基于不确定性理论的机械故障智能诊断方法研究
发布时间：2021-12-11 00:41
机械故障诊断是指应用测试分析手段和诊断理论,对机械设备运行中所出现的故障机理、原因、部位和程度进行识别和诊断,并根据诊断结论,进一步确定机械设备的维修方案或预防措施。机械故障诊断以状态识别为基础,从机械设备的异常状态出发,实现故障定位、定性及定因.但是在一般情况下,由于系统结构、运行过程以及外界环境的复杂性,机械设备的故障征兆与故障原因之间并不是简单的——映射关系,它们之间存在着复杂的一对多和（或）多对一关系,同时在诊断过程中还存在着许多随机的、模糊的、不确定的因素,从而导致在机械故障诊断过程中存在着大量的不确定性问题。传统的机械故障诊断方法如系统可靠性框图、故障树分析法等,难以解决机械故障诊断中的不确定性问题。而近年来快速发展的不确定性理论与方法,对于解决机械故障诊断中的不确定性问题具有很大的优势,并成为机械故障诊断领域中一个重要的研究方向。本文以国家自然科学基金“复杂工程系统故障预测与维护理论及关键技术研究”和国家863计划先进制造技术领域“十一五”重点项目“行业大型装备MRO支持系统”为背景,针对机械设备故障诊断过程中的不确定性问题,运用贝叶斯网络和证据理论,提出了一种新的故障诊...
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：114 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
目录
图序
表序
第1章 绪论
1.1 选题背景和意义
1.1.1 选题背景
1.1.2 研究意义
1.2 机械故障诊断技术的国内外发展现状及趋势
1.2.1 机械故障诊断技术的国内外发展现状
1.2.2 机械故障诊断技术的发展趋势
1.3 故障诊断的研究方法
1.3.1 基于解析模型的故障诊断方法
1.3.2 基于信号处理的故障诊断方法
1.3.3 基于知识的故障诊断方法
1.4 论文的主要研究内容
1.5 论文的章节安排
第2章 机械故障诊断过程中的不确定性及解决方案
2.1 机械设备的故障及其诊断
2.1.1 机械设备的故障
2.1.2 机械设备的故障诊断
2.2 机械故障诊断中的不确定性
2.2.1 不确定性的来源
2.2.2 不确定性信息及其推理
2.3 针对复杂机械故障诊断中不确定性的解决方案
2.4 本章小结
第3章 机械故障诊断中的贝叶斯网络建模
3.1 引言
3.2 贝叶斯网络
3.2.1 贝叶斯网络的基本概念
3.2.2 故障贝叶斯网络
3.3 基于ACO的故障贝叶斯网络结构学习
3.3.1 蚁群优化算法
3.3.2 基于ACO算法的故障贝叶斯网络结构学习
3.4 基于故障树的故障贝叶斯网络结构映射
3.4.1 故障树分析法
3.4.2 故障树到故障贝叶斯网络的映射
3.5 本章小结
第4章 机械故障诊断中的贝叶斯网络推理
4.1 引言
4.2 贝叶斯网络的推理
4.3 故障贝叶斯网络的推理算法
4.3.1 推理结构转变
4.3.2 信念初始化
4.3.3 信念传递与吸收
4.3.4 故障概率的局部计算
4.4 本章小结
第5章 基于D-S证据理论的会诊诊断融合模型
5.1 引言
5.2 机械故障会诊诊断策略
5.3 D-S证据理论
5.3.1 证据理论的基本概念
5.3.2 Dempster-Shafer合成法则
5.4 基于D-S证据理论的会诊诊断融合模型
5.4.1 会诊诊断的过程及步骤
5.4.2 融合悖论问题及贴合度的提出
5.4.3 基于D-S证据理论的会诊诊断融合模型
5.5 本章小结
第6章 故障贝叶斯网络在转子系统故障诊断中的应用
6.1 引言
6.2 转子系统的故障诊断系统框图
6.3 转子系统故障诊断的贝叶斯网络建模及推理
6.4 本章小结
第7章 结论与展望
7.1 主要研究结论
7.2 不足和展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果
【参考文献】：
期刊论文
[1]基于感知机的故障树最小割集算法[J]. 苑春苗,陈宝智,李畅. 中国安全科学学报. 2006(05)
[2]基于联结树的贝叶斯网的推理结构及构造算法[J]. 胡小建,杨善林,马溪骏. 系统仿真学报. 2004(11)
[3]转子故障贝叶斯诊断网络的研究[J]. 徐宾刚,屈梁生,陶肖明. 机械工程学报. 2004(01)
