發(fā)布時間：2024-12-07 00:13

　　 為了更早、更精確實施多種機器故障診斷,提出了模糊自動機半群的概念并介紹了其性質,給出了模糊自動機半群的推理方法,并討論了模糊自動機半群的推理方法在機器發(fā)動機故障診斷中的應用。針對模糊自動機半群的多維模糊推理,提出了一種閾值、規(guī)則的模糊推理方法,構造了模糊自動機半群的推理系統(tǒng)。并把該系統(tǒng)應用于發(fā)動機的故障診斷,從而判斷機器故障。這些研究成果,將為機械自動化、機器學習、動力系統(tǒng)研究等領域提供理論基礎、機械構建方法和實驗環(huán)境等。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1 基于FDFA半群的模糊推理的發(fā)動機診斷模型

在進行診斷時,需通過FDFA半群模糊推理技術對提取的相關特征參數(shù)進行分析,具體過程如圖1所示。這里主要介紹如何利用FDFA半群的模糊推理進行故障診斷,通過對于發(fā)動機1號氣缸的分析可知,自動機的1號氣缸一共發(fā)現(xiàn)了3種故障,它們分別是油量不足、氣門漏氣和氣缸漏氣,如果算上正常模式,可....

圖2 FDFA半群的模糊推理的訓練過程

使用上面列表中的數(shù)據(jù)訓練FDFA半群,經(jīng)2000次迭代過程,以均方誤差最小為其訓練的性能指標。其模糊推理過程如圖2所示。程序運行,由仿真得分類結果為:faultclass=[1,2,3,4]。由仿真結果可知,FDFA半群的模糊推理成功地對上述故障模式進行了分類,這與表2....

圖3 基于FDFA半群的模糊推理對故障數(shù)據(jù)的實際跟蹤結果

本文對故障數(shù)據(jù)采用基于FDFA半群的模糊推理等技術,得出結論:在應用該技術處理發(fā)動機故障問題后,不僅系統(tǒng)推理速度明顯提高,而且還使推理系統(tǒng)的識別精度更加理想化。對如表3中的大量樣本數(shù)據(jù),FDFA半群的模糊推理對故障數(shù)據(jù)的跟蹤如圖3(a)所示。對如表4中的大量測試數(shù)據(jù),FDFA半群....

本文編號：4014478