操召发[1]2004年在《基于模糊逻辑推理故障智能诊断系统及其仿真研究》文中提出本文研究了基于模糊逻辑推理(Fuzzy Logic Inference，简称FLI)的故障智能诊断系统(Intelligent Fault Diagnosis System，简称IFDS)，包括系统的结构原理和组成、性质、建立步骤和方法，并研究了应用该方法建立船舶主柴油机冷却系统的故障智能诊断系统问题，基于MATLAB进行了整个过程的建立和仿真。 论文主要分为四个部分，即：绪论、故障智能诊断系统理论基础、基于模糊逻辑推理的故障智能诊断系统、基于FLI的IFDS在船舶主柴油机冷却系统故障诊断中的应用及仿真等。 在绪论中，概括阐述了故障诊断发展史、故障诊断方法，故障智能诊断系统的发展现状和发展趋势。其中着重指出了故障智能诊断系统的发展趋势，即：多种知识表示方法的结合，诊断系统与先进技术如神经网络、模糊逻辑推理、专家系统的结合，虚拟技术、面向对象技术在故障智能诊断中的应用等。 在故障智能诊断系统理论基础部分，主要介绍了故障智能诊断系统的有关概念、一般结构以及诊断中知识的表示和获取方法等，主要内容涉及深浅知识表示方式以及直接获取、交互获取、学习获取等知识获取方法。 本文第叁章着重研究了基于模糊逻辑推理的故障智能诊断系统，介绍了建立模糊逻辑推理系统的有关数学理论基础即模糊数学的有关知识，如模糊集合、隶属函数、模糊逻辑等，以及模糊逻辑推理系统结构单元及特性。 第四章致力于应用该方法建立船舶主柴油机冷却系统的故障智能诊断系统。论述了基于MATLAB的模糊逻辑推理的故障智能诊断系统建立方法、步骤以及系统的仿真。包括利用MATLAB的Fuzzy工具箱建立基于FLI的船舶冷却系统故障智能诊断系统、利用MATLAB m-function程序构建基于FLI的船舶冷却系统故障智能诊断系统仿真界面。
余永华[2]2007年在《船舶柴油机瞬时转速和热力参数监测诊断技术研究》文中研究说明船舶柴油机是船舶的动力之源，是保障船舶安全航行的关键。目前，船舶柴油机正朝着大功率、高强载和智能化方向发展，其中其运行状态的监测诊断系统属于智能化柴油机的叁大核心技术之一，因此开展船舶柴油机运行状态监测诊断技术的研究具有重要的意义。柴油机作为一种复杂的往复动力机械，故障的表现形式多，要实现其综合监测诊断是一项非常复杂的工程，技术难度大。论文作者根据船舶柴油机的结构特点，围绕单缸失火和功率不足等故障，采用理论计算和试验分析相结合的方法，进行了基于瞬时转速法和以示功图为主的热力参数法的船舶柴油机监测诊断技术研究，取得了如下主要研究成果：(1)通过分析基于简化模型的柴油机瞬时转速仿真计算方法的特点和不足，提出了一种基于柔性体模型的柴油机瞬时转速仿真计算方法，即通过建立柴油机及动力装置的轴系当量模型，将包括气缸压力在内的激励力按谐次作用在轴系的质点(惯量)上，求出质点(惯量)的扭角响应再计算其瞬时转速。仿真计算和试验验证对比表明：基于柔性体模型的柴油机瞬时转速计算结果与实际更吻合。考虑不同阻尼大小的仿真计算表明：基于柔性体模型的柴油机瞬时转速计算精度主要与轴系当量系统的刚度和惯量有关。(2)进行了基于柔性体模型的柴油机瞬时转速故障仿真计算，揭示了柴油机单缸功率不足的瞬时转速波动规律，提出了采用最大瞬时转速波动率作功峰值的无量纲参数诊断柴油机单缸功率不足故障，并定位到故障缸的瞬时转速诊断新方法，并在船舶柴油机上得到应用。