能综合诊断研究》文中研究指明随着航空技术的迅猛发展,大量高精尖技术运用于飞机,使得飞机机械系统日趋复杂,人们对于飞机的安全性和可靠性提出了越来越高的要求,从而使得智能故障诊断技术成为了保障飞机安全的必要手段。现在尚有一批早期设计,服役至今的某型飞机,没有完善的故障诊断系统,在实际运行中,表现出故障率居高不下,为确保飞行安全和任务的顺利完成,必须对这类飞机尽可能多的进行故障诊断。本文比较系统地阐述了航空装备故障的来源,常见故障模式,航空装备故障诊断的特点、流程及常用方法,针对我军航空保障体系中存在的问题进行了分析,并将当今先进的航空故障诊断方法进行了综合,形成了一个有机整体。针对某型飞机发动机常出现故障的滑油系统,在剖析了滑油系统的工作原理的基础上,将故障树分析法运用在滑油系统的故障分析中,结合该故障相关机件的故障率,运用定量分析计算出各机件的重要度,飞机维修人员可以根据重要度的高低对机件进行维护和排故,可以提高效率、节约时间。在阐述专家系统的基本知识及构建过程的基础上,重点研究了该型飞机液压系统故障知识的获取和故障库的构造。并运用Prolog语言构造了基于逻辑的该型飞机液压故障诊断专家系统。在基于案例的推理（CBR）方法的飞机排故技术中,重点研究了排故案例库的构建,具有排故案例表达、案例库索引和案例存储的功能。从飞机排故的实际情况出发,建立了结合字符型字段匹配技术和最近邻法（KNN）的案例检索模型,并且,利用VB和Access数据库制作了一个界面友好的故障诊断软件,可以按相似度降序排列显示出相关案例,方便用户的操作,为用户提供快捷的故障检索。上述工作,初步构建了该型飞机机械系统中滑油、液压系统的综合诊断系统模型,提高了故障诊断效率,快速高效的实现了故障诊断。
李爱,陈果,张强,侯民利[10]（2010）在《基于多Agent协同诊断的飞机液压系统综合监控技术》文中研究指明通过对智能化诊断技术的研究,提出将人工智能多智体（Agent）技术应用于飞机液压系统综合监控系统中。构建了基于多种油样分析的多智体协同诊断专家系统方案,并开发了飞机液压系统状态监控专家系统（AHMES1.0）,应用于飞机液压系统的磨损故障监控。专家系统由污染分析Agent、理化分析Agent、铁谱分析Agent、光谱分析Agent、融合诊断Agent及综合诊断Agent构成,综合诊断Agent负责控制和管理其他Agent进行协同诊断。根据飞机液压系统诊断的实际情况,给出了各Agent的诊断规则。最后用实际的故障案例进行了验证,表明了多智体协同诊断的有效性。
二、磨损故障综合诊断专家系统研究（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、磨损故障综合诊断专家系统研究（论文提纲范文）
（1）内燃机车柴油机主轴承失效机理及预防研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 滑动轴承润滑研究现状 |
| 1.2.2 曲轴动力学分析研究 |
| 1.2.3 轴承合金层应力分析研究 |
| 1.2.4 润滑油性能分析研究 |
| 1.2.5 柴油机主轴承故障监测研究 |
| 1.3 论文的主要内容及结构 |
| 2 液体动压滑动轴承基础理论 |
| 2.1 引言 |
| 2.2 液体动压润滑的基本原理和基本关系 |
| 2.2.1 液体动压油膜的形成原理 |
| 2.2.2 液体动压润滑的基本方程 |
| 2.2.3 油楔承载机理 |
| 2.3 液体动压径向滑动轴承基本原理 |
| 2.4 滑动轴承失效形式及产生原因 |
| 2.4.1 磨粒磨损 |
| 2.4.2 疲劳破坏 |
| 2.4.3 咬粘(胶合) |
| 2.4.4 擦伤 |
| 2.4.5 过度磨损 |
| 2.4.6 腐蚀 |
| 2.4.7 其他失效形式 |
| 2.5 本章小结 |
| 3 主轴承失效分析 |
| 3.1 引言 |
| 3.2 制造和装配质量不达标 |
| 3.2.1 曲轴 |
| 3.2.2 机体 |
| 3.2.3 轴瓦 |
| 3.3 使用维护方法不当 |
