导读:本文包含了概率诊断论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:概率,神经网络,故障诊断,机组,故障,调压器,算法。
概率诊断论文文献综述
刘娜[1]（2019）在《基于概率神经网络的水电机组故障诊断》一文中研究指出针对水电机组的物理结构较为复杂,工作状况相对恶劣,故障发生率较高等问题,提出了一种基于概率神经网络的水电机组故障诊断方法,利用概率神经网络建立分类模型,并结合水电机组的振动信号分析,实现对水电机组的故障判断和故障类型识别。准确有效的水电机组故障识别与判断,对于水电企业生产与设备检修都具有重要意义及参考价值。(本文来源于《科技风》期刊2019年29期）
涂婷婷,李德军[2]（2019）在《故障关联的多故障概率诊断》一文中研究指出通信网通常是由多个业务网络共同构成的,当网络出现故障时,会导致全网告警风暴产生。为在大量告警信息中准确进行故障定位和诊断,论文设计了故障自动诊断系统和相应的维护平台。本系统在通信网管理系统中得到了充分利用,实际应用结果表明,通信网故障诊断系统对光缆阻断等故障的诊断准确率能够达到90%以上。(本文来源于《中小企业管理与科技(上旬刊)》期刊2019年10期）
宋文海,李田泽,田晖,崔京楷,刘晓月[3]（2019）在《基于概率神经网络的光伏阵列故障诊断研究》一文中研究指出光伏阵列由多个光伏组件组成,易发生故障,难检测。针对这一问题,提出了一种基于概率神经网络的光伏阵列故障诊断方法。该方法在分析光伏组件的故障特性确定特征信号的基础上建立概率神经网络故障诊断模型,将采集的特征数据输入模型,通过Bayes决策理论对故障模式进行预测识别。实验仿真结果分析表明,该方法对故障模式可以进行准确有效的诊断。(本文来源于《电源技术》期刊2019年09期）
安允,王亚慧,章富城[4]（2019）在《基于概率神经网络的燃气调压器故障诊断模型》一文中研究指出燃气调压器故障诊断对城镇燃气管网的安全运行有着十分重要的意义,通过对燃气调压器进行故障诊断为其正常运行提供可靠的依据显得极为重要。鉴于此,针对主流燃气调压器提出一种基于概率神经网络(PNN)的故障诊断模型,主要通过搭建的概率神经网络对同一燃气调压器的4种不同类型状态(关闭压力高、用气高峰压力低、喘振故障和正常状态)进行诊断。仿真结果表明,与目前已经应用于工程实践的燃气调压器故障诊断算法如经验模态分解(EMD)算法相比,该方法在故障诊断率和诊断用时两个指标上有明显优势,应用于工程实际问题具有良好的有效性和实用性。(本文来源于《现代电子技术》期刊2019年17期）
罗燚[5]（2019）在《基于变分模态分解和萤火虫优化概率神经网络的风电机组振动故障诊断研究》一文中研究指出随着社会经济不断发展,能源短缺、环境污染和温室效应等这几个矛盾问题日益突出,为了解决这些问题,目前世界各国都大力发展风力发电这种可再生、清洁及技术相对成熟的新能源。但是风电机组常年运转在变工况下,内部结构复杂且各部件之间耦合性较强,导致风电机组振动信号呈非平稳特性,而传统的信号处理和诊断方法已经无法满足目前风电机组故障诊断要求。因此本文针对风电机组振动信号呈非平稳性,分别从信号处理、特征提取及故障诊断这几个方面展开研究:本文首先对选题背景和意义,以及关于风电机组在信号处理和诊断方法的国内外研究现状进行介绍。然后对风电机组的基本组成、主要故障类型和振动传感器位置的合理安置进行阐述,为后续的研究进行铺垫。然后,由于风电机组振动信号呈非平稳性,会使得目前递归式模态分解的时频域分析方法在处理振动信号时存在模态混迭问题,因此引入VMD,并用仿真信号来验证VMD相比于EMD能够很好地抑制住模态混迭现象。但VMD在对风电机组振动信号分解时存在参数选取的问题,提出一种基于皮尔逊相关系数法来确定VMD的分解尺度K和惩罚因子α这两个参数,并用模拟故障信号进行仿真验证。再次,为了得到全面表征风电机组运行状态的特征指标,提出一种从时域、频域和时频域这叁个角度来提取经VMD分解的振动信号的信息熵特征,来构建特征指标体系。再针对PNN网络分类效果受平滑因子σ这唯一参数的影响,结合萤火虫算法来对该网络的平滑因子σ进行优化,提出一种基于FA_PNN网络的风电机组振动故障诊断模型。最后,将基于VMD-FA_PNN的风电机组诊断模型运用于齿轮箱实验振动数据,来验证该模型的有效性和可行性。并将该模型分别于VMD-PNN模型和VMD-PSO_PNN模型进行对比分析,仿真结果表明,VMD-FA_PNN诊断模型在风电机组振动故障诊断中具有更高的诊断精度和准确性。(本文来源于《西安理工大学》期刊2019-06-30）
