基于信息熵的系统诊断参数交互推理选择方法

介绍了一种多输入，多输出系统的故障诊断参数选择方法，该方法经可观参数集的信息熵为标准，进行启发性诊断参数集的划分，先以系统状态决定的启发性诊断参数子集作为驱动数据，实施正向推理，缩小目标集合，再以故障目标集合为对象，进行反向推理以确定最终故障集合；最后将故障集合的元素所对应的可测诊断参数作为系统的诊断参数进行测量，该方法构成了诊断型专家系统的一子部分。     

基于EEMD与模糊信息熵的旋转机械故障诊断方法

针对旋转机械故障识别率偏低的问题,提出一种基于EEMD与模糊信息熵的旋转机械故障诊断方法.该方法结合EEMD分解和模糊信息熵在特征提取方面的优势,构造出一种能够精细度量不同类别振动信号故障概率复杂度的特征集合.首先将原振动信号进行EEMD分解,获得若干个本征模态函数(IMFs);计算出前5个高频IMF分量的模糊信息熵组成高维特征集;利用LPP对高维特征集进行维数约简剔除冗余不相关特征;最后将约简后的样本集输入到KNN分类器中进行故障识别.用双跨转子实验台采集的数据对所述方法进行验证,并与EMD模糊熵、EMD模糊信息熵、EEMD模糊熵方法进行故障识别率对比,结果表明该方法能够有效提取转子振动信号的故障特征,并且具有更高的故障识别率.     

基于IMFECF的多信息熵融合技术的齿轮故障诊断方法

交变应力和高负载的工作条件会导致齿轮箱故障频发,为了通过振动信号诊断齿轮箱各工况下运行情况,提出了一种基于IMF熵值分类因子（IMF Entropy Classification Factor,IMFECF）的多信息熵融合技术的齿轮故障诊断方法.通过IMFECF量化信息熵中IMF(Intrinsic Mode Function)的表征能力,分离表征能力优异的IMF,采用信息熵提取IMF中的工况特征,由于不同信息熵各有优势,因此利用多信息熵融合体系结构,获得了最优的自适应模糊推理系统.研究结果表明,经诊断模型训练后的诊断误差满足要求,能准确诊断齿轮箱状态.     

基于信息熵的知识约简算法及实现

回顾了粗糙集理论的基本概念,并以信息论观点研究了一种基于信息熵的知识约简算法,该算法对决策表中属性的重要性给出了度量方法。算法实现部分详细说明了系统各模块的设计实现过程并给出了一个运行实例。     

投资心理与基于信息熵的认知风险

以信息熵为基础,提出了理性投资者的认知风险度量模型和过度自信心理的投资者的认知风险度量模型。在已知认知概率分布的条件下,分析了投资者的认知风险,结果表明：理性投资者的认知风险具有一致性,而过度自信投资者的认知风险比理性投资者的认知风险小,并且过度自信程度和认知风险为负相关关系。     

基于信息熵的知识网度量方法及应用

为了解决知识网库中知识网的选择问题,提出了一种基于信息熵的知识网度量方法.首先,定义了基于信息熵的知识量函数,并证明了知识量函数的单调性.然后,将基于信息熵的知识网度量法用于基于用户功能需求的知识网选择中,并将基于用户功能需求的相似性和知识量作为评价知识网的量化指标.最后,在.NET平台上利用C#语言和数据库管理系统SQL Server 2000,开发出基于用户功能需求的知识网选择的使能工具,并通过实例证明,相似性和知识量的结合可以更好地对知识网进行度量.用户功能需求越详细,且知识网库中的知识网相似性值和知识量值越接近目标知识网,则搜索到的知识网越能满足用户的需求.     

证据理论在旋转机械综合故障诊断中应用

针对旋转机械故障诊断中在同一征兆域中很难区分多种故障的实际情况,研究利用其他征兆域的诊断信息,进行全局信息融合,从而获得更为准确的故障定位,提出一种基于神经网络和Dempster-Shafer证据理论的多参数综合诊断系统模型,在该模型中采用证据理论的组合规则进行局部和全局信息融合,得出较好的诊断结果。     

基于信息熵的零件供应商选择与评价

零件供应商的选择对于企业有着重要的影响,但传统的供应商评价和选择方法具有主观性过强的特点.在描述零件供应商选择模型的基础上,提出了基于信息熵的零件供应商选择和评价方法,并以实例说明该方法的有效性.     

基于信息熵的教学模糊综合评价研究

教学评价是一个结构复杂和影响因素众多的过程.针对一般教学评价方法的缺陷,引入信息熵的理论,结合模糊综合评价法,提出了基于熵的模糊综合评价法,克服了单一评价方法在权重确定方面的不足,并将之应用到教学评价过程中,表明运用该方法的评判结果更客观、科学、合理.     

基于信息熵理论的综合评价方法

运用熵权赋值法求得评价体系各指标的客观权重,然后结合相应的主观因素,得出体系的综合权重,以体现主客观相结合的思想,使得评价体系更科学合理.以大学生综合素质评价体系为例说明这一评价方法的实用价值和意义.评价结果最大程度地贴近实际,更加合理规范.     