(3)以6L16／24型船舶柴油机为研究对象，利用AVL Boost软件建立了一维数值模型，试验验证了模型的正确性。在此基础上进行了8种引起柴油机功率不足故障的仿真计算，从理论上分析了不同故障对柴油机缸内气体压力的影响，提取了反映气缸做功能力不足故障的6个示功图性能参数，发现了不同故障对示功图性能参数的影响不同，同一故障不同故障程度对示功图性能参数变化影响基本相同的规律。(4)在虚拟仪器平台下成功研制了具有自主知识产权的船舶柴油机数字化监测诊断系统。该系统采用多参数多方法实现了船舶柴油机缸内工作状态、功率输出、增压器性能、燃油系统和进排气等系统的数字化监测，所有参数通过数据库进行管理。特别是在该系统中开发的柴油机瞬时转速和示功图测量分析软件模块，实现了柴油机瞬时转速和气缸压力示功图的测量分析和性能参数计算。(5)利用船舶柴油机数字化监测诊断系统平台，进行了船舶柴油机瞬时转速和示功图法监测诊断的故障模拟试验研究，研究结果表明：瞬时转速法和示功图法可有效诊断柴油机单缸功率不足的故障，并可定位到故障缸。(6)利用故障仿真计算所确定的单缸功率不足故障与示功图性能参数间的相互关系，应用模糊逻辑推理原理，建立了柴油机模糊诊断系统，可实现船舶柴油机单缸功率不足故障的自动识别，为瞬时转速法和示功图法的工程应用提供了技术支撑。
冯志鹏[3]2003年在《计算智能在机械设备故障诊断中的应用研究》文中认为在理论方面，重点研究了计算智能理论与方法在机械设备振动故障诊断中的应用，在实践方面，针对石化企业中的旋转机械开发了具有实用价值的基于Intranet的大型机组在线状态监测与故障诊断系统。 在机械设备状态预测方面，研究了基于神经网络的时间序列预测。 针对生产实践中设备运行的非平稳性，基于动态预测思想，研究了非平稳时间序列的自适应线性单元(Adaline)神经网络预测，讨论了Adaline和自回归(AR)模型之间的关系，提出根据AR模型定阶方法确定Adaline预测模型的输入神经元数目，分析了自适应学习率对预测性能的影响，为机械设备状态预测提供了一种方法。 研究了基于广义回归神经网络(GRNN)的大型旋转机械振动状态预测，提出了应用BIC准则确定GRNN预测模型输入神经元数目的方法，将GRNN用于大型机组振动峰—峰值时间序列的预测，与采用误差反向传播学习算法的叁层前馈感知器网络(BPNN)的预测结果对比表明，GRNN的预测性能优于BPNN，而且，即使样本数据稀少，也能获得满意的预测结果。 在故障诊断方面，提出了计算智能理论和方法集成的诊断方案。该方案的基本思想是利用粗糙集理论对数据不完整性和不确定性的分析处理能力实现故障诊断知识发现，即从监测诊断数据或诊断案例中发现关键诊断条件，提取或优化诊断规则，在最优诊断决策系统的基础上，设计神经网络或模糊神经网络，利用其模式识别能力实现故障诊断。该方案通过将计算智能领域中各种理论和方法有机结合，互相取长补短的方式，达到降低诊断成本，提高诊断效率的目的。 对于连续的定量故障诊断数据(监测数据)，以4135柴油机为例，提出了自组织映射(SOM)／模糊c-均值(FCM)—粗糙集—自适应模糊神经网络推理系统(ANFIS)集成的具体故障诊断实施方案：首先，应用SOM或FCM离散故障诊断数据中的连续属性值；然后，基于粗糙集理论应用遗传算法计算诊断决策系统的约简，按照实际需要确定诊断条件；最后，根据系统约简设计ANFIS进行故障诊断。