機械故障診斷是指應用測試分析手段和診斷理論,對機械設備運行中所出現(xiàn)的故障機理、原因、部位和程度進行識別和診斷,并根據(jù)診斷結論,進一步確定機械設備的維修方案或預防措施。機械故障診斷以狀態(tài)識別為基礎,從機械設備的異常狀態(tài)出發(fā),實現(xiàn)故障定位、定性及定因.但是在一般情況下,由于系統(tǒng)結構、運行過程以及外界環(huán)境的復雜性,機械設備的故障征兆與故障原因之間并不是簡單的——映射關系,它們之間存在著復雜的一對多和（或）多對一關系,同時在診斷過程中還存在著許多隨機的、模糊的、不確定的因素,從而導致在機械故障診斷過程中存在著大量的不確定性問題。傳統(tǒng)的機械故障診斷方法如系統(tǒng)可靠性框圖、故障樹分析法等,難以解決機械故障診斷中的不確定性問題。而近年來快速發(fā)展的不確定性理論與方法,對于解決機械故障診斷中的不確定性問題具有很大的優(yōu)勢,并成為機械故障診斷領域中一個重要的研究方向。本文以國家自然科學基金“復雜工程系統(tǒng)故障預測與維護理論及關鍵技術研究”和國家863計劃先進制造技術領域“十一五”重點項目“行業(yè)大型裝備MRO支持系統(tǒng)”為背景,針對機械設備故障診斷過程中的不確定性問題,運用貝葉斯網絡和證據(jù)理論,提出了一種新的故障診... 

【文章來源】：中國科學技術大學安徽省 211工程院校 985工程院校

【文章頁數(shù)】：114 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
目錄
圖序
表序
第1章 緒論
    1.1 選題背景和意義
        1.1.1 選題背景
        1.1.2 研究意義
    1.2 機械故障診斷技術的國內外發(fā)展現(xiàn)狀及趨勢
        1.2.1 機械故障診斷技術的國內外發(fā)展現(xiàn)狀
        1.2.2 機械故障診斷技術的發(fā)展趨勢
    1.3 故障診斷的研究方法
        1.3.1 基于解析模型的故障診斷方法
        1.3.2 基于信號處理的故障診斷方法
        1.3.3 基于知識的故障診斷方法
    1.4 論文的主要研究內容
    1.5 論文的章節(jié)安排
第2章 機械故障診斷過程中的不確定性及解決方案
    2.1 機械設備的故障及其診斷
        2.1.1 機械設備的故障
        2.1.2 機械設備的故障診斷
    2.2 機械故障診斷中的不確定性
        2.2.1 不確定性的來源
        2.2.2 不確定性信息及其推理
    2.3 針對復雜機械故障診斷中不確定性的解決方案
    2.4 本章小結
第3章 機械故障診斷中的貝葉斯網絡建模
    3.1 引言
    3.2 貝葉斯網絡
        3.2.1 貝葉斯網絡的基本概念
        3.2.2 故障貝葉斯網絡
    3.3 基于ACO的故障貝葉斯網絡結構學習
        3.3.1 蟻群優(yōu)化算法
        3.3.2 基于ACO算法的故障貝葉斯網絡結構學習
    3.4 基于故障樹的故障貝葉斯網絡結構映射
        3.4.1 故障樹分析法
        3.4.2 故障樹到故障貝葉斯網絡的映射
    3.5 本章小結
第4章 機械故障診斷中的貝葉斯網絡推理
    4.1 引言
    4.2 貝葉斯網絡的推理
    4.3 故障貝葉斯網絡的推理算法
        4.3.1 推理結構轉變
        4.3.2 信念初始化
        4.3.3 信念傳遞與吸收
        4.3.4 故障概率的局部計算
    4.4 本章小結
第5章 基于D-S證據(jù)理論的會診診斷融合模型
    5.1 引言
    5.2 機械故障會診診斷策略
    5.3 D-S證據(jù)理論
        5.3.1 證據(jù)理論的基本概念
        5.3.2 Dempster-Shafer合成法則
    5.4 基于D-S證據(jù)理論的會診診斷融合模型
        5.4.1 會診診斷的過程及步驟
        5.4.2 融合悖論問題及貼合度的提出
        5.4.3 基于D-S證據(jù)理論的會診診斷融合模型
    5.5 本章小結
第6章 故障貝葉斯網絡在轉子系統(tǒng)故障診斷中的應用
    6.1 引言
    6.2 轉子系統(tǒng)的故障診斷系統(tǒng)框圖
    6.3 轉子系統(tǒng)故障診斷的貝葉斯網絡建模及推理
    6.4 本章小結
第7章 結論與展望
    7.1 主要研究結論
    7.2 不足和展望
參考文獻
致謝
在讀期間發(fā)表的學術論文與取得的研究成果


【參考文獻】：
期刊論文
[1]基于感知機的故障樹最小割集算法[J]. 苑春苗,陳寶智,李暢.  中國安全科學學報. 2006(05)
[2]基于聯(lián)結樹的貝葉斯網的推理結構及構造算法[J]. 胡小建,楊善林,馬溪駿.  系統(tǒng)仿真學報. 2004(11)
[3]轉子故障貝葉斯診斷網絡的研究[J]. 徐賓剛,屈梁生,陶肖明.  機械工程學報. 2004(01)
[4]Bayesian網中概率參數(shù)學習方法[J]. 薛萬欣,劉大有,張弘.  電子學報. 2003(11)
[5]基于貝葉斯網絡的智能故障診斷方法[J]. 李儉川,陶俊勇,胡蔦慶,溫熙森.  中國慣性技術學報. 2002(04)
[6]改進學習貝葉斯網絡結構的MDL準則[J]. 汪榮貴,張佑生,王浩,姚宏亮.  計算機工程與應用. 2002(08)
[7]基于遺傳算法的Bayesian網結構學習研究[J]. 劉大有,王飛,盧奕南,薛萬欣,王松昕.  計算機研究與發(fā)展. 2001(08)



本文編號：3533694