导读:本文包含了工业故障诊断论文开题报告文献综述及选题提纲参考文献，主要关键词:故障特征,故障诊断,诊断证据,证据更新
工业故障诊断论文文献综述
朱玉华,曲萍萍[1]（2019）在《基于改进的证据更新工业过程故障诊断研究》一文中研究指出工业生产过程的故障成因颇为复杂,一种故障的故障特征可能有多种表现形式,而多种故障又有可能表现出一种故障特征。因此单模型、单因素的故障诊断方法已显其不足。提出了改进的证据更新的动态故障诊断算法,并结合人工智能方法应用到硝酸生产过程故障诊断系统中。该方法通过对模糊神经网络的描述来确定故障诊断的辨识框架,应用新型的模糊推理方法生成诊断证据,诊断证据再基于改进的证据更新规则来实现证据的动态更新,根据结果来进行故障决策,从而解决了故障模式多样性、故障诊断动态性以及故障特征不确定性的问题。经实例验证,该方法的应用可提高故障诊断确诊率。(本文来源于《电子技术应用》期刊2019年11期）
党纲,阎高伟,闫飞,陈泽华[2]（2019）在《基于联合均值差异匹配域适应的工业过程故障诊断》一文中研究指出针对工业过程中故障诊断面临的复杂性问题,提出基于联合均值差异匹配(joint mean discrepancy matching,JMDM)域适应的工业过程故障诊断方法。该方法首先采用联合均值差异匹配定义类内差异和类间差异,然后,引入最大方差和最大均值差异获取特征变换矩阵,进而,将源建模领域和目标建模领域的特征信息投影到公共子空间,最后,在子空间建立分类模型完成工业过程的故障诊断分类。实验结果表明,相比于传统JDA、TCA等域适应算法,联合均值差异匹配域适应算法能更加准确的完成故障分类,具有很高的分类精确性和灵活性。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
魏域琴,宋丹丹,翁正新[3]（2019）在《基于DPCA-KNN的工业过程故障诊断方法研究》一文中研究指出本文将数据驱动的故障诊断方法应用到工业仿真系统中,提出了基于动态PCA和KNN相结合的故障诊断方法。首先,采集过程变量的原始数据并进行预处理,采用DPCA方法进行动态主元分析,建立主元模型,在该模型基础上,利用KNN方法获取样本的K个近邻,进行故障检测;最后,当检测到系统发生故障时,利用贡献图的方法进行故障分离。以TE过程故障诊断为例进行实验,结果表明文中方法较其它方法有更高的故障检出率和更低的误报率,提高了故障诊断的可靠性,具有一定的优越性。(本文来源于《第叁十八届中国控制会议论文集（7）》期刊2019-07-27）
吴永辉,曹琦[4]（2019）在《PROFINET工业网络的故障诊断》一文中研究指出PROFINET是目前工业广泛使用的的总线技术,主要应用于工厂自动化通信领域中,本文阐述了Profinet常见的故障类型、Profinet的故障诊断方法,为自动化技术人员提供参考。(本文来源于《数字通信世界》期刊2019年06期）
朱伟超[5]（2019）在《基于机器学习的工业物联网设备故障诊断系统的设计与实现》一文中研究指出传统工业设备维护的计划性维修模式,导致设备维护不及时、维修成本高等问题。人工智能技术的应用为设备故障诊断提供了新途径。目前多数针对智能设备故障诊断的研究局限于算法理论方面,且受限于有限的公开数据集,模型的数据维度有限,实际可操作性不强。本文结合实际工业物联网应用场景,研究了工业数据采集技术和基于机器学习故障诊断算法,针对滚动轴承部件设计研发了工业物联网智能设备故障诊断系统。本文主要工作包括:(1)设计了工业物联网数据采集系统和设备故障诊断算法。论文分析了工业物联网设备故障诊断系统需求,针对数据采集系统的设备接入、本地网关和云平台叁个模块,设计了系统硬件组织架构、数据传输网络架构和系统软件架构。论文采用数据挖掘技术和机器学习算法,研究了实际系统滚动轴承五种类型的传感数据的特征,提出了基于提升树预训练的循环神经网络故障诊断算法。(2)实现了工业物联网数据采集系统和设备故障诊断算法。论文研究了工业物联网传输协议和工业传感技术,采用工业数据采集技术和大数据技术,实现了滚动轴承的多维传感数据的采集、传输、存储和展示等功能。本文提出的基于提升树预训练的循环神经网络故障诊断算法,利用提升树对采集到的多维传感数据进行预训练,对特征同时进行组合和降维,降低了模型下游的循环神经网络模型的复杂度,可以满足实时性要求较高的工业物联网设备故障诊断需求。(3)本文对实际搭建的工业物联网数据采集系统和提出的设备故障诊断算法进行了功能测试和性能分析。数据采集系统进行了数据显示、数据存储和故障诊断等功能的测试,测试结果表明系统运行稳定,能够实时对设备故障进行诊断。论文在树模型参数、多维数据特征和模型对比等方面对基于提升树预训练的循环神经网络故障诊断算法进行了性能分析。实验结果表明,本文提出的设备故障诊断算法在准确率方面获得了显着的提升。(本文来源于《北京交通大学》期刊2019-06-01）
