共查询到18条相似文献,搜索用时 203 毫秒
1.
2.
基于小波神经网络的旋转机械故障诊断 总被引:3,自引:1,他引:3
研究了小波变换与人工神经网络结合起来应用于旋转机械故障诊断的问题。通过选择合适的参数,对故障信号功率谱进行小波分解,简化了故障特征向量的提取。建立了基于小波变换和BP网络的混合诊断模型,成功地实现了对故障的智能诊断。 相似文献
3.
改进的BP神经网络在汽轮发电机组故障诊断中的应用 总被引:4,自引:2,他引:4
就BP网络的不足,提出了一种改进的BP神经网络模型,用于汽轮发电机组故障的诊断。经理论和实践证明:该方法有效地提高了故障诊断的精度和可靠度,为旋转机械故障诊断提供了有效方法。图2表4参7 相似文献
4.
5.
6.
7.
8.
将小波神经网络技术和D-S证据理论引入到发动机故障诊断中,利用小波神经网络良好的局部分析能力和融合特性,以及D-S证据理论对于不确定性故障的分析,提高了发动机故障诊断的精确性. 相似文献
9.
基于小波神经网络方法的空调系统传感器漂移故障诊断 总被引:1,自引:0,他引:1
对空调系统中的温度、压力、流量传感器的漂移故障,提出了一种基于小波神经网络的传感器故障诊断方法.该方法首先采用小波分析方法对历史故障数据和正常数据进行分析,从而提取数据的频带特征,通过神经网络对这些特征进行学习,使神经网络分析能够对待诊断数据的进行故障诊断.仿真实验的结果表明,该方法对传感器的漂移故障能够实现有效地诊断. 相似文献
10.
11.
12.
13.
基于第二代小波变换的振动信号去噪与故障诊断 总被引:2,自引:0,他引:2
旋转机械故障振动信号存在不同形式的波形特征,传统小波去噪中,小波分解的结果与所采用的小波基函数有关,选用不适当的小波基函数会冲淡振动信号的局部特征信息,而造成原始信号的部分有用的细节信息丢失。为了克服上述缺陷,提出一种基于第二代小波变换的振动信号预处理方法,即针对分析信号的局部特征,以预测方差最小为目标,对每个样本选择最佳的预测算子,使小波基函数始终能够匹配信号的局部特征。仿真试验表明,该方法克服了传统小波去噪中降噪信号丢失了部分细节信息的缺点,不仅可有效地去除故障诊断振动信号的噪声,而且能够保留信号的局部信息。 相似文献
14.
为了提高旋转机械滚动轴承故障诊断的准确率,提出一种基于变分模态分解(VMD)和缩放变异粒子群算法(SVPSO)优化BP神经网络的旋转机械滚动轴承故障诊断方法。通过在标准粒子群算法中加入缩放因子以及粒子变异操作提升其局部与全局寻优性能,得到一个改进的粒子群算法——缩放变异粒子群算法(SVPSO),再利用该算法优化BP网络的权值与阈值,提高BP神经网络的故障诊断精度;进一步,为了减少输入特征向量对BP神经网络分类性能的影响,采用VMD分解轴承振动信号,并计算其IMF分量时频熵的方法构建信号特征向量。通过与其他采用相同基准轴承数据集的诊断方法作对比,所提方法的故障诊断精度和算法稳定性均得到有效提升。 相似文献
15.
16.
17.
18.
在分析了旋转机械振动故障诊断存在的困难之后,建立了故障机理研究和故障诊断的数学模型。根据征兆对故障的肯定和否定程度,提出了故障诊断的模糊筛选矩阵,实现了对复杂故障的诊断。 相似文献