基于小波变换的精密测试转台测角系统的故障诊断

针对精密测试转台测角系统的突变性故障、饱和故障和高频干扰故障,研究并提出了一种基于离散小波变换的故障特征提取方法。这种方法采用db4小波函数对测角系统激磁信号进行小波变换,将原始信号分解为近似信号和细节信号。根据分解得到第一层的细节信号,可以定位突变性故障和饱和故障。通过多层分解,确定近似信号和细节信号的最大幅值,根据信噪比大小可以确定是否存在高频干扰故障。实验结果显示,通过该方法可以实现对测角系统激磁电源故障准确的故障特征提取和定位,提高了精密测试转台的安全性和可靠性。     

井壁破裂与内部应变状态机理分析

为研究立井井壁破裂与内部应变之间的相互规律，搭建井壁实物模型以模拟井壁受力破裂过程和状态，利用分布式光纤技术对井壁内部应变进行监测，并分别从应力和应变多角度进行深入分析.结果表明：对于应变状态，当施加应力增大，井壁应变程度也随之增大，应变极大值所对应的井壁位置，其应变程度在范围内达到最大，破裂风险也就最高；对于应力作用，不同应力下井壁应变最大值与最小值之间的偏差度越大，井壁稳定性越差，越容易发生破裂；分析了应力、应变二者相互关联性，拟合各方向角所对应的井壁位置应变变化的线性方程，变化率数值越大，井壁应变增长速度就越快，当应变值超过所能承受极限时，井壁会更容易发生破裂；通过对井壁应变数据监测，分析了应变差值、偏差度和应变变化率，结合Lamé公式，建立了井壁应变破裂关系模型，为井壁破裂预警提供了新方案.     

转台的粗糙神经网络故障诊断系统设计

针对转台故障的多样性与复杂性,设计了独立于专家的粗糙神经网络故障诊断系统。首先建立转台故障诊断决策表,然后用粗糙集方法约简冗余属性,最后设计了神经网络分类器和辨识器。实验结果显示,诊断系统能较好地区分和辨识具有相同故障现象的不同故障,诊断正确率达到96.7%。将粗糙集理论与神经网络相结合,简化了信息表达空间,减小了神经网络结构的复杂性,并具有强大的容错和抗干扰能力,工程实用性强。     

基于粗集理论的精密测试转台故障诊断

分析了精密测试转台的故障类型及产生机理,研究并提出了基于粗集理论的故障诊断方案．该方案基于不可分辨性的思想和知识简化的方法,在保持分类能力不变的前提下,采用差别矩阵对精密测试转台故障库进行知识约简,从故障样本集中推理出逻辑规则作为诊断规则,揭示了转台故障信息的内在冗余性．实验结果显示,通过该方法可以实现对精密测试转台故障的准确定位,提高了精密测试转台的安全性和可靠性。     

基于邻域粗糙集的转台故障诊断

针对转台的故障类型和特点,设计了基于邻域粗糙集的故障诊断系统。邻域粗糙集以邻域关系代替经典粗糙集的等价关系,通过邻域信息粒子逼近论域空间,可以直接处理数值型属性。提出了一种基于邻域等价关系的混合约简算法,通过计算条件属性的依赖度,对原始决策表进行约简,有效地剔除了系统的冗余属性。在约简决策表的基础提取分类规则,并最终生成分类机。通过对转台故障诊断的实验,验证了该方案的有效性和可行性。     

基于减聚类和T-S模糊神经网络的转台故障诊断系统

在分析转台故障类型和机理的基础上,针对故障与征兆之间的复杂非线性映射关系,提出了一种基于减聚类的T-S型模糊神经网络故障诊断方案.首先建立了转台故障底事件与征兆信号的明确对应关系,并以清晰数值形式表述专家的诊断经验;然后在减聚类算法中引入权值的概念,获得简约规则表;接着利用抗噪声训练方法训练网络,使其能够克服一定幅值内的噪声干扰;最后利用含噪声数据和测试数据分别试验.试验结果表明:该方法能有效减少诊断规则的数目,准确地实现故障识别,对噪声的容错能力强,有很强的工程实用性.