基于多尺度熵的滚动轴承故障诊断方法

针对滚动轴承故障振动信号具有不同复杂性的特点,提出了一种新的基于多尺度熵(multi-scale entropy,简称MSE)和支持向量机的滚动轴承故障诊断方法.该方法首先利用MSE方法对滚动轴承不同类型振动信号进行故障特征提取,然后与样本熵方法对比说明MSE方法相对于样本熵方法的优势,最后通过适合小样本分类的支持向量机作为分类器来识别滚动轴承故障类型.对实验数据分析的结果表明,该方法能有效地实现滚动轴承故障类型的诊断.     

基于证据熵多源组合规则的风力发电机组故障诊断方法

针对证据理论在风力发电机故障融合诊断中存在的高冲突问题,提出一种基于证据熵的多源融合组合规则.由风力发电机历史故障特征数据模糊化获取原始证据,根据多类传感器实时数据重要性的不同,采用信息熵原理得到各证据的重要性参数即权重,对加权修改后的证据进行Dempster融合得到最终结果,最后基于决策准则作出故障诊断.风力发电机故障诊断实例表明,本方法在一定程度上降低了证据之间的冲突性,提高了故障诊断的准确率.     

基于信息融合的支撑座早期松动故障诊断

采用基于信号分析的无模型检测方案和信息融合技术,对支撑座早期松动故障进行检测诊断.针对支撑座松动的小波包变换特征和功率谱特征进行特征融合与决策融合,同时采用基于熵度量的无监督特征约简方法对功率谱特征进行约简,有效地减少了特征数目,加快了融合和诊断速度.特征融合与决策融合采用分层神经网络实现,该网络综合了局部融合和全局融合的优点,具有很高的故障确诊率和很好的抗噪性能,无噪声样本综合确诊率达94.3%,有噪声样本综合确诊率达88.6%.     

基于Kullback信息测度的长输管线的故障诊断

提出了一种基于 Ｋｕｌｌｂａｃｋ信息测度的长输管线泄漏诊断方法．它通过对管线两个 端点附近的压力梯度所构成的时间序列进行分析，从而检测出泄漏，并在此基础上对泄 漏点进行定位．此法只需测量２个端点附近的４个压力信号，且计算量小．在实际中较 容易实现。用该方法在一条长１２０ｍ、内径１０ｍｍ的液体管线上进行了实验，当泄漏量 为０．５％时，定位误差为总管长的２％。结果表明．这是一种很有实用价值的诊断方法。     

基于故障树分析和XML的网络故障诊断技术

随着校园网络的高速发展,网络规模不断扩大,快速准确地诊断和分析网络系统故障已成为校园网管理和维护的一个重要组成部分.本文针对当前校园网络系统的各类故障和实际维护中存在的普遍问题,提出利用故障树分析法建立一个集网络拓扑结构、网络线路状况、用户应用软件和病毒暴发情况为一体的XML网络故障知识库.在实际使用中,结合客户服务管理系统,不断充实知识库内容,以此为基础进一步对网络系统作失效分析和预测故障发生概率,为提高校园网运行管理和故障诊断水平提供良好的支持平台.     

信息融合熵在机械故障诊断中的应用

详细介绍信息融合熵理论在机械故障诊断中的应用,为复杂的机械故障诊断提供一种新的方法.利用信息论熵的相关理论和D-S证据理论,分别研究机械特征参数提取和机械故障诊断的信息融合问题.用机械健康度定量度量机械状态的优劣,给出机械特征参数提取和机械故障诊断时信息融合的计算方法.最后,以柴油机的故障诊断为例,论述实际故障诊断应用中该方法的具体实施过程,并将该诊断方法与传统的故障诊断方法进行比较,分析该诊断方法的特点.研究结果表明基于信息融合熵的机械故障诊断方法具有良好的容错性和稳定性,能够提高机械故障诊断的准确性和可靠性.     

基于信息熵的学校师资状况的综合评价方法

运用较为成熟的熵值评价法,再次对嘉兴电大师资队伍的发展状况进行研究,所得结论和"师资系统熵"模型的结论基本相同.这不仅表明了两种评价方法的有效性和实用性,而且证明了作者提出的"师资系统熵"及其评价方法具有一定的正确性.     

基于综合关联度分析的电力变压器故障诊断

在电力变压器故障诊断中,针对油中溶解气体分析,传统的三比值法难以包括和反映电力变压器内部故障的所有形态,在实际工作中存在许多变压器故障因查不到故障编码而无法判断的问题.结合油中溶解气体分析技术和灰色关联的相关理论,提出了一种面积关联度和斜率关联度相结合的综合关联度分析方法,给出了变压器故障诊断的算法步骤,并对权重系数的选取进行了探讨.该方法既能表征序列曲线的离散程度,又能反映序列曲线的变化走向相似度,能全面描述序列间联系的紧密程度.实验表明,将该方法用于变压器故障诊断,不仅克服了三比值法存在的问题,而且故障诊断准确率也高于面积关联分析方法和斜率关联分析 方法.在收集到的数据中随机选取350组进行计算,诊断准确率达到93.7%.