[4]Bayesian网中概率参数学习方法[J]. 薛万欣,刘大有,张弘. 电子学报. 2003(11)
[5]基于贝叶斯网络的智能故障诊断方法[J]. 李俭川,陶俊勇,胡茑庆,温熙森. 中国惯性技术学报. 2002(04)
[6]改进学习贝叶斯网络结构的MDL准则[J]. 汪荣贵,张佑生,王浩,姚宏亮. 计算机工程与应用. 2002(08)
[7]基于遗传算法的Bayesian网结构学习研究[J]. 刘大有,王飞,卢奕南,薛万欣,王松昕. 计算机研究与发展. 2001(08)
本文编号：3533694
【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校
【文章页数】：114 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
目录
图序
表序
第1章 绪论
1.1 选题背景和意义
1.1.1 选题背景
1.1.2 研究意义
1.2 机械故障诊断技术的国内外发展现状及趋势
1.2.1 机械故障诊断技术的国内外发展现状
1.2.2 机械故障诊断技术的发展趋势
1.3 故障诊断的研究方法
1.3.1 基于解析模型的故障诊断方法
1.3.2 基于信号处理的故障诊断方法
1.3.3 基于知识的故障诊断方法
1.4 论文的主要研究内容
1.5 论文的章节安排
第2章 机械故障诊断过程中的不确定性及解决方案
2.1 机械设备的故障及其诊断
2.1.1 机械设备的故障
2.1.2 机械设备的故障诊断
2.2 机械故障诊断中的不确定性
2.2.1 不确定性的来源
2.2.2 不确定性信息及其推理
2.3 针对复杂机械故障诊断中不确定性的解决方案
2.4 本章小结
第3章 机械故障诊断中的贝叶斯网络建模
3.1 引言
3.2 贝叶斯网络
3.2.1 贝叶斯网络的基本概念
3.2.2 故障贝叶斯网络
3.3 基于ACO的故障贝叶斯网络结构学习
3.3.1 蚁群优化算法
3.3.2 基于ACO算法的故障贝叶斯网络结构学习
3.4 基于故障树的故障贝叶斯网络结构映射
3.4.1 故障树分析法
3.4.2 故障树到故障贝叶斯网络的映射
3.5 本章小结
第4章 机械故障诊断中的贝叶斯网络推理
4.1 引言
4.2 贝叶斯网络的推理
4.3 故障贝叶斯网络的推理算法
4.3.1 推理结构转变
4.3.2 信念初始化
4.3.3 信念传递与吸收
4.3.4 故障概率的局部计算
4.4 本章小结
第5章 基于D-S证据理论的会诊诊断融合模型
5.1 引言
5.2 机械故障会诊诊断策略
5.3 D-S证据理论
5.3.1 证据理论的基本概念
5.3.2 Dempster-Shafer合成法则
5.4 基于D-S证据理论的会诊诊断融合模型
5.4.1 会诊诊断的过程及步骤
5.4.2 融合悖论问题及贴合度的提出
5.4.3 基于D-S证据理论的会诊诊断融合模型
5.5 本章小结
第6章 故障贝叶斯网络在转子系统故障诊断中的应用
6.1 引言
6.2 转子系统的故障诊断系统框图
6.3 转子系统故障诊断的贝叶斯网络建模及推理
6.4 本章小结
第7章 结论与展望
7.1 主要研究结论
7.2 不足和展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果
【参考文献】：
期刊论文
[1]基于感知机的故障树最小割集算法[J]. 苑春苗,陈宝智,李畅. 中国安全科学学报. 2006(05)
[2]基于联结树的贝叶斯网的推理结构及构造算法[J]. 胡小建,杨善林,马溪骏. 系统仿真学报. 2004(11)
[3]转子故障贝叶斯诊断网络的研究[J]. 徐宾刚,屈梁生,陶肖明. 机械工程学报. 2004(01)
[4]Bayesian网中概率参数学习方法[J]. 薛万欣,刘大有,张弘. 电子学报. 2003(11)
[5]基于贝叶斯网络的智能故障诊断方法[J]. 李俭川,陶俊勇,胡茑庆,温熙森. 中国惯性技术学报. 2002(04)
[6]改进学习贝叶斯网络结构的MDL准则[J]. 汪荣贵,张佑生,王浩,姚宏亮. 计算机工程与应用. 2002(08)
[7]基于遗传算法的Bayesian网结构学习研究[J]. 刘大有,王飞,卢奕南,薛万欣,王松昕. 计算机研究与发展. 2001(08)
本文编号：3533694
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3533694.html
