破碎机诊断系统

将表1中的数据用D-S合并规则融合得到的结果如表2所示。表2 数据融合的部分结果组号qABCDE10.000010......000010......000010.....000002比较表1和表2可以发现经过数据融合诊断精度大大提高了。具体方法如下4.1 BP网络多测点诊断为了全面精确检测破碎机的故障情况对表1给出的五种故障状态各提供4个样本构成了20个样本的样本集。基于网络虚拟仪器技术的破碎机在线监测与故障诊断系统-网络 虚拟仪器 破碎机 在线监测 故障诊断#文章摘要: 介绍应用虚拟仪器技术进行破碎机在线监测与故障诊断，并用网络技术实现数据的网络传输和远程监测。通过对一系列过程参量进行测量然后用神经网络从测量空间映射到故障空间实现故障诊断。破碎机诊断系统贝叶斯法和证据理论方法提供了有效的处理不确定性信息的手段。

神经网络之所以适合于故障诊断有以下三个主要原因1训练过的神经网络能存储有关过程的知识可以根据对象的正常历史数据训练网络然后将此信息与当前测量数据进行比较以确定故障。在故障诊断领域的应用主要有三个方面一是从模式识别角度应用神经网络作为分类器进行故障诊断二是从预测角度应用神经网络作为动态故障预测三是从知识处理角度建立基于神经网络的诊断专家系统。应用于破碎机故障诊断系统中的信息融合技术The information fusion technology used in crushing machine fault diagnosis system赵可新刘振名彭景芹 ZHAO Ke-xin LIU Zhen-ming PENG Jing-qin河北工程技术高等专科沧州 061001摘 要 本文以该设备故障诊断为研究对象在对国内外研究现状进行深入分析的基础上给出一种基于神经网络和D-S证据理论相结合的信息融合的故障诊断方法并进行实际检验。参考文献1 江萍.基于神经网络的信息融合故障诊断技术.机械科学与技术 2002 211:.2 高洪涛 敏证据理论在旋转机械综合故障诊断中应用.大连理工大学学报 2001 414:459 -462.3 卢绪祥 李录平 胡念苏. 汽轮机组回热系统故障诊断知识的模糊处理及诊断研究. 热能动力工程 2003 103 18:13-16.【上接第68页】。破碎机诊断系统利用数据融合的办法将4个测点的数据综合考虑用D-S合并规则进行合并得出表2中的结果非常理想。3神经网络具有分辨原因及故障类型的能力。

破碎机诊断系统Fault diagnosis system total design includes data acquisition, preservation and the fault analysis diagnosis design. Through utilizing the domestic and foreign advanced analysis diagnosis method and analyzing real-lime acquired data, historical data and accident specimen, the valuable data is picked-up and preserved. According to them we can carry on some specialized analysis in order to reduce accidental probability, and guarantee the entire workshop movement stable.。总体上看表1中单测点用于表征样本类型的量与1的差约在102量级上而表2中多测点的融合结果表征样本类型的量与1的差约在105量级上同时干扰项由原来102量级变为106量级。第三级是更新在时间上充分独立的来自同一传感器的一组连续报告将比任何单一报告都可靠。同时由于整个计算过程是由计算机按照优化程序自动完成的所以花费的时间远比常规设计要少设计效率得到极大提高。将神经网络的训练误差作为不确定因素将网络输出节点的输出作归一化处理作为各焦点元素的基本概率值计算公式为 1Ai表示故障模式i12…10y Ai表示BP网络的诊断结果En为网络的样本误差tnj ynj分别对应第j个神经元的期望值和实际值。保证生产正常进行的关键是使各种重要的大型设备正常运转。

应用于破碎机故障诊断系统中的信息融合技术--《制造业自动化》2011年01期#Guo Li Ma Yanheng Zhang Xien Ordnance Engineering College,Shijiazhuang,050003,China;[A];Proceedings of 6th International Symposium on Test and Measurement(Volume 8)[C];2005年。破碎机诊断系统0 引言现代工业设备趋向大型、高速自动化功能越来越多、结构越来越复杂因此设备故障停工造成的损失大大增加。说明根据融合之后的数据进行诊断决策把握要大得多诊断决策的可信度能够大幅度提高。根据数学模型采用MATLAB优化工具箱中的fmincon优化函数编制相应的M文件运行后得到优化的设计参数。3.2.2 证据理论的优点证据理论具有以下一些优点1证据理论采用信任函数而不是概率作为度量。GPS智能服务系统更是设备的“卫士”，向用户及时反馈机器的各项“健康”信息，防患于未然，让机器始终处于良好工作状态 。