| 3.3.1 柴油机飞车 |
| 3.3.2 滑油压力异常 |
| 3.3.3 司机操纵不当 |
| 3.3.4 配件检修质量不高 |
| 3.4 本章小结 |
| 4 主轴承失效控制措施 |
| 4.1 引言 |
| 4.2 主轴承相关配件清洁度控制 |
| 4.2.1 清洁度标准制定 |
| 4.2.2 曲轴清洗试压设备的设计制作 |
| 4.3 曲轴检测组装质量控制 |
| 4.3.1 曲轴修复 |
| 4.3.2 曲轴油堵更换方法 |
| 4.3.3 曲轴检测 |
| 4.4 机体检测组装质量控制 |
| 4.4.1 机体修复 |
| 4.4.2 机体检测 |
| 4.4.3 机体组装 |
| 4.5 轴瓦质量控制 |
| 4.5.1 轴承游隙值的确定 |
| 4.5.2 轴瓦检验与装配 |
| 4.6 使用维护要求 |
| 4.6.1 滑油压力监测 |
| 4.6.2 日常操作注意事项 |
| 4.7 本章小结 |
| 5 主轴承失效预防性研究 |
| 5.1 引言 |
| 5.2 铁谱、光谱分析和油品理化指标分析的原理和特点 |
| 5.2.1 铁谱分析 |
| 5.2.2 光谱分析 |
| 5.2.3 油品理化指标分析 |
| 5.3 光铁谱综合诊断技术研究 |
| 5.3.1 确定分析对象 |
| 5.3.2 光铁谱诊断标准 |
| 5.4 综合检测分析技术的应用 |
| 5.4.1 光谱分析 |
| 5.4.2 铁谱分析 |
| 5.4.3 分析结果的验证 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录1 作者简历及攻读学位期间取得的科研成果 |
| 附录2 学位论文数据集 |
（2）带式输送机故障诊断分析与研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 目的与意义 |
| 1.4 主要研究工作 |
| 2 带式输送机故障分析与研究 |
| 2.1 系统组成分析 |
| 2.2 故障分析 |
| 2.3 本章小结 |
| 3 数据采集系统的分析与设计 |
| 3.1 状态信号分析 |
| 3.2 数据检测系统设计 |
| 3.3 数据传输系统设计 |
| 3.4 本章小结 |
| 4 故障诊断模型的分析与研究 |
| 4.1 模糊理论 |
| 4.2 模糊综合诊断模型的构建 |
| 4.3 振动分析诊断模型的构建 |
| 4.4 本章小结 |
| 5 故障诊断系统的软件开发 |
| 5.1 数据链接 |
| 5.2 故障诊断系统的开发 |
| 5.3 监控界面的开发 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究内容展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（3）冷水机组故障综合诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 冷水机组FDD模型的开发与优化 |
| 1.2.2 HVAC设备传感器的故障诊断 |
| 1.2.3 不同诊断模型融合方法的研究 |
| 1.3 研究内容及结构 |
| 第2章 冷水机组及其故障分析 |
| 2.1 冷水机组及其工作过程 |
| 2.1.1 离心式冷水机组简介 |
| 2.1.2 制冷循环的热力学原理 |
| 2.2 冷水机组常见故障 |
| 2.2.1 冷却水流量减少 |
| 2.2.2 冷冻水流量减少 |
| 2.2.3 制冷剂不足 |
| 2.2.4 制冷剂过多 |
| 2.2.5 冷凝器结垢 |
| 2.3 本章小结 |
| 第3章 单一模型检测与诊断策略 |
| 3.1 故障检测与诊断流程 |
| 3.2 特性参数选择及故障诊断规则 |
| 3.3 回归模型的选择 |
| 3.3.1 多项式回归模型 |
| 3.3.2 BP神经网络模型 |
| 3.3.3 支持向量回归模型 |
| 3.4 故障阈值确定 |
| 3.5 本章小结 |
| 第4章 单一诊断模型的应用及其比较 |
