基于LSTM网络在时变转速鼠笼电机断条诊断中的应用

针对鼠笼电机在时变转速状态下运行时破坏了电机电流信号特征分析(Motor Current Signature Analysis,MC-SA)的使用条件,使MCSA方法没办法诊断出时变情况下电机断条故障的问题.基于长短期记忆(Long Short-Term Memory,LSTM)网络提出一种高效准确的鼠笼电机断条诊断方法.首先通过采集故障鼠笼电机电流信号对LSTM网络进行训练,应用训练好的网络预估下一时间状态故障电机的电流值,然后通过对比采集信号和预估信号检测出故障,最后该方法通过时间域电流信号直接进行检测,并且从机器学习角度解决电机断条故障.结果表明,即使在短时数据条件依然能够诊断出早期断条故障.     

电气传动装置局部故障信息自动控制仿真

电气传动装置局部故障信息的自动控制在提高故障检测率方面具有重要意义。首先对电气传动装置的局部故障信息进行分析,随后采集局部故障信号,根据电气传动装置故障的噪声和信号,对其进行小波分解,得到小波分解值,并对其进行归一化处理,得到电气传动装置故障经过去噪后的信号,利用故障信息的权值向量和偏置量计算电气传动装置故障信息的分类函数,引入惩罚参数,对电气传动装置局部故障的对偶优化函数进行计算,得到故障信号的约束条件,对去噪后的故障信号进行采集。利用批次电气传动装置局部故障信息变量中的列向量、偏度向量和峭度向量对批次故障信息控制的统计模量进行计算,并分别计算三个变量的值,根据统计模量对局部故障信息的向量建立训练矩阵,实现电气传动装置局部故障信息的自动控制。结果表明,提出方法能够准确且高效的对局部故障信息进行自动控制。     

虚拟逆变装置电压故障检测系统的设计

电力电子逆变设备是工业生产中的关键设备。针对电力电子逆变设备的故障,设计了一种基于LabVIEW的逆变装置故障检测系统,构建了多功能操作界面,实现了5通道信息的实时采集及显示、频谱分析、故障检测及报警、历史数据查询等功能。所设计的检测系统经过测试,可以实时检测故障信号并记录故障信号的特征,对解决实际问题具有可行性和实用性。     

基于改进迁移学习的行星齿轮箱故障自动诊断

传统机器学习故障诊断方法依赖专业经验选取统计特征,导致诊断结果误差较大。为此,提出了基于改进迁移学习的行星齿轮箱故障自动诊断。采集行星齿轮箱的振动信号,对振动信号进行去噪处理,利用深度学习改进迁移学习构建故障诊断模型,对采集信号进行分类识别,实现了行星齿轮箱故障自动诊断。结果表明,该设计方法下不同类型的行星齿轮箱故障诊断精度为96.09%,证实了该方法的性能良好。     

基于压缩采集与CNN的风电机轴承故障诊断

针对传统风电机轴承故障检测存在的采样数据量大、故障特征依赖主观选取的问题,提出了风电机轴承故障的信号压缩采集、自动提取特征及故障诊断的方法,解决了风电机轴承振动信号特征提取计算复杂、受先验知识影响较大的问题。首先基于梯度加速法(NAG)和QR分解理论对随机高斯观测矩阵进行优化,实现风电机轴承振动信号压缩采集;然后将压缩采集得到的数据作为卷积神经网络(CNN)的输入,利用卷积池化层提取压缩采集数据中的故障特征;最后,将得到的故障特征通过softmax分类器进行分类。仿真实验表明:该方法能够自动提取风电机轴承的故障特征,在保证较高故障诊断准确率的同时,缩短了网络训练时间。     

异步电机转子故障诊断算法研究

针对异步电机定子电流信号频谱分析法对转子故障诊断时,转子断条和偏心故障特征分量容易受到基波分量的影响,难以准确诊断故障的情况,对传统的瞬时功率信号频谱分析法进行改进.利用Hilbert变换对定子电压、电流进行数学变换,在此基础上得到改进的瞬时功率,然后对改进后的瞬时功率信号进行频谱分析.通过搭建异步电机故障检测实验平台进行了初步模拟实验,实验结果表明,该方法不仅消除了基波分量对故障特征分量的影响,而且还使频谱曲线更加清晰、简洁,突显了故障特征信息,弱化了非故障特征分量,为提高异步电机转子断条和偏心故障诊断的准确性奠定了基础.     