蒋玉秀,赵晓欢,邓元望[6]（2019）在《基于概率神经网络的电子油门踏板故障诊断》一文中研究指出针对电子油门踏板的工作状况,基于概率神经网络原理,建立故障诊断模型。根据实际采集的试验数据,通过电子油门踏板故障分类器设计并定义6种故障判断模式,测试4组不同故障顺序的试验样本。在MATLAB中检查定义变量对应的维度后,开展故障诊断,得出正确的诊断结果。研究结果表明:概率神经网络故障模型可以省时、高效地预测故障类型,且测试试验数据显示顺序结构诊断用时最少。(本文来源于《中南大学学报(自然科学版)》期刊2019年06期）
张贤,迟长春[7]（2019）在《基于概率神经网络的小型断路器故障诊断》一文中研究指出小型断路器作为一种终端电器,是配电网中最重要的开关电器之一,若发生故障将会严重影响用户的人身和财产安全。传统BP神经网络故障诊断准确率低,为了提高小型断路器故障诊断的准确率,研究了一种基于概率神经网络(PNN)的小型断路器故障诊断方法。以小型断路器叁相不同期故障为研究对象,将振动信号处理后产生的样本数据作为输入,通过PNN网络进行故障诊断。仿真结果表明:基于PNN的小型断路器故障诊断模型具有准确率高、诊断速度快、样本追加能力强等优点,具有良好的工程应用前景。(本文来源于《上海电机学院学报》期刊2019年03期）
于杨[8]（2019）在《基于最大概率搜索模型的加工中心故障诊断》一文中研究指出提高国产加工中心可靠性水平是顺应“中国制造2025”创新驱动、质量为先基本方针的首要任务。国产加工中心故障频发会造成用户体验差、设备使用寿命低、影响企业产能等问题,因此及时检测和诊断出国产加工中心故障具有重要的研究价值和现实意义。针对国产加工中心传统单一故障诊断策略存在偏差问题,本文提出集成数据挖掘与智能搜索的综合故障诊断技术,并以国产某系列卧式加工中心为研究对象,进行应用验证。主要研究内容如下:首先,对收集到的历史故障信息进行故障相关性分析,基于图论思想,将加工中心子系统间故障传递关系转化为有向图;借助邻接矩阵对有向图模型矩阵化处理,引入RankClus算法对有向图中子系统进行聚类和排序,实现子系统的模块化分析,从而将加工中心子系统划分为3个模块;应用DEMATEL分析法,基于“四度”理论,将模块内子系统分成叁个单向传播的层级,构建出加工中心模块化故障传播层级模型。其次,基于加工中心子系统故障间隔时间,分析子系统故障数据,借助Minitab软件确定子系统最优分布类型;综合图估计与极大似然估计思想,利用Newton-Raphson迭代法得出参数估计值,结合小样本理论,对参数估计值进行修正;应用K-S检验进行拟合优度检验,据此建立子系统故障分布模型。再次,引入Copula理论,以子系统可靠度为边缘分布,以二元Gumbel Copula为连接函数建立组件间故障联合分布函数,调用MATLAB软件中的copulafit函数计算相关系数;进而结合联合分布函数及子系统可靠度函数,应用条件概率定义得出加工中心关联故障传播概率模型。最后,综合加工中心模块化故障传播层级模型、加工中心关联故障传播概率模型,应用最大概率搜索模型进行加工中心子系统故障诊断,通过Eclipse平台进行仿真试验,验证方法的正确性。(本文来源于《吉林大学》期刊2019-06-01）