约简前后ANFIS的训练过程表明，基于粗糙集理论的约简处理减少了ANFIS的输入变量数目，避免了“维数灾难”问题。ANFIS与BP神经网络的训练和诊断结果对比显示，ANFIS的训练时间短，诊断精度高。 对于离散的定性故障诊断数据(专家经验或诊断案例)，以大型旋转机械为例，提出了广义粗糙集理论与神经网络集成的具体故障诊断实施方案：首先应用基于相似关系的广义粗糙集理论对旋转机械振动故障诊断的非完备决策系统进行约简，得到更为简明的最优诊断规则；然后根据最优决策系统建立BP神经网络进行故障诊断。约简前后网络的训练过程表明，基于粗糙集理论的约简处理简化了网络结构，提高了训练效率。 在故障诊断的实践方面，根据课题要求，在理论研究的基础上，以Microsoft Visual C++ 6.0为基本开发工具，综合利用数据库、Matlab C／C++数学函数库、多线程和Windows Sockets网络编程等技术开发了基于Intranet的大型机组在线状态监测与故障诊断系统。系统通过企业内部局域网，采用客户机／服务器模式，实现了远程监测诊断，企业管理和检修人员可以方便地了解机组的运行状态，及时地做出相关决策。针对旋转机械的振动特点，系统提供了功能比较完善的信号分析方法，在研究总结大量文献资料的基础上，研制了故障种类比较齐全的自动诊断和人机交互诊断模块，在这些功能的支持下，可以方便地识别一些常见故障。目前该系统在企业中运行稳定，用户反馈意见良好。
韩斌[4]2005年在《基于神经网络的工程机械液压故障诊断专家系统的研究与实现》文中认为液压系统以其体积小、重量轻、功率大、工作平稳且可实现大范围内无级调速等优点,广泛应用于工程机械的动力、控制和执行系统。但是,液压系统工作状况直观性差,参数不易获取,故障具有多发性、不确定性和隐蔽性;液压系统故障征兆与故障原因之间存在复杂的非线性映射关系,不能用简单的函数关系来描述,给经典故障诊断技术带来了困难,而基于神经网络和专家系统的智能诊断技术很好的解决了上述问题,使诊断结果更加准确可靠。 本文综合分析了目前各种液压系统故障诊断技术和方法,针对液压系统故障的特点,建立了基于神经网络的液压故障诊断专家系统(ANNES)的模型及系统各组成部分(知识存储系统、学习系统、推理机、解释器和人机交互界面)的详细结构和设计方法。最后针对挖掘机液压系统实现了基于ANNES的故障诊断,证明了该故障诊断方法的可行性。 ANNES融合了神经网络自适应学习能力强和专家系统知识表达明确的优点,简化了神经网络学习数据获取及专家系统推理规则建立的过程。ANNES的工作过程是:①首先建立知识库;②学习系统获取知识时,它只要求专家提供范例(或实例)及相应的解,通过神经网络学习算法对样本进行学习,经过网络内部自适应算法不断修改权值分布以达到要求,把专家求解实际问题的启发式知识和经验分布到网络的互连及权值分布上;③推理机根据知识库中的知识和用户提供的事实进行推理;④通过神经网络的前向计算,在输出端获得输出矢量:⑤经专家系
