排烟风机信息融合故障诊断方法与系统研究 [平装] 9787502464196

《排烟风机信息融合故障诊断方法与系统研究》综合运用信息融合理论、提升小波信号预处理及特征提取方法、盲源分离故障诊断方法、BP—ART2神经网络故障诊断、多专家协同诊断等先进理论和算法，对多传感器信息在多层结构上进行多诊断方法的信息融合，并在理论研究的基础上，开发了排烟风机运行状态监测与故障诊断微机集中式和DSP分布式两种监测与故障诊断系统，实现了排烟风机的有效故障诊断。《排烟风机信息融合故障诊断方法与系统研究》可供从事排烟风机或大型旋转机械状态监测、故障诊断等方面理论研究或系统开发的学者与相关工程技术人员参考。 1绪论 1.1机械故障诊断的发展与现状 1.1.1国内外研究现状 1.1.2故障诊断技术的发展趋势 1.2故障诊断方法与技术概述 1.2.1信息融合故障诊断 1.2.2信号预处理技术 1.2.3神经网络故障诊断 1.2.4盲源分离故障诊断 1.2.5故障诊断专家系统 1.3本书的研究意义与应用前景 1.4本书的主要内容与结构安排 2自适应提升小波信号处理方法研究 2.1排烟风机信号预处理问题的提出 2.2小波去噪阈值函数设计 2.2.1现有阈值函数分析 2.2.2本书设计的改进阈值函数 2.2.3阈值函数去噪性能比较 2.3提升小波自适应去噪算法研究 2.3.1信号局部特征的时域估计方法设计 2.3.2基于信号局部特征的小波函数选择 2.3.3信号突变点的平滑递变阶次提升小波函数设计 2.3.4基于信号局部特征的自适应小波阈值选择 2.3.5仿真与实验 2.4信号频域特征的小波消混校正方法设计 2.4.1小波分析的频域特征提取 2.4.2小波分解中频率混淆的校正方法设计 2.4.3消除小波分析频率混淆算法设计 2.4.4小波混频改进算法应用 2.5本章小结 3动态故障源数估计的自适应盲源分离方法研究 3.1数据层融合诊断问题的提出 3.2动态故障源的源数估计算法研究 3.2.1现有信号源数估计方法 3.2.2基于拓展四阶累积量矩阵与奇异值分解的 源数估计算法研究 3.2.3拓展四阶累积量矩阵源数估计实验 3.3基于动态故障源数估计的自适应盲源分离算法研究 3.3.1基于主元分析的超定盲源分离算法 3.3.2基于稀疏元分析的欠定盲源分离算法 3.3.3自适应盲源分离算法 3.4盲源分离实验分析 3.5本章小结 4综合BP与ART2网络的改进型神经网络故障诊断方法研究 4.1神经网络故障诊断的不足 4.2改进型BP—ART2神经网络设计 4.2.1引入非线性映射的BP—ART2神经网络结构设计 4.2.2ART2神经网络自适应警戒参数与聚类设计 4.3改进型BP—ART2神经网络故障诊断系统的计算方法 4.3.1参数及权值初始化 4.3.2训练过程的计算步骤 4.3.3诊断过程计算步骤 4.4实验分析 4.5本章小结 5黑板型多专家机电融合故障诊断方法研究 5.1多专家诊断问题的提出 5.2排烟风机故障诊断的黑板型多专家融合系统结构设计 5.3黑板型多专家机电融合诊断方法研究 5.3.1排烟风机机电融合诊断方法研究 5.3.2多专家机电信息融合诊断算法 5.4实验与诊断 5.5本章小结 6多传感器与多诊断方法的决策融合诊断 6.1排烟风机全局决策融合诊断结构设计 6.2多传感器加权激励融合诊断方法研究 6.2.1多传感器之间的相关加权系数设计 6.2.2不同位置传感器在融合诊断中的权重设计 6.2.3多传感器加权系数的激励 6.2.4多传感器两两加权激励的综合融合 6.2.5多传感器加权激励融合诊断步骤 6.3多诊断方法局部诊断结果的决策融合设计 6.3.1决策融合规则 6.3.2排烟风机故障诊断决策融合算法设计 6.4决策融合实验与诊断 6.4.1对两两传感器加权激励融合 6.4.2多局部诊断方法的决策融合 6.5本章小结 7排烟风机状态监测与故障诊断系统设计 7.1排烟风机监测点与传感器设置 7.2微机集中监测式与DSP分布式监测系统硬件设计 7.2.1微机集中监测与故障诊断系统 7.2.2DSP分布式实时监测与故障诊断系统 7.3排烟风机监测与故障诊断系统软件设计 7.3.1微机集中监测系统数据采集软件设计 7.3.2DSP分布式监测系统软件设计 7.3.3上位机监测与管理软件设计 7.4系统调试与现场应用实例 7.4.1系统分析、设计与调试 7.4.2现场应用实例 7.5本章小结 参考文献 版权页： （1）随着新的信号处理方法在设备故障诊断领域中的应用，克服传统傅里叶变换的信号分析技术对信号平稳性能的限制，采用新的信号处理方法如小波变换、提升小波变换、高阶统计量分析等，更好地对非线性、时变、非平稳信号进行去噪处理，更好地提取信号特征信息。 （2）多传感器信息融合。现代大生产要求对设备进行全方位、多角度的监测与维护，以便对设备的运行状态有整体的、全方面的了解，因此，在进行设备故障诊断时，采用多个传感器同时对设备的各个部位进行监测，并按照一定的方法将这些信息进行融合，从而提高系统故障诊断率。对排烟风机而言，机械与电气信息融合、振动与温度等工艺参数信息融合、时域与频域信息融合、不同空间位置测点的信息融合可以更有效地提高系统的故障诊断性能。 （3）现代智能诊断方法的融合。现代智能方法如神经网络、专家系统、盲源分离等在设备故障诊断技术中已得到广泛的应用。随着各种信号处理方法的不断发展，设备状态的智能监测和设备故障的智能诊断成为故障诊断技术发展的目标。 本书针对排烟风机的结构特点以及恶劣运行环境的干扰，从多传感器信息融合的多个层面上开展多诊断方法的综合故障诊断，研究信号预处理方法、多传感器的信息融合诊断以及多种诊断方法的综合诊断，从而提高恶劣环境下的排烟风机故障诊断的准确性。