郝赛娟[9]（2019）在《基于DINA模型的初中生概率学习认知诊断研究》一文中研究指出概率论产生以来对于社会发展具有十分重要的作用,但是21世纪初概率内容才正式进入我国中小学课程。一方面概率知识在教育教学实践中没有引起教师足够的重视,受确定性思维的影响,学生在概率学习上也存在一些困难。另一方面随着新一代测量理论的发展,认知诊断逐渐渗透到学科领域。通过认知诊断可以了解被试知识和知识结构的掌握情况,为教学提供具体有效的诊断信息。本文以初中概率内容为知识载体,基于认知诊断理论,编制概率认知结构诊断测验工具调查初叁年级学生的知识掌握情况。本文采用文本分析法、问卷调查法、测试卷调查法和访谈法四种研究方法展开。调查对象随机选取石家庄市重点中学、普通中学和职业中学叁种类型、四所学校的342名初叁年级学生。研究主要分为两部分,第一部分是诊断测验工具的编制:首先对《义务教育数学课程标准(2011年版)》、教科书等文本进行分析,初步确定概率认知属性以及属性层级模型,然后通过一线教师的调查问卷和学生口语报告修改并验证其合理性,基于Q矩阵选取或改编信度效度良好的试题编制测试卷。第二部分是诊断分析:首先对学生个体知识上的典型作答进行定性分析,然后利用DINA模型分析学生各属性掌握情况,对学生知识掌握情况进行模式上的归属,通过参数对模型进行估计和拟合,最后分析初中生在概率知识掌握上是否存在性别差异。基于学生作答情况的分析,得到以下几个结论:(1)认知属性与属性层级关系基本合理。(2)学生在概率知识上的错误表现形式相对集中。(3)学生基本上掌握概率涉及的认知属性,学生对于属性A1(随机事件)的掌握较好,对于属性A3(古典概率)和A4(用频率估计概率)的掌握相对较差,一定程度上和教师视角下学生的各属性掌握情况类似。在掌握模式上,四所学校理想模式归属率达76.55%,可将大部分学生归属到七种理想掌握模式中。其中学校S2学生掌握情况较好,其次是学校S1和学校S3,学校S4学生掌握情况相对较差,调查结果在一定程度上与学校类型和学生的学习基础有关。(4)学生在属性掌握概率和属性掌握模式上存在性别差异,女生的表现略差于男生,但在测验总分上没有表现出显着性差异。最后基于调查结果针对概率知识叁部分内容、四个认知属性、六种掌握模式(0000、1000、1001、1100、1101、1110)为教师教学实践提出建议。(本文来源于《河北师范大学》期刊2019-05-28）
刘斌,曹民[10]（2019）在《概率神经网络在汽轮发电机组故障诊断中的应用》一文中研究指出汽轮发电机组逐渐智能化,功能不断增强,但不确定性因素和不确定性信息仍然大量存在。针对该问题,用概率神经网络(PNN)诊断汽轮发电机组故障。PNN优点较多,机器学习算法简易、方便训练,相比于传统样本处理方法,PNN可训练样本并引入训练网络,更好地确保诊断结果正确率与可信度。MATLAB仿真结果表明,PNN在保证诊断结果准确的基础上,速度更快、分类性能大幅提高,诊断效率也提高至98%。(本文来源于《软件导刊》期刊2019年10期）
概率诊断论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
通信网通常是由多个业务网络共同构成的,当网络出现故障时,会导致全网告警风暴产生。为在大量告警信息中准确进行故障定位和诊断,论文设计了故障自动诊断系统和相应的维护平台。本系统在通信网管理系统中得到了充分利用,实际应用结果表明,通信网故障诊断系统对光缆阻断等故障的诊断准确率能够达到90%以上。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
概率诊断论文参考文献
[1].刘娜.基于概率神经网络的水电机组故障诊断[J].科技风.2019
[2].涂婷婷,李德军.故障关联的多故障概率诊断[J].中小企业管理与科技(上旬刊).2019
[3].宋文海,李田泽,田晖,崔京楷,刘晓月.基于概率神经网络的光伏阵列故障诊断研究[J].电源技术.2019
[4].安允,王亚慧,章富城.基于概率神经网络的燃气调压器故障诊断模型[J].现代电子技术.2019
[5].罗燚.基于变分模态分解和萤火虫优化概率神经网络的风电机组振动故障诊断研究[D].西安理工大学.2019
[6].蒋玉秀,赵晓欢,邓元望.基于概率神经网络的电子油门踏板故障诊断[J].中南大学学报(自然科学版).2019
[7].张贤,迟长春.基于概率神经网络的小型断路器故障诊断[J].上海电机学院学报.2019
[8].于杨.基于最大概率搜索模型的加工中心故障诊断[D].吉林大学.2019
[9].郝赛娟.基于DINA模型的初中生概率学习认知诊断研究[D].河北师范大学.2019
[10].刘斌,曹民.概率神经网络在汽轮发电机组故障诊断中的应用[J].软件导刊.2019
论文知识图