张楠乔[5]2016年在《基于智能算法的扼流适配变压器故障诊断的研究》文中提出在电气化铁路中,牵引供电系统造成的不平衡电流可能以传导耦合的形式对轨道电路构成干扰。扼流适配变压器工作在站内轨道电路中强弱电的结合部分,具有显着的抗干扰效果,在轨道电路抗电气化干扰中起到了相当重要的作用。然而,由于生产中留下的微小隐患或恶劣的工作环境,扼流适配变压器有一定几率发生故障,因此导致的“红光带”现象时有出现。当事故发生时,由于故障较为隐蔽,查找和维修过程往往较长,影响运行效率。因此,亟待研究一种针对扼流适配变压器的故障诊断,其可依据采集的实时监测数据,应用智能算法判断出故障类型,可大大缩短故障排除时间,从而为铁路安全、高效运营提供保障。在此背景下,本论文在分析常见变压器与铁路信号设备故障诊断方法优缺点后,设计出一种基于粗糙集与模糊理论的扼流适配变压器故障诊断方案,能够以较高的正确率判断出故障类型,保证在明确故障类型的前提下指导维修,提前排除故障。论文主要工作包括：本论文的重点是实现高正确率的故障诊断。首先,探讨应用于铁路现场的扼流适配变压器故障诊断系统的总体结构,详细分析室外监测单元和室内控制单元的结构及功能实现方式,并介绍故障诊断仿真的内容,其包括数据采集、数据处理和模糊推理叁部分。为了完成故障数据采集,在室内搭建了完整的一送一受25Hz相敏轨道电路实物环境,确定需要采集的特征点位置。在多种变量模拟的不同场景下对扼流适配变压器正常状态与各项故障状态进行仿真,采集故障监测数据。对于采集到的大量监测数据,采用粗糙集理论进行分析,实现简明故障规则的提取。首先设计相对属性约简算法,完成对故障决策表的相对属性约简；然后应用决策规则提取算法,对相对约简后的故障决策表进行处理,得到最终的故障诊断决策规则,同时初步建立故障模型。最后,基于模糊理论对故障模型进行完善,选择模糊推理实现故障诊断,并利用具有代表性的故障样本对故障诊断程序进行验证,确定故障诊断的正确率达到要求。
李界家[6]2011年在《铝电解过程故障诊断方法研究与实现》文中指出铝电解属于复杂的工业流程,其生产过程具有高度的非线性、不确定性、慢时变、大滞后、干扰大、未知因素多等不利因素,故障发生频繁、故障类型多。故障的发生对整个电解系列和各项技术指标产生很大影响,导致铝的产量和质量降低,并浪费了大量的电能,造成巨大的经济损失,目前尚无完善的铝电解故障诊断系统。因此,对铝电解过程中的故障进行有效的诊断和预报,对提高铝的生产效率、降低铝的生产成本、节省电能、实现安全生产都有重要意义。本文深入分析了铝电解故障发生的机理和特点,从不同角度、不同方法研究了铝电解过程故障诊断方法。分别从基于解析模型的故障诊断、单一故障诊断和多故障诊断多方面,研究了故障诊断模型的建立方法,数据处理方法、故障诊断模型的训练方法及算法优化等。针对目前铝电解故障诊断存在的问题,进行了铝电解故障诊断理论与应用研究,使用现场数据对研究结果进行测试,验证了其有效性和实用性。首先,针对铝电解阳极效应故障发生特点,提出了基于解析模型的铝电解故障(阳极效应)诊断方法,应用系统辨识理论和故障诊断技术,采用了增广最小二乘辨识算法,将机理建模和实验有机结合,建立了铝电解过程动态数学模型,通过模型多参数的跟踪,捕捉参数变化特征,对阳极效应进行预报。并研究了在选择不同的模型初始条件和不同的遗忘因子情况下,对故障诊断效果的影响,仿真研究结果验证了这种方法的有效性。其次,针对铝电解生产过程复杂的特性,具有很多不确定性因素,利用非线性主成分分析法对数据降维和解耦,对输入量进行了约简,确定铝电解过程故障主成分,简化了神经网络结构,并根据Elman神经网络具有记忆性强等特点,提出了小波Elman神经网络的铝电解阳极效应故障诊断方法。