| 4.1 ASHRAE RP-1043项目介绍 |
| 4.1.1 项目系统介绍 |
| 4.1.2 故障工况测试 |
| 4.2 单一诊断模型的应用 |
| 4.2.1 多项式方法的应用 |
| 4.2.2 BP神经网络方法的应用 |
| 4.2.3 支持向量机方法的应用 |
| 4.2.4 单一诊断模型的比较 |
| 4.3 本章小结 |
| 第5章 基于随机森林的综合诊断方法及其应用 |
| 5.1 随机森林算法 |
| 5.1.1 随机森林算法的基本思想 |
| 5.1.2 随机森林的一般特性 |
| 5.1.3 随机森林评价指标 |
| 5.2 冷水机组综合诊断方法 |
| 5.3 综合诊断方法的应用 |
| 5.4 诊断结果比较 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（4）齿轮箱运行状态综合诊断平台设计与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究的目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 设备状态监测 |
| 1.3.2 设备状况评价 |
| 1.3.3 设备故障诊断 |
| 1.3.4 齿轮箱诊断研究 |
| 1.4 研究内容与结构 |
| 2 齿轮箱运行状态综合诊断平台需求分析及总体设计 |
| 2.1 江苏泰隆企业基本情况 |
| 2.2 运行状态综合诊断平台开发现状分析 |
| 2.2.1 齿轮箱行业发展简介 |
| 2.2.2 齿轮箱设备监测技术 |
| 2.2.3 齿轮箱监测模块开发现状分析 |
| 2.2.4 评价诊断模块开发现状 |
| 2.3 系统需求分析 |
| 2.3.1 开发目的 |
| 2.3.2 开发思路 |
| 2.3.3 需求分析 |
| 2.3.4 总体设计 |
| 2.4 本章小结 |
| 3 数据采集系统设计 |
| 3.1 方案设计 |
| 3.2 各类模块设计分析 |
| 3.2.1 轴承温度监测模块 |
| 3.2.2 油参数信号监测模块 |
| 3.2.3 环境参数信号监测模块设计 |
| 3.2.4 振动信号监测模块设计 |
| 3.2.5 中控模块设计 |
| 3.3 数据传输与储存 |
| 3.3.1 数据传输格式 |
| 3.3.2 数据储存 |
| 3.3.3 实时数据转换 |
| 3.4 数据维护 |
| 3.5 本章小结 |
| 4 齿轮箱监测子系统设计 |
| 4.1 监测子系统体系 |
| 4.2 监测子系统构架分析 |
| 4.2.1 技术构架 |
| 4.3 功能模块详细介绍 |
| 4.3.1 工厂建模分析 |
| 4.3.2 数据管理 |
| 4.3.3 数据分析展观 |
| 4.4 报表管理 |
| 4.4.1 导出报表设计 |
| 4.4.2 数据库详细设计 |
| 4.5 本章小结 |
| 5 设备运行状态评价 |
| 5.1 设备运行规律分析 |
| 5.2 各类评价方法概述 |
| 5.3 机械设备可拓评价方法 |
| 5.3.1 可拓学概述 |
| 5.3.2 可拓评价方法步骤 |
| 5.4 设备指标权重确定方法 |
| 5.4.1 主观赋值法 |
| 5.4.2 客观赋值法 |
| 5.4.3 组合权重计算模型 |
| 5.4.4 优度评价算例分析 |
| 5.5 本章小结 |
| 6 诊断专家系统实现 |
| 6.1 技术思路 |
| 6.1.1 故障诊断技术 |
| 6.1.2 专家系统简介 |
| 6.1.3 专家系统开发工具 |
| 6.1.4 专家知识表示 |
| 6.1.5 设计思路 |
| 6.2 常规性专家系统建立 |
| 6.2.1 孤立森林算法 |
| 6.2.2 证据事实获取 |
| 6.2.3 规则推理的实现 |
| 6.3 非常规性专家系统建立 |
| 6.3.1 故障模糊关系矩阵建立 |
| 6.3.2 模糊模式识别 |
| 6.3.3 模糊诊断矩阵的改进 |
| 6.3.4 非常规性专家规则确立 |