声纹识别在电厂设备状态监测中的运用

电力变压器是利用电磁感应在电路之间传递电力的设备,是电厂设备的关键部件。文中提出一种利用声音信号实现变压器故障检测的方法,即基于朴素贝叶斯分类器的变压器故障检测方法与用于声音信号的梅尔频率倒频谱系数（MFCC）特征向量,特别是基于MFCC的动态特征。这些声音信号可以通过传感器方便采集,首先,将采集的声音信号经过预处理,...     

基于虚拟仪器的导弹自动驾驶仪测试系统设计

针对某型号导弹自动驾驶仪故障检测和诊断难题,在分析自动驾驶仪功能和特性基础上,基于虚拟仪器技术设计开发了自动测试硬件平台;测试系统软件完成敏感元件、指令等激励信号的模拟,对自动驾驶仪输出信号采集、处理和分析,并对测试结果进行判定,最后给出故障定位;通过对自动驾驶仪故障件的测试和验证,自动测试系统工作高效、稳定,为该型号导弹自动驾驶仪的故障测试和诊断提供了高效的方法和手段。     

智能控制下机械式自动变速器故障检测方法

考虑到当前机械式自动变速器故障检测方法由于故障种类划分能力较差,导致复合故障检测结果正确率较低的情况,设计智能控制下机械式自动变速器故障检测方法。设定信号采样频率,对采集后的信号进行离散处理,提取自动变速器振动信号。使用LSSVM模型构建支持向量机,完成振动信号训练处理。根据机械控制理论结合证据分类检测方法,完成自动变速器故障诊断。至此,智能控制下机械式自动变速器故障检测方法设计完成。构建实验环节,经实验结果证实,新型检测方法的复合故障检测结果正确率得到明显提升,在日后的研究中可应用此方法完成故障检测过程。     

铁道信号电子设备联锁故障自动检测器的嵌入式设计

针对嵌入式铁道信号设备联锁故障诊断方法检测效率低、诊断精度低等问题,提出一种铁道信号电子设备联锁故障自动检测器的嵌入式设计方法。首先,结合嵌入式设计方法,设计信号采集器完成铁道信号电子设备状态信号的采集,设计铁道信号联锁设备故障分类器,实现对嵌入式铁道信号电子设备联锁故障信号的自动提取;然后采用EMD-ICA算法实现对信号的预处理;最后,提取故障信号高维特征,配合嵌入式硬件,获得电子设备故障特征向量,完成故障自动检测。实验结果表明,基于嵌入式的铁道信号电子设备联锁故障自动检测器,可对信号进行有效去噪,且故障诊断准确率较高,平均故障诊断时间仅为2.30 s,应用效果较好。     

小波包特征熵在级联式变频器故障诊断中的应用

为精确诊断级联式变频器功率器件开路故障,提出了一种基于小波包特征熵的故障信号提取方法.对采集到的级联式变频器相电压信号进行三层小波包分解,提取特征熵构造电压信号的特征熵向量,并以此作为故障诊断样本,利用概率神经网络进行故障诊断.仿真结果表明,基于小波包特征熵的信号提取方法在级联式变频器故障诊断的应用中具有较高的有效性与可行性.     

An intelligent fault diagnosis system for newly assembled transmission

Newly assembled automobile transmission has its particular failure characteristic, strict quality testing working procedure on the assembly line is important for quality of automobile transmission. In this paper, we introduce a new automatic fault detection method for automobile transmission. A fault diagnosis expert system for newly assembled transmission is presented, related method of knowledge representation, feature extraction and fault classification is given. Order spectrum analysis method is used to analyze vibratory signal of automobile transmission. After initial feature vectors set are obtained, improved genetic search strategy is used to select fault features, so as to reduce the dimension of feature vector set. Selected feature vector sets are inputted into the BP neural network for fault identification and classification of the newly assembled automobile transmission. A large number of data are collected from industrial site and analyzed, proposed algorithm is verified to be effective and exact.     