研究了Elman神经网络、小波Elman神经网络和改进型Elman神经网络叁种不同故障诊断模型的建模方法,仿真结果表明：采用小波Elman神经网络具有故障预报准确率高、提前量大等特点。再次,提出了模块化集成模糊神经网络铝电解多故障诊断方法。采用结构化、模块化设计方法,构建了铝电解故障诊断平台。研究了单一神经网络和模块化集成网络两种不同形式的故障诊断方法。模块化集成模糊神经网络铝电解多故障诊断模型采用子故障诊断网络和决策融合诊断网络两级故障诊断网络结构,其特点是将模块化与集成网络的有机结合、模糊和神经网络的有机结合、子网络与决策网络信息的融合,子故障诊断网络输入量按各子网络的诊断功能,将输入信号进行分项,既考虑到各子网络的关联性,又要考虑到信号的量级,通过有效的组合实现子故障诊断网络的模块化。故障诊断子网络为Elman神经网络结构,决策融合神经网络为模糊神经网络结构,主要功能包括信号传递、模糊逻辑运算和反模糊化,实现了模糊与神经网络的有机结合。决策融合神经网络训练采用了粒子群算法,使网络的收敛速度和精度都有了一定的提高。仿真研究结果表明：模块化集成模糊神经网络铝电解多故障诊断方法较单一神经网络诊断方法具有很大的优越性,预报准确率高、预报提前量大,而且能有效地诊断复合故障。最后,根据铝电解过程工艺要求和控制性能指标要求,设计了铝电解计算机控制系统。系统采用了集散控制系统结构,包括控制级、监控级和管理级。建立了铝电解故障诊断系统平台,提出了铝电解两级故障诊断模式,一级故障诊断采用了双模糊故障诊断系统,对故障进行初步判断,二级故障诊断采用了集成模糊神经网络诊断方法,对多故障进行诊断,并进行模式分类,确定故障的类型,实验结果表明了这种方法的有效性。
蒋玉秀[7]2008年在《矿用自卸车自动润滑系统异常诊断研究》文中指出在矿用自卸车自动润滑系统中,对各润滑点的润滑状态是“正常”还是“非正常”往往很难判断,它们之间没有完全确定的界限,存在着一些模糊的过渡状态。在整个自动润滑系统的工作中,无论是征兆的获取、征兆到故障的推理,还是诊断的基本原理,这叁个方面都存在着模糊性,因此可以采用模糊理论方法对矿用自卸车自动润滑系统的异常来进行故障诊断,这将有益于矿用自卸车自动润滑系统的寿命提高,对提高矿用自卸车的使用寿命、提高生产效率、降低生产成本有着很重大的理论意义和广阔的推广价值。本文应用模糊理论研究开发了矿用自卸车自动润滑系统异常状况智能诊断系统,论文主要工作与创新之处如下:(1)研究分析了矿用自卸车自动润滑过程性能关键参数,将油气非同步控制回路改进为油气同步控制回路,并采用PLC进行油气同步注油控制,取得了较好的润滑效果。(2)研究表达知识模糊性的模糊化方法,建立了包括模糊知识库、模糊器、解模糊器、模糊规则库、模糊推理机等部分在内的矿用自卸车自动润滑系统异常状况智能诊断系统。(3)采用广义的肯定式推理方法与广义的否定式推理方法相结合建立矿用自卸车自动润滑系统异常诊断系统模糊推理机。矿用自卸车自动润滑系统异常状况智能诊断系统在尘土飞扬的环境下运作的某型号108t矿用自卸车上试运行半年多,矿用自卸车自动润滑系统润滑效果好,矿用自卸车自动润滑系统使用寿命至少提高1倍,异常状况诊断结果准确率高达80%以上。其应用结果表明,该异常状况智能诊断系统的知识库是基本合理的,推理机制是快速高效的,并具有较高的诊断能力和较大的实用性。