| 6.3.5 推理实现 |
| 6.4 本章总结 |
| 7 系统实现 |
| 7.1 环境配置 |
| 7.2 系统优势 |
| 7.3 运行实例 |
| 7.4 本章总结 |
| 8 总结与展望 |
| 8.1 全文总结 |
| 8.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）基于振动和油液信息融合的发动机故障诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文的选题背景和意义 |
| 1.2 文献综述 |
| 1.2.1 基于振动信息的发动机故障诊断研究 |
| 1.2.2 基于油液信息的发动机故障诊断研究 |
| 1.2.3 基于多源信息融合的发动机故障诊断研究 |
| 1.3 本文研究内容 |
| 第二章 基于振动和油液信息融合的发动机故障树分析 |
| 2.1 引言 |
| 2.2 发动机振动原因分析 |
| 2.3 发动机磨损原因 |
| 2.4 发动机机械故障与振动和磨损之间的联系 |
| 2.5 基于振动和油液信息融合的发动机振动-磨损混合故障树 |
| 2.6 本章小结 |
| 第三章 基于振动和油液信息融合的发动机状态监测方法 |
| 3.1 引言 |
| 3.2 发动机振动特征参数的提取 |
| 3.2.1 振动信号采集与处理 |
| 3.2.2 时域特征参数 |
| 3.2.3 频域特征参数 |
| 3.3 发动机油品特征参数的提取 |
| 3.3.1 油液理化指标的检测与评定 |
| 3.3.2 机械杂质监测与评定 |
| 3.3.3 机械杂质定量化 |
| 3.3.4 油液品质劣化率 |
| 3.4 基于振动信息和油品信息融合的发动机状态综合评价 |
| 3.4.1 发动机综合评价模型建立 |
| 3.4.2 隶属度的确定 |
| 3.4.3 评判模型 |
| 3.5 实例仿真分析 |
| 3.6 小结 |
| 第四章 基于振动和油液信息融合的发动机故障诊断方法 |
| 4.1 引言 |
| 4.2 发动机机油铁谱信息特征参数的提取 |
| 4.3 基于振动信息和润滑油液信息融合的发动机故障诊断模型 |
| 4.3.1 发动机故障集与故障征兆集的建立 |
| 4.3.2 隶属函数 |
| 4.3.3 发动机故障诊断模型的建立 |
| 4.4 基于振动信息和油液信息的发动机故障综合诊断方法 |
| 4.5 实例仿真分析 |
| 4.6 小结 |
| 第五章 发动机状态监测与故障诊断的试验研究 |
| 5.1 引言 |
| 5.2 试验组成与目的 |
| 5.3 发动机振动试验 |
| 5.3.1 振动测试原理与设备 |
| 5.3.2 测试对象及测试点布置与选取 |
| 5.3.3 振动试验过程 |
| 5.4 发动机油液试验 |
| 5.4.1 发动机机油的采集 |
| 5.4.2 油液理化指标 |
| 5.5 试验结果计算分析 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表论文情况 |
（7）航空发动机磨损故障智能诊断若干关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 图表清单 |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 航空发动机磨损故障智能诊断研究背景 |
| 1.2 航空发动机磨损故障诊断研究现状 |
| 1.2.1 磨损监测仪器的开发 |
| 1.2.2 专家系统研究与开发 |
| 1.2.3 基于油液分析多源信息的磨损故障融合诊断 |
| 1.2.4 基于油样分析数据的发动机磨损趋势预测技术 |
| 1.2.5 磨损界限值制定技术 |
| 1.3 本论文的主要研究内容及安排 |
| 第二章 航空发动机磨损故障诊断界限值制定研究 |
| 2.1 引言 |
| 2.2 油样光谱诊断界限值特点 |
| 2.3 传统油样磨损诊断界限值制定方法 |
| 2.4 概率密度函数估计 |
