共查询到18条相似文献,搜索用时 156 毫秒
1.
基于小波分析的滚动轴承故障诊断方法的研究 总被引:3,自引:1,他引:2
介绍了小波分析的基本理论,并将小波分析应用于轴承的故障诊断。通过对实验数据的分析和处理,提取出了故障特征,并准确地对故障进行了定位。这种方法取得了良好的诊断效果,适合于滚动轴承的故障诊断。 相似文献
2.
3.
一种改进的小波神经网络在故障诊断中的应用 总被引:1,自引:0,他引:1
针对现有BP网络在故障诊断中存在的问题,提出将小波函数与神经网络结合构成小波网络,代替BP网络用于故障诊断。对其存在的易将未知故障化为某一已知故障的问题,提出将小波网络加以改进,对诊断结果做最后的验证,以确保诊断结果的正确,同时也能准确地发现新的故障,并将其另开新类。仿真实验表明小波网络较BP网络更适用于故障诊断,且对小波网络进行的改进对新故障的发现也很有效。 相似文献
4.
5.
6.
应用小波包分析法和学习矢量量化网络对异步电动机的故障进行诊断。采用小波包分析法对采集的异步电机振动信号进行小波包分解,选取特殊频段的能量特征值作为LVQ神经网络的输入样本,通过训练,使构造的学习矢量量化网络能够反应能量特征值和故障类型的映射关系,从而达到故障诊断的目的。仿真结果表明,与常规方法相比,小波包分析法与LVQ网络结合构成的故障诊断分类器能更准确、更有效地实现异步电动机故障诊断。 相似文献
7.
8.
9.
小波变换具有良好的时-频特性,因此可以有效地用于电气设备故障诊断。在对电气设备进行故障分析、诊断过程中,利用小波变换进行故障信号的故障时刻检测具有重要意义。小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制,判断其状态,以便在故障初期或故障时刻发出警报,并随时进行处理,排除故障。对信号进行特征提取,是故障诊断的关键。突变信号往往表明电气设备发生了某类故障,如果能对突变信号进行有效识别,就可以进行故障诊断、故障分析,从而排除故障。分析了电气设备故障的奇异性,通过仿真得出小波变换用于电气设备故障诊断的方法,以准确检测奇异点,确定故障时刻。 相似文献
10.
11.
12.
本文提出了用多小波神经网络诊断模拟电路故障的新方法。根据多小波的多分辨率分析思想,构造了一种多小波神经网络,其激励函数为具有紧支撑集、对称性和正交性的多尺度函数和多小波函数。用多小波神经网络和单小波神经网络对实例电路进行故障诊断,仿真结果表明,与单小波神经网络相比,多小波神经网络不仅学习收敛速度快,而且能够更准确地对模拟电路进行故障诊断。 相似文献
13.
本文以进行模拟电路故障诊断为主要目的,提出了基于小波包变换预处理的交流电路神经网络故障字典法,此方法充分利用小波包分解信号的能力,把交流电路的频率响应任意细分,能获取更多的故障特征。诊断速度快.效果好 相似文献
14.
基于小波神经网络的模拟电路故障诊断 总被引:2,自引:4,他引:2
本文对模拟电路提出了一种基于小波神经网络的故障诊断方法。该法利用小波空间中函数的多分辨率分解思想,构造了一种激励函数为具有紧支撑集的尺度函数和小波函数的小波神经网络。这种小波神经网络隐层节点数的选取有理论根据,解决了传统神经网络隐层节点数难以确定的问题。分别用本文提出的小波神经网络和传统BP网络对实例电路进行故障诊断,结果发现,小波网络比传统BP网络方法不仅学习收敛速度快,而且有效地避免了局部最小值问题。 相似文献
15.
提出了采用小波变换和独立成分分析(ICA)作为预处理器来进行特征提取的神经网络开关电流电路故障诊断方法。该方法对采集到的故障响应信号进行Haar小波正交滤波器分解,获得低频近似信息和高频细节信息;然后利用独立成分分析方法进行ICA故障特征提取;最后将所得到的最优故障特征输入到BP神经网络中进行故障分类。对六阶切比雪夫低通滤波器和六阶椭圆带通滤波器电路进行了仿真实验验证,获得了100%的故障诊断准确率,与其他方法进行比较,实验结果显示了该方法的优越性。 相似文献
16.
基于改进小波神经网络的旋转机械故障诊断 总被引:2,自引:0,他引:2
根据旋转机械复杂的故障特点,提出了结合第2代小波分析、模糊理论和神经网络形成的改进小波神经网络。该诊断方法利用第2代小波分析对信号进行预处理-征向量的提取,然后用训练好的模糊神经网络进行故障识别,并对相应算法进行了优化。将改进小波神经网络运用于旋转机械的故障诊断,通过计算机仿真和试验的结果表明,该方法在处理多故障耦合的情况时优势明显,不仅可以正确识别故障的类型,还可以进一步对故障的严重程度及其发展趋势进行可靠的诊断。这表明改进的诊断方法是行之有效的,为旋转机械的故障诊断提供了理论支持。 相似文献
17.
根据异步电机的复杂故障特点,结合小波变换技术,提出了一种改进的小波神经网络用于异步电机的故障诊断。利用小波变换技术提取异步电机特征信号作为小波神经网络的输入向量,并对小波神经网络算法进行优化,提出了动量系数和学习率自适应调整的小波神经网络算法,给出了动量系数和学习率的调整方法。通过实际测试数据的诊断结果说明该方法的有效性和可行性,具有诊断准确率高、收敛速度快、泛化能力强等优点。 相似文献