王玲[8]2006年在《大规模模拟电路故障诊断理论与方法研究》文中进行了进一步梳理模拟系统测试与诊断的研究始于上世纪60年代,传统的模拟电路规模小、集成度低,往往依赖于人工手段进行测试和诊断。随着电子工业的发展,电子线路的规模趋向大型化、复杂化,从而对大规模模拟系统自动测试和诊断提出了迫切的需求,针对大规模模拟电路故障诊断方法的研究也就成为国际电路与系统领域的研究热点。本文主要研究大规模模拟电路的故障诊断算法,提出了改进的神经网络诊断方法,并应用模糊推理系统定位故障范围,将大规模网络故障诊断方法系统化,并针对大规模网络的特性提出了模块诊断法的思想。论文首先详细探讨了几种具代表性的神经网络在模拟电路故障诊断中的应用,然后在大规模模拟电路故障诊断方法——网络撕裂法的基础上,提出了一种适用于大规模模拟电路故障诊断的神经网络方法,实现了子网络的快速撕裂和数据分析。文中深入研究了模式识别方法在模拟电路故障诊断中的应用,在集成神经网络和模糊推理各自优势的基础上,提出了基于神经网络——模糊推理的大规模模拟电路故障诊断方法,该法集故障预猜测、故障验证、检测条件和结果判断于一体,具有较强的系统性。仿真试验表明该方法故障定位精确度高、撕裂迅速,有利于大规模模拟电路故障诊断过程自动化的实现。论文的另一主要工作是将传统故障字典法和故障树分析法相结合,针对大规模网络故障诊断的特点,提出了模块诊断方法。该方法可克服因电路规模增加所造成的故障字典建立困难的缺点,同时可以从一定程度上缓解大规模模拟电路测前模拟工作量大的问题。模拟诊断实例表明了该方法具有快速隔离故障、缩小故障定位范围等突出优点。
邵一琨[9]2011年在《基于模糊逻辑的地铁列车牵引供电系统关键结构故障诊断》文中提出近年来,我国地铁交通建设事业都处于活跃期,很多地铁建设相关项目已经列入了国家“十二五”规划重点支持的范围,国内外专家对于地铁建设的关注程度也越来越高,对地铁列车运行的安全性也越来越重视。随着技术的进步,人们对地铁列车车载设备安全监测与故障诊断系统也提出了更高的要求。地铁列车是一个复杂的大系统,随着列车设备的复杂化,故障发生的概率也增加了,列车牵引供电系统作为其中的重要组成部分,如何对其进行快速有效的故障诊断也是值得探讨和研究的问题。基于模糊逻辑的故障诊断方法是以模糊数学为基础的诊断规则来确定设备运行状态的一种诊断方法。虽然模糊逻辑推理的方法已经被运用到很多行业领域进行故障诊断,但还没有应用于地铁列车牵引系统的故障诊断中,因此本文的主旨就是利用模糊逻辑推理方法,建立模糊逻辑推理的故障诊断系统,对地铁列车牵引供电系统关键结构进行故障诊断。文章首先介绍了地铁列车故障诊断的意义及故障诊断技术发展现状,并阐述了目前应用的比较广泛的地铁列车故障诊断的类型；在第二部分,论文介绍了地铁列车牵引供电系统的结构,并对其关键电气部件及结构的易发故障进行了研究；论文第叁部分主要介绍了模糊逻辑推理系统的组成及建立过程,同时对自适应模糊逻辑推理系统的工作原理及流程进行了描述；文章第四章运用前面的基本概念及知识,结合实际地铁列车的基本情况,详细说明了地铁列车牵引供电系统关键故障诊断模糊逻辑系统的建立过程。最后论文运用Matlab的Fuzzy工具箱对整个模糊逻辑故障诊断系统进行的仿真,并建立GUI界面,使输出结果更加直观。文章建立的故障诊断系统,能够根据实时数据进行故障诊断,能够为管理者提供维修决策准备,防患于未然。模糊逻辑推理技术很早就被用于进行故障诊断工作,将该技术方法引入到地铁列车的牵引供电系统的故障诊断是很有前景的,值得深入研究。