| 2.4.1 概率密度估计问题的描述 |
| 2.4.2 基于 Parzen 窗法的概率密度函数估计 |
| 2.4.3 基于 kN-近邻法的概率密度函数估计 |
| 2.4.5 基于最大熵法的概率密度函数估计 |
| 2.4.6 基于支持向量机的概率密度函数估计 |
| 2.4.7 概率密度函数估计方法验证与比较 |
| 2.5 航空发动机磨损界限值制定 |
| 2.5.1 航空发动机油样光谱数据 |
| 2.5.2 航空发动机油样光谱数据质量浓度界限值制定 |
| 2.5.3 航空发动机油样光谱数据质量浓度梯度界限值制定 |
| 2.5.4 航空发动机油样光谱数据质量浓度比例界限值制定 |
| 2.6 小结 |
| 第三章 航空发动机磨损趋势组合预测模型研究 |
| 3.1 引言 |
| 3.2 时间序列预测方法概述 |
| 3.3 基于 LSSVM 的组合预测模型 |
| 3.3.1 LSSVM 回归算法原理 |
| 3.3.2 基于 PSO 的 LSSVM 回归模型优化 |
| 3.3.3 单一预测模型的选取 |
| 3.3.4 误差指标 |
| 3.3.5 获取训练样本 |
| 3.3.6 组合预测步骤 |
| 3.4 航空发动机油液光谱分析数据组合预测实例分析 |
| 3.4.1 算例 1 |
| 3.4.2 算例 2 |
| 3.5 结论 |
| 第四章 基于数据挖掘的航空发动机磨损故障诊断知识获取 |
| 4.1 引言 |
| 4.2 基于 SVM 的知识获取 |
| 4.2.1 概述 |
| 4.2.2 基于 GA_SVC 的知识获取流程 |
| 4.2.3 对不平衡数据的预处理 |
| 4.2.4 基于遗传算法特征选取的数据预处理 |
| 4.2.5 支持向量聚类算法 SVC |
| 4.2.6 基于规则的样本识别方法 |
| 4.2.7 规则的简化 |
| 4.3 基于 WEKA 平台的知识规则提取 |
| 4.3.1 Weka 系统介绍 |
| 4.3.2 基于 Weka 平台 C4.5 决策树算法的知识规则提取 |
| 4.4 诊断实例 |
| 4.4.1 航空发动机磨损故障案例数据 |
| 4.4.2 基于 SVM 的知识获取 |
| 4.4.3 基于 Weka 平台的知识获取 |
| 4.4.4 规则提取方法比较分析 |
| 4.5 结论 |
| 第五章 航空发动机磨损故障融合诊断技术研究 |
| 5.1 引言 |
| 5.2 AGENT 及多 AGENT 系统的理论基础 |
| 5.3 航空发动机磨损故障的多 AGENT 协同诊断 |
| 5.3.1 航空发动机磨损故障多 Agent 协同诊断的必要性分析 |
| 5.3.2 飞机发动机磨损故障多 Agent 协同诊断方法原理 |
| 5.3.3 各 Agent 诊断规则 |
| 5.4 诊断案例 |
| 5.4.1 诊断流程 |
| 5.4.2 诊断结果 |
| 5.5 结论 |
| 第六章 航空发动机磨损故障诊断专家系统开发 |
| 6.1 引言 |
| 6.2 专家系统简介 |
| 6.3 专家系统整体架构 |
| 6.4 专家系统主要功能 |
| 6.4.1 油样注册模块 |
| 6.4.2 趋势预测模块 |
| 6.4.3 专家诊断模块 |
| 6.4.4 机器学习模块 |
| 6.4.5 系统设置模块 |
| 6.5 小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（8）火炮状态智能诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的背景与意义 |
| 1.2 国内外诊断技术的研究现状 |
| 1.2.1 小波分析 |
| 1.2.2 油液分析诊断技术 |
| 1.2.3 基于案例推理的专家诊断技术 |
| 1.2.4 神经网络诊断技术 |
| 1.2.5 模糊诊断 |
| 1.3 诊断技术智能化发展 |
| 1.4 本文的研究工作 |
| 2 火炮故障分析 |
| 2.1 火炮故障特征统计分析 |
