混合智能技术及其在故障诊断中的应用研究中英文摘要

《混合智能技术及其在故障诊断中的应用研究中英文摘要》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、论文中英文摘要作者姓名：雷亚国论文题目：混合智能技术及其在故障诊断中的应用研究中文摘要II1机械、运载、能源、冶金、石化等国民经济和国防建设屮的大型复杂机械设备，长期在11重载、疲劳、腐蚀、高温等复杂恶劣的工况下运行，设备屮的关键零部件会不可避免地发生］;不同模式和不同程度的故障。例如，汽轮发电机组、航空发动机、燃汽轮机等人型旋转机械;;出现动静碰摩、密封摩擦、轴瓦破碎、转子裂纹等故障现象；高速机车、连铸连轧机组、数::控机床等装备中的主轴、齿轮、轴承和丝杠经常出现磨损、腐蚀、剥落、胶合、擦伤、裂纹、ii断齿等故障现象；人型内燃机、往复式压缩机等装备在

2、变工况作用下，曲轴、轴承、连杆、i［活塞等产生磨损、疲劳断裂以及穴蚀、烧蚀等故障现象。对这些大型复杂设备进行状态监测1i与故障诊断密切关系到生产系统的正常运行、生产效率的提高、产品质量的保证、生态环境i1的保护以及维修管理的科学化与现代化等一系列觅要问题，因此倍受世界各国的广泛关注。1；由于人型复杂机械设备的故障具有复杂性、不确定性、响应微弱性、多故障耦合性、相关性：［等特点，因此，其状态监测与故障诊断要比常规设备的监测诊断要求高、难度大，对于其早ii期故障和复合故障的诊断更是难上加难。ii传统的故障诊断大多是由诊断专家手工进行，因此使用者的经验和专业

3、知识就尤为重要八；同时对于结构复杂、监测单元多、自动化程度高的机械设备，需耍分析的数据量十分巨大。；:如呆这些大量的数据全部依靠诊断专家手T来分析显然是不可行的，因此必须提高设备故障:i诊断的口动化、智能化程度。近几年，国内外学者将专家系统、模糊逻辑、神经网络、遗传i1算法、聚类分析、支持向量机、粒子群算法、粗糙集理论等人工智能技术应用于设备的故障i［诊断中，从而进行设备的智能故障诊断，在T程实际中取得了显著成效。随着研究和应用的］::深入，发现这些技术各具特色、各有不足，在一定的条件和场合下有效。面临的诸如诊断信11息不完整、模糊隶属函数的人为确定、

4、专家系统的知识获取困难、神经网络缺乏故障训练样］［木等问题，限制了这些单一智能技术的应用。尤具对于大型复杂机械设备早期故障和复合故i［障，单一智能技术存在诊断精度低、泛化能力弱和通用性不强等问题，严重制约了大型复杂［i设备早期故障和复合故障的有效检测与诊断。因此急需新的技术和方法來解决这一工程实际i；中面临的棘手问题。::;借鉴“优势互补”和“分而治之”思想、利用人工智能技术与算法、结合机械故障诊断i1理论的混合智能故障诊断技术便应运而生。混合智能故障诊断技术辉煌的发展远景是可预见1［的，但目前纸面上的研究十分活跃，这种纸上谈兵的讨论，并没有在实际应用

5、中充分地发挥］1作用。迄今为止，实用化的混合智能诊断系统为数不多。无容置疑，研究混合智能故障诊断］：：技术以解决大型复杂设备早期故障和复合故障的诊断问题是十分困难而又十分有意义的课:i题。论文正是针对这一•极具挑战而又诱人的课题，对混合智能故障诊断技术进行了深入的研i［究，旨在提出新的混合智能诊断算法与模型，并应用于工程实际，有效地提高高速机车、汽］■:轮发屯机组、往复式压缩机等人型复杂机械设备的服役性能和预防重人事故，取得显著经济：［效益和社会效益。因此，研究混合智能故障诊断技术具有重要的科学理论意义和工程应用价［:;论文首先构造了混合智能故障诊断框

6、架，给予混合智能故障诊断新的涵义：利用专家系i统、模糊逻辑、神经网络、遗传算法、支持向量机等单一智能技术之间的差异性和互补性，；i扬长避短、优势互补，并结合现代信号处理技术和特征提取方法，将它们以某种方式综合、；1集成或融合，以弥补单一智能故障诊断技术存在的缺陷，有效提高人型复朵机械设备的早期1::故障和复合故障诊断的准确性和鲁棒性，确定故障发生的位置和模式，并估计其严重程度。i论文阐述了模糊逻辑、神经网络、聚类算法和遗传算法等单一智能技术的基木概念和原I理，针对每种技术举例说明，论证其优势并指出其不足。论证了两种适合于处理非平稳、非i线性信号的现代信

7、号处理技术：小波包分析和经验模式分解。小波包分析是小波变换的延伸，I它以不同的尺度将动态信号正交地分解到相互独立的频带中，提供无兀余、不疏漏的独立频i带分解信号的特征信息；经验模式分解方法基于信号的局部特征时间尺度，把动态信号分解I为若干个本征模式分量，正交地给出分解信号的木征信息。所以二者分别从不同角度来分析i信号，各具特色，为混合智能故障诊断提取全面的故障特征信息。i为了提高大型复杂机械设备早期故障诊断的准确性，提出了一种基于现代信号处理、特i征评估和神经网络的混合智能故障诊断模型。该模型用小波包和经验模式分解对振动信号进i行分解，分别提取原始信号

8、和各分解信号的统计特征组成联合特征，然后对联合特征进行评i估，并计算评估因子。根据评估因子的大