李明钊[10]2008年在《基于神经网络的电控汽油发动机的智能故障诊断研究》文中指出随着汽车工业的迅速发展,汽车生产量和保有量不断增长,而且汽车制造技术的不断进步,使汽车发动机的越来越复杂。2008年将在全国实施机动车污染物排放国Ⅲ标准(相当于欧Ⅲ)标准,并强制要求安装车载诊断系统(简称OBD)。在现代化社会中,车用汽油机的故障诊断技术越来越受到重视,如果车用汽油机的某些部位出现故障而未能及时地发现和排除,其结果不仅会导致汽油机本身的损坏,甚至可能会造成车毁人亡的严重后果。近年来,我国汽车工业得到了迅速的发展,给人们生活带来了极大的方便,但是由于设备更复杂与数量更多给汽车维修人员带来了难题。因此研究车用汽油机的智能故障诊断技术具有实际意义。而且汽车的安全运行问题受到越来越多的关注,加强汽车的安全技术检测,成为有待研究解决的重要课题。在这样的背景下,本文针对传统故障诊断专家系统获取知识的瓶颈,不具备自学习的功能,采用人工神经网络和模糊理论来研究电控汽油机的智能故障诊断。针对电控汽油机的的怠速或怠速控制阀故障、点火线圈故障、点火正时不对、火花塞故障、节气门故障、进气管漏气、空气滤清器故障、喷油器故障、燃油供给系统故障、冷却系统故障及润滑系统故障,设计了BP诊断网络和模糊BP诊断网络。根据神经网络的特点,指出采用神经网络进行故障诊断的可行性。仿真结果表明对于电控汽油机的故障诊断而言,BP网络确实为一种较为实用的神经网络,它具有很强的模式识别和分类能力。由于电控汽油机故障的复杂性和模糊性,采用传统的以布尔代数为基础的二值逻辑显得过于粗糙不精确,因此引入模糊逻辑的概念,构造了模糊神经网络,并用它进行电控汽油机的故障诊断。仿真结果表明,将模糊逻辑引入神经网络后,对知识的表示更加准确,不仅对输入故障现象的描述更加细致,而且对输出故障的原因也有明确的解释,更符合人们的思维习惯。
参考文献：
[1]. 基于模糊逻辑推理故障智能诊断系统及其仿真研究[D]. 操召发. 上海海事大学. 2004
[2]. 船舶柴油机瞬时转速和热力参数监测诊断技术研究[D]. 余永华. 武汉理工大学. 2007
[3]. 计算智能在机械设备故障诊断中的应用研究[D]. 冯志鹏. 大连理工大学. 2003
[4]. 基于神经网络的工程机械液压故障诊断专家系统的研究与实现[D]. 韩斌. 长安大学. 2005
[5]. 基于智能算法的扼流适配变压器故障诊断的研究[D]. 张楠乔. 北京交通大学. 2016
[6]. 铝电解过程故障诊断方法研究与实现[D]. 李界家. 东北大学. 2011
[7]. 矿用自卸车自动润滑系统异常诊断研究[D]. 蒋玉秀. 湖南大学. 2008
[8]. 大规模模拟电路故障诊断理论与方法研究[D]. 王玲. 湖南大学. 2006
[9]. 基于模糊逻辑的地铁列车牵引供电系统关键结构故障诊断[D]. 邵一琨. 北京交通大学. 2011
[10]. 基于神经网络的电控汽油发动机的智能故障诊断研究[D]. 李明钊. 昆明理工大学. 2008
标签：自动化技术论文; 故障诊断论文; 模糊理论论文; 神经网络模型论文; 模糊逻辑论文; 网络结构论文; 系统仿真论文; 模糊算法论文; 网络模型论文; 瞬时速度论文; 汽车故障论文; 推理论文;