| 2.2 火炮故障规律统计 |
| 2.3 火炮故障诊断方法分析 |
| 2.3.1 火炮系统故障树分析 |
| 2.3.2 火炮智能诊断方法分析 |
| 2.4 本章小结 |
| 3 基于模糊理论综合诊断方法 |
| 3.1 火炮状态的模糊性 |
| 3.2 模糊诊断原理及方法 |
| 3.3 基于模糊理论改进的综合诊断模型 |
| 3.4 模糊综合诊断在火炮反后坐中的运用 |
| 3.4.1 权重集的确定 |
| 3.4.2 故障现象集的确定 |
| 3.4.3 模糊关系矩阵的确定 |
| 3.4.4 模糊综合诊断在火炮反后坐过长中的运用 |
| 3.5 本章小结 |
| 4 GA-BP神经网络诊断方法 |
| 4.1 人工神经网络概述 |
| 4.2 BP网络模型 |
| 4.2.1 BP网络结构及诊断原理 |
| 4.2.2 BP学习算法的实现 |
| 4.2.3 BP算法的改进 |
| 4.3 GA-BP神经网络模型 |
| 4.3.1 GA算法优化BP网络 |
| 4.3.2 GA-BP算法实现 |
| 4.4 GA-BP制退机状态诊断中的运用 |
| 4.4.1 火炮后坐、复进模型 |
| 4.4.2 火炮制退机故障机理分析 |
| 4.4.3 GA-BP网络仿真 |
| 4.5 本章小结 |
| 5 基于案例匹配推理的专家系统诊断方法 |
| 5.1 专家系统概述 |
| 5.2 火炮专家系统的结构设计 |
| 5.2.1 火炮专家系统的知识表示法设计 |
| 5.2.2 火炮专家系统的知识获取设计 |
| 5.2.3 火炮专家系统的推理机设计 |
| 5.3 本章小结 |
| 6 火炮状态智能诊断系统的开发 |
| 6.1 引言 |
| 6.2 状态智能诊断系统设计原则 |
| 6.3 状态智能诊断系统的总体结构 |
| 6.4 火炮状态智能诊断系统软件开发 |
| 6.4.1 可视化窗体界面设计 |
| 6.4.2 窗体界面之间动态链接 |
| 6.4.3 Visual Basic、matlab之间混编程序 |
| 6.4.4 系统故障数据库的开发 |
| 6.5 本章小结 |
| 总结 |
| 致谢 |
| 参考文献 |
（9）某型运输飞机机械故障智能综合诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 本课题的研究背景及意义 |
| 1.2 综合智能诊断的历史及其发展 |
| 1.2.1 国外研究现状 |
| 1.2.2 我国研究现状 |
| 1.3 论文研究内容及组织结构 |
| 第2章 故障诊断 |
| 2.1 航空装备故障的概念 |
| 2.1.1 航空装备失效概念 |
| 2.1.2 航空装备故障的概念 |
| 2.2 航空装备故障来源 |
| 2.2.1 故障来源及特点 |
| 2.2.2 航空装备常见失效与故障模式 |
| 2.3 航空装备故障诊断的基本内容 |
| 2.3.1 航空装备故障诊断的特点 |
| 2.3.2 航空装备故障诊断的流程 |
| 2.3.3 航空装备故障诊断的常用方法及比较 |
| 2.4 某型飞机维修保障体系存在的问题 |
| 2.5 构建该型飞机机械故障智能综合诊断系统 |
| 2.5.1 构建系统的指导思想 |
| 2.5.1.1 综合集成方法体系 |
| 2.5.1.2 以可靠性为中心的维修思想(RCM) |
| 2.5.2 智能综合诊断系统总体设计 |
| 第3章 基于故障树分析的故障诊断 |
| 3.1 故障树分析概述 |
| 3.1.1 故障树分析的起源 |
| 3.1.2 故障树分析的概念 |
| 3.1.3 故障树分析的基本元素 |
| 3.1.4 故障树分析的步骤 |
| 3.1.5 故障树分析法的特点 |
| 3.1.6 故障树分析的数学模型 |
| 3.1.7 故障树定性分析概述 |
| 3.1.7.1 最小割集算法 |
| 3.1.7.2 分析法 |
| 3.1.8 故障树的定量分析 |
| 3.1.8.1 故障树定量分析的基本内容 |
| 3.1.8.2 故障树重要度分析 |
| 3.2 某航空发动机滑油系统简介 |