基于STM32故障电弧检测装置的设计

对负载电流信号的检测是判断低压配电线路中是否发生电弧故障的有效方法之一。用ADC模块对负载电流信号进行采样,将发生电弧故障时的电流波形与正常工作时的电流波形相比较,检测是否有电弧故障发生。比较的电流波形特征量主要有过零点后的上升率、电流正半周期采样时间宽度和正半周期采样幅值,将这三个特征量作为电弧故障识别算法的判断条件,检测电弧故障。为了在硬件上验证该时域检测算法的可行性和有效性,将电弧故障检测算法移植到STM32平台,设计出了一台基于STM32的故障电弧检测装置样机。该样机可以实现电流信号采集、过零点检测、数据处理以及串联电弧故障检测识别。在以日光灯、开关电源和吸尘器为屏蔽负载的实验结果表明,该装置可以检测出串联电弧故障,且可靠性高,不会在没有产生故障电弧的情况下产生误判。     

天然气压气机械设备故障信号时频分析特征提纯

天然气压气站压气机械设备工作环境恶劣,故障多发,而机械设备的故障状态下的振动噪声信号是研究机械设备故障诊断的有效载体。为有效进行故障诊断,需要对机械设备的故障信号进行提纯分析和特征提取等研究。提出基于时频分析技术的WVD和Hough变换结合的方法对低信噪比的故障信号进行提纯算法。首先分析了非平稳信号处理技术的基本原理,对原始信号的滤波和检测、频谱分析等处理,分析了时频分析特性和对应的条件,提出采用时间均值、频率均值、时间散布和频率散布四个特征值作为时频分析的特征提取量。仿真实验以某天然气压气站某型压缩机故障振动下采集信号样本为研究对象,进行提纯滤波和特征提取仿真,仿真实验得到降噪滤波和WVD及Hough变换算法下的检测结果,表明在强干扰背景SNR为-8dB下,有卓越的滤波降噪和检测性能,特征提纯检测性能相比传统算法提高18％以上。为天然气压缩机故障诊断奠定了可靠的理论基础。     

基于拉曼光谱的电力变压器绝缘故障自动定位系统设计

电力变压器绝缘故障定位是提高电力变压器稳定性的关键,提出一种基于拉曼光谱的电力变压器绝缘故障自动定位方法。采用卷积稀疏自编码器进行电力变压器绝缘故障特征检测,提取电力变压器绝缘故障的拉曼光谱特征量,根据电力变压器的能源、负荷差异性进行受扰响应特性分析,构建电力变压器绝缘故障辨识模型,采用深度学习方法进行电力变压器绝缘故障检测中的收敛性判断,根据拉曼光谱的频谱特征分布进行电力变压器绝缘故障的自动定位。结合API接口和SS/E23节点网络拓扑模型实现电力变压器绝缘故障自动定位系统设计。仿真测试结果表明,采用该方法进行电力变压器绝缘故障定位的准确性较高,故障的可视化分辨能力较强。     

基于径向基神经网络的新型齿轮故障诊断方法

非平稳工况下的齿轮故障检测是一项非常困难的工作,由于齿轮振动信号的复杂性,导致故障特征提取和故障诊断困难.针对这些问题,基于径向基(radial basis function, RBF)神经网络,提出一种在变速条件下齿轮的故障诊断方法 CIHDRFD.首先利用自适应白噪声的完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN),将原始振动信号分解为多个固有的模态函数(intrinsic mode function, IMF),并通过计算其信息熵(information entropy, IE)筛选出IE最小的4个IMF作为特征IMF;然后利用希尔伯特变换(hilbert transform, HT)处理特征IMF并求出Hilbert包络谱,利用Hilbert包络谱构建故障特征向量;最后利用改进的双RBF神经网络进行故障检测.通过搭建齿轮故障检测平台验证CIHDRFD方法的有效性,实验结果表明, CIHDRFD方法适用于齿轮故障诊断,在速度波动为3%的情况下,诊断准确率...     

某型长波放大器故障自动检测技术研究

论文对某型长波放大器的故障诊断方法进行了研究,分析了该设备组成特点,对常见故障及排除方法进行了探讨。针对某型长波放大器的性能特点,结合现有的检测技术及手段,提出了该装备故障自动检测装置的设计思路。     

基于大数据分析的低频电磁信号光纤传感检测装置设计

为了提高低频电磁信号光纤传感检测能力,提出一种基于大数据分析的低频电磁信号光纤传感检测装置,采用光纤传感器进行低频电磁信号采集,构建低频电磁信号的时频特征分析模型,提取光纤传感检测的低频电磁信号谱特征量,采用大数据融合方法进行光纤传感检测的低频电磁信号谱特征融合,构建光纤传感检测的低频电磁信号时频分解模型,采用快速分数阶傅里叶变换实现低频电磁信号光纤传感检测和噪声分离,结合盲源检测结果,提高对低频电磁信号的光纤传感检测能力。仿真结果表明,采用该方法进行低频电磁信号光纤传感检测的准确性较高,联合感知能力较强,信号的主瓣展宽较高,说明检测的抗干扰性较好。