姚培培[6]（2019）在《面向流程工业故障诊断的模糊多属性决策方法的研究》一文中研究指出随着工业企业信息化的迅速发展,在流程工业过程中很难避免故障的发生。一旦流程工业过程中出现了故障,从各个方面都会造成严重的后果。与西方国家相比,我国的故障诊断技术可能要晚一些,虽然也相继召开了设备技术诊断座谈会,但目前,面向流程工业故障诊断的模糊多属性决策方法的研究还比较少,研究成果相对匮乏、无论是在理论方法研究方面,还是在应用研究方面,都没有得到应有的重视。随着当今人工智能的发展,故障诊断技术也进入了一个新的时代,模糊多属性决策研究和故障诊断方向也是一个新课题,具有较强的探索性和前沿性。本文主要研究面向流程工业故障诊断的模糊多属性决策方法,以汽轮机故障诊断和化工田纳西(Tennessee Eastman,TE)过程故障诊断为背景,探索流程工业故障诊断的有关模糊多属性决策的新方法。本文的工作为以下几个方面:(1)现代测量技术所获得的大量故障特征信息主要有不完整的信息,不确定的信息或者不一致的信息,其中,根据实际的情况,故障频率特征就存在不完整和不确定的信息等问题。因此,为了考虑每个故障频率元素的重要性,以模糊数学和模式识别理论为基础,对传统的模糊贴近度方法做了改进,提出了一种基于单值中智数的模糊贴近度方法,应用于汽轮机的故障诊断中。(2)传统的K近邻(KNN)算法没有考虑样本特征之间的相对关系,需要计算测试样本与所有的训练样本的距离来确定k个近邻,以至于分类速度慢,计算复杂度高。针对以上述问题,本文引入模糊数学中相关的概念——模糊隶属度,贴近度方法,提出一种基于加权卡方距离度量的模糊K近邻算法(CSFKNN)。为了使此方法能得到更好的应用,下一步将CSFKNN算法应用到流程工业的故障诊断中。(3)在流程工业的故障诊断过程中,由于故障样本数据具有多个属性,有些属性之间没有相互关联的作用,这样就造成了故障样本数据的多属性群问题。为了解决这一问题,本文把VIKOR方法和模糊K近邻方法相结合,提出了一种基于VIKOR方法和模糊K近邻方法的故障诊断方法(VCSFKNN),将故障样本数据的多属性群问题转化为模糊多属性决策问题,应用到TE过程的故障诊断领域。(本文来源于《齐鲁工业大学》期刊2019-05-31）
李锦龙[7]（2019）在《基于公有云的工业现场故障诊断研究》一文中研究指出随着我国制造业的飞速发展,智能制造技术的应用更加广泛,工业生产环节和设备不同部分之间的联系更加紧密,设备在生产过程中发生故障不但会影响生产计划的完成,造成经济损失,而且会带来一定的安全隐患。现有的故障诊断系统存在灵活性不足、效率较低、扩展性较差和故障报警信息形式单一等问题。为了满足当前工业现场设备的故障诊断需求,本文设计了一种基于公有云的工业现场故障诊断系统,主要工作如下:(1)以臭氧发生器系统为研究对象,利用工业无线网络和PROFITNET协议将臭氧发生器系统的运行数据采集到本地监测端,实现臭氧发生器系统状态的实时显示。(2)对臭氧发生器系统的故障特征进行研究,建立故障诊断样本,利用MATLAB仿真实验确定神经网络的结构以及相关参数。利用离线方法对基于BP神经网络的故障诊断算法进行训练。(3)将基于BP神经网络的故障诊断算法部署在阿里云上,建立云诊断中心,利用本地监测端上传的系统运行数据,实现对臭氧发生器系统的故障诊断。(4)采用B/S架构搭建远程客户端,利用阿里云的DataV数据可视化及SendSms短信服务实现臭氧发生器系统的在线监测、历史曲线查询以及故障报警等功能。(5)对本文所设计的故障诊断系统相关功能进行了测试,验证了基于公有云的工业现场故障诊断系统的准确性和可行性。本文将故障诊断算法与公有云平台相结合,基于B/S架构,利用数据可视化、短信报警等服务,实现了一种基于公有云的工业现场故障诊断系统。该系统较好的解决了故障诊断效率较低、数据远程监测灵活性不足、故障报警形式单一等问题,可较明显缩短故障处理时间,减少企业经济损失,提高企业生产效率。(本文来源于《北方工业大学》期刊2019-05-17）
[8]（2019）在《“智能运维——润滑管理与故障诊断”高峰论坛全国工业设备润滑管理与故障诊断应用技术论文征集评选活动通知》一文中研究指出设备润滑管理与故障诊断技术是企业设备管理的基础,润滑在机械的传动和设备的保护中起着重要的作用。润滑污染控制的好坏直接影响设备的性能、精度和使用寿命;设备故障诊断技术在保障工业生产安全、提高设备使用率、延长设备使用寿命、提高生产效益等方面也有着非常重要的意义。聚焦各行业企业智能运维过程中有关润滑和诊断技术的热点、难点问题展开讨论,寻找解决方案并推广润滑、诊断新技术成(本文来源于《设备管理与维修》期刊2019年09期）