| 3.3 用故障树分析法进行故障查找 |
| 3.4 故障树定性分析及定量分析 |
| 3.4.1 故障树定性分析 |
| 3.4.2 故障树定量分析 |
| 3.4.3 结果分析 |
| 3.5 小结 |
| 第4章 基于专家系统的故障诊断 |
| 4.1 专家系统概述 |
| 4.1.1 专家系统定义 |
| 4.1.2 专家系统的起源与发展 |
| 4.1.3 专家系统研究的意义 |
| 4.1.4 专家系统的特点 |
| 4.2 专家系统结构及其建造 |
| 4.2.1 专家系统的结构 |
| 4.2.2 专家系统的建造 |
| 4.2.2.1 建造的程序 |
| 4.2.2.2 实例库的建立 |
| 4.2.2.3 专家系统的推理机制 |
| 4.3 液压故障诊断专家系统的构建 |
| 4.3.1 液压系统的基本原理 |
| 4.3.2 各液压子系统简介 |
| 4.3.3 专家系统的语言型工具 |
| 4.3.4 液压故障诊断系统结构 |
| 第5章 基于案例的推理的故障诊断 |
| 5.1 基于案例的推理概述 |
| 5.1.1 基于案例的推理的概念 |
| 5.1.2 基于案例的推理的起源及发展 |
| 5.1.3 基于案例的推理的基本思想 |
| 5.1.4 案例的表示与存储 |
| 5.1.5 案例的检索策略 |
| 5.1.6 案例的学习 |
| 5.2 故障案例库的构建 |
| 5.2.1 排故案例的表达 |
| 5.2.2 案例库的组织 |
| 5.2.3 排故案例的存储 |
| 5.3 案例的检索 |
| 5.3.1 案例库的案例匹配方法 |
| 5.3.2 案例检索模型 |
| 5.3.2.1 字符型字段的匹配 |
| 5.3.2.2 排故案例的匹配 |
| 5.3.3 实例验证 |
| 5.4 排故案例的修改 |
| 5.5 系统的实现 |
| 5.6 小结 |
| 第6章 总结与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（10）基于多Agent协同诊断的飞机液压系统综合监控技术（论文提纲范文）
| 1 飞机液压系统磨损故障的多Agent协同诊断 |
| 1.1 必要性分析 |
| 1.2 诊断方法原理 |
| 1.3 各Agent诊断规则 |
| (1) 颗粒计数Agent诊断规则 |
| (2) 理化分析Agent诊断规则 |
| (3) 铁谱分析Agent诊断规则 |
| (4) 光谱分析Agent诊断规则 |
| (5) 融合诊断Agent诊断规则 |
| (6) 综合诊断Agent规则 |
| 2 诊断案例 |
| 2.1 诊断流程 |
| 2.2 诊断数据 |
| 2.3 诊断结果 |
| 3 结 论 |
四、磨损故障综合诊断专家系统研究（论文参考文献）
- [1]内燃机车柴油机主轴承失效机理及预防研究[D]. 孙鑫海. 中国铁道科学研究院, 2021(01)
- [2]带式输送机故障诊断分析与研究[D]. 谭文涛. 山东科技大学, 2019(05)
- [3]冷水机组故障综合诊断方法研究[D]. 宋志刚. 天津大学, 2019(06)
- [4]齿轮箱运行状态综合诊断平台设计与开发[D]. 朱毅. 南京理工大学, 2019(06)
- [5]基于振动和油液信息融合的发动机故障诊断方法研究[D]. 彭毅. 广西大学, 2014(03)
- [6]基于多Agent的风电油液故障分析与诊断专家系统[A]. 刘成材,张敏,郭宏志,黄晓琪,刘峰. 2014航空试验测试技术学术交流会论文集, 2014
- [7]航空发动机磨损故障智能诊断若干关键技术研究[D]. 李爱. 南京航空航天大学, 2013(12)
- [8]火炮状态智能诊断技术研究[D]. 吴军. 南京理工大学, 2013(06)
- [9]某型运输飞机机械故障智能综合诊断研究[D]. 李延泉. 东北大学, 2011(05)
- [10]基于多Agent协同诊断的飞机液压系统综合监控技术[J]. 李爱,陈果,张强,侯民利. 航空学报, 2010(12)