5 结束语以信息融合的基本思路将多子神经网络和D-S 证据理论综合起来设计出一套综合诊断方法将两种方法取长补短相结合应用于故障诊断中取得了较好的诊断效果。应用于破碎机故障诊断系统中的信息融合技术 - 期刊论文 - 道客巴巴#第33卷 第1期 2011-1上 【67】收稿日期作者简介赵可新1970女河北泊头人副教授硕士研究生研究方向为计算机应用技术。表1 常规设计与优化设计结果对比常规设计优化设计太阳轮齿数za4343太阳轮齿宽bmm80100模数m84行星轮个数C23行星轮齿数zc1717内齿圈齿数zb7777行星轮系体积mm31.0922e0073.4131e0063 结束语 本文以行星轮系体积小为设计目标根据设计要求确定目标函数与约束函数建立了设计的数学模型。关键词 故障诊断信息融合BP神经网络D-S证据理论 中图分类号TP277 文献标识码B 文章编号上Doi: 10.3969/j.issn..2011.1上.21【68】 第33卷 第1期 2011-1上3.2 证据理论的推理结构及其优点3.2.1 证据理论的推理结构任何一个完整的推理系统都需要用几个不同推理级来保持精确的可信度表示。破碎机诊断系统设备发生故障时将产生机械的、电气的、物理的、化学的变化并随故障程度的增加而显著可通过各种检测手段监测这些异常现象来分析设备的故障状况。特征量提取特征量提取神经网络1神经网络2检测参数检测参数D-S推理D-S推理D-S推理D-S推理D-S推理D-S推理判定结果图1 综合论断模型结构图【下转第81页】第33卷 第1期 2011-1上 【81】 2.8954fval 2.2932e0062.2 优化结果分析根据MATLAB运行结果对获得的设计变量进行圆整终的参数如表1所示。

由此决定了三种不确定性随机性、模糊性、不完全性。从表中可以看出优化设计后终行星传动齿轮的体积比原来设计减少了68.75。这样在进行推断和多传感器合成之前要先组合更新传感器级的信息。由此可见采用化方法进行设计确实使得行星轮系的体积达到了小。破碎机诊断系统 2证据理论能同时处理随机性和模糊性所导致的不确定。孙璐,戴丽思,张德政,破碎机故障诊断系统总体设计#前言：总体设计要完成的是一套集采集、数据保存以及故障分析诊断并存的系统,利用国内外先进的分析诊断方法,通过对实时采样的数据、历史数据以及事故标本的分析,提取、保存其中比较有价值的数据,以供进行专业分析,减少事故发生的,确保设备运行稳定可靠。

2 神经网络技术的信息融合故障诊断方法神经网络是一个具有高度非线性的超大规模连续时间动力系统主要特征为连续时间非线性动力学、网络的全局作用、并行分布处理和联想学习能力。破碎机诊断系统矿山破碎机故障诊断中数据采集系统的设计-数据采集系统 故障诊断 破碎机#文章摘要: 本文以该设备故障诊断为研究对象，介绍了在破碎机故障诊断系统中效据采集子系统的软硬件设计方案，对破碎机故障诊断系统的开发有一定的作用。通过和常规设计的设计参数相比较可以看到通过优化设计减小了行星轮系的体积不仅节省金属材料也降低了制造成本真正实现了设计的目的。级是推断由它获取传感器报告并进行推断将传感器报告扩展成目标报告。2神经网络具有滤出噪声及在有噪声情况下得出正确结论的能力这种能力使得神经网络适合在线故障检测和诊断。4 BP网络与D-S证据理论相结合的综合诊断模型在用D-S证据理论进行各征兆域神经网络输出结果的局部信息融合时在系统中将单通道输出直接转化为证据推理模型即将神经网络的单通道输出经过归一化处理直接作为各焦点元素的基本概率分配从而避免了构造基本概率分配函数的复杂性然后用D-S证据理论的组合规则逐次合并各通道的诊断信息得到该征兆域独立的局部诊断结果。