杜海莲,苗诗瑜,杜文霞,吕锋[9]（2019）在《改进主元分析方法及数据重构在工业系统中的故障诊断研究》一文中研究指出为了更加准确地对复杂工业生产系统进行故障判断,使生产系统更加稳定地运行,采用了改进的主元分析(Principal component analysis,PCA)方法及数据重构对工业过程进行故障诊断研究。采集工业系统正常和故障状态时的数据,将传统的PCA算法中平方预测误差(Squared prediction error,SPE)统计量分成两个,分别为主元显着关联的检测残差变量(Principal-component-related variable residual,PVR)和一般变量残差(Common variable residual,CVR)对系统进行故障判断。为了使系统在检测出故障之后尽量减少故障数据对系统的影响,又进一步应用数据重构方法,将故障数据重构成正常数据,并采用有效度指标进行验证。在故障发生的过程中对故障部分进行检修和排除,把生产系统受到故障的影响降到最低。改进的PCA方法和数据重构方法运用田纳西—伊斯曼过程的数据验证,使故障的检测结果更加准确,保证了生产系统的正常运行行。(本文来源于《南京理工大学学报》期刊2019年01期）
魏晓东[10]（2019）在《基于工业无线传感器网络的设备故障诊断方法研究》一文中研究指出伴随着科学技术的发展和进步,现代机械设备逐渐朝着结构复杂化,功能多样化发展。长期运行的设备极易发生故障。为了避免发生故障,设备状态监测与故障诊断系统必不可少。基于无线传感器网络的设备故障诊断系统,可以有效地弥补有线诊断系统的不足。本文从无线传感器网络技术和信号处理方法入手,选取电机轴承作为研究对象,研究了基于工业无线传感器网络的设备故障诊断方法。论文的主要工作如下:(1)研究了利用希尔伯特-黄变换提取设备故障特征,并在MATLAB进行了仿真实验。实验结果表明利用希尔伯特-黄变换可以有效提取设备故障特征。(2)构建了实现多分类的支持向量机模型,并利用该模型进行了电机轴承故障诊断仿真实验。实验结果表明利用支持向量机进行设备故障诊断具有较高准确性。(3)利用C语言编程,在无线传感器网络终端节点(Jennic JN5139)上实现了基于支持向量机的设备故障分类。利用已有数据,对希尔伯特-黄变换进行设备故障特征提取和在节点上通过支持向量机进行故障诊断的有效性进行了验证。(本文来源于《华北电力大学》期刊2019-03-01）
工业故障诊断论文开题报告
（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：
针对工业过程中故障诊断面临的复杂性问题,提出基于联合均值差异匹配(joint mean discrepancy matching,JMDM)域适应的工业过程故障诊断方法。该方法首先采用联合均值差异匹配定义类内差异和类间差异,然后,引入最大方差和最大均值差异获取特征变换矩阵,进而,将源建模领域和目标建模领域的特征信息投影到公共子空间,最后,在子空间建立分类模型完成工业过程的故障诊断分类。实验结果表明,相比于传统JDA、TCA等域适应算法,联合均值差异匹配域适应算法能更加准确的完成故障分类,具有很高的分类精确性和灵活性。
（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。
工业故障诊断论文参考文献
[1].朱玉华,曲萍萍.基于改进的证据更新工业过程故障诊断研究[J].电子技术应用.2019
[2].党纲,阎高伟,闫飞,陈泽华.基于联合均值差异匹配域适应的工业过程故障诊断[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[3].魏域琴,宋丹丹,翁正新.基于DPCA-KNN的工业过程故障诊断方法研究[C].第叁十八届中国控制会议论文集（7）.2019
[4].吴永辉,曹琦.PROFINET工业网络的故障诊断[J].数字通信世界.2019
[5].朱伟超.基于机器学习的工业物联网设备故障诊断系统的设计与实现[D].北京交通大学.2019
[6].姚培培.面向流程工业故障诊断的模糊多属性决策方法的研究[D].齐鲁工业大学.2019
[7].李锦龙.基于公有云的工业现场故障诊断研究[D].北方工业大学.2019
[8]..“智能运维——润滑管理与故障诊断”高峰论坛全国工业设备润滑管理与故障诊断应用技术论文征集评选活动通知[J].设备管理与维修.2019
[9].杜海莲,苗诗瑜,杜文霞,吕锋.改进主元分析方法及数据重构在工业系统中的故障诊断研究[J].南京理工大学学报.2019
[10].魏晓东.基于工业无线传感器网络的设备故障诊断方法研究[D].华北电力大学.2019