共查询到17条相似文献,搜索用时 140 毫秒
1.
2.
3.
4.
5.
6.
通过小波包分析对通风机转子的振动信号降噪分解,提取各频带重构信号的能量作为故障特征向量,并以此当做BP神经网络的训练样本和测试样本,进行网络训练和故障模式识别。以MATLAB为平台,测试了网络对通风机常见故障类型的识别验证率,结果表明方法可行有效,有较高精度,为旋转设备故障诊断提供了新的思路。 相似文献
7.
针对滚动轴承振动信号的非平稳性和非线性特点以及BP神经网络结构参数差等因素导致滚动轴承故障识别准确率低的问题,提出一种基于小波包结合奇异值分解(SVD)和改进粒子群算法(IPSO)优化BP神经网络的滚动轴承故障诊断方法。首先通过小波包对振动信号进行分解与重构,得到不同频段的信号之后利用SVD提出有效的故障特征向量,输入到BP神经网络中进行测试。考虑到BP神经网络结构参数差等因素,使用IPSO对BP神经网络进行优化,最后测试得出结果。对比实验模拟和现场数据验证表明,基于小波包-SVD和IPSO-BP的滚动轴承故障诊断准确度大大提高。 相似文献
8.
9.
10.
神经网络技术在柴油机故障诊断中的应用 总被引:4,自引:1,他引:3
提出了一种基于神经网络的柴油机磨损故障振动诊断技术,建立了从故障信号采集、预处理到诊断的整个框架,并在6135Q-1型柴油发动机上作了试验。 相似文献
11.
针对垮落煤岩识别的技术问题,基于垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于小波包熵和流形学习的特征提取方法。该方法首先对振动信号进行小波包分解并单支重构,计算该信号的小波包能量熵,从而确定信号能量分布的复杂度,计算各频带的样本熵,从而确定各频带小波包系数的复杂度。以小波包能量熵和频带样本熵构造特征向量,输入BP神经网络识别垮落煤岩。然后利用局部线性嵌入(LLE)挖掘特征向量的低维流形结构,并输入神经网络对比其识别效果。并提出了未知样本低维估计方法以得到其低维嵌入。结果表明:基于小波包熵和LLE提取的特征向量准确又简单,输入神经网络识别率达到92.5%;基于低维估计方法得到的未知样本低维嵌入也较准确。 相似文献
12.
13.
提升罐道故障诊断方法的研究 总被引:1,自引:0,他引:1
在分析提升罐道典型故障的基础上, 探讨了采用振动诊断方法对典型故障的检测和诊断的方法. 通过对振动信号采用频域和小波的信号奇异性的分析, 建立了典型故障和信号特征的关系, 为提升容器的安全平稳运行提供了依据. 相似文献
14.
提出一种基于小波神经网络非线性观测器的故障检测方法,它把信号分析和数学模型结合在一起进行分析,并利用小波信号对输入信号的去噪功能和人工神经网络的自学习本领,获得系统输入输出的非线性动力学特性,实时计算残差和进行逻辑判断。这种方法可提高电机故障检测的速度和准确率。通过对电牵引采煤机电机模型结构损伤故障的仿真研究表明,该方法是可行的。 相似文献
15.
针对综放工作面垮落煤岩性状识别的技术问题,采集了综放开采现场垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于分形盒维数和小波包能量矩的识别方法。该方法结合分形盒维数对非线性信号整体定量描述的特点和小波包能量矩对非线性信号在各频带精细描述的特点,先对振动信号进行分形特征分析,求出其盒维数,然后对振动信号进行小波包变换,并计算各频带的能量矩。以分形盒维数和小波包能量矩构造特征向量,并作为BP神经网络的输入来识别顶煤垮落和顶板岩石垮落两种工况。试验结果表明:分形盒维数和小波包能量矩构造的特征向量可用于识别垮落煤岩,识别率达到95%。 相似文献
16.
滚动轴承失效是煤矿机械常见的故障之一,一旦出现此类故障较难及时发现并修复,造成极大的经济损失。为此提出了一种可在滚动轴承故障发生早期进行及时预测诊断的方法,可以根据滚动轴承故障早期振动信号的各种特征分量进行模式匹配,从而识别出故障类型以便及时采取措施。在进行故障预测和模式识别时,采用了原始BP神经网络和经过遗传算法优化的GA-BP神经网络,经过仿真比较显示,后者的性能更强。 相似文献
17.
针对旋转机械碰摩故障的特征,运用电涡流传感器和虚拟仪器采集转子碰摩振动状态信息,对转子碰摩振动信号的时域波形特征、碰摩振动时的轴心运动轨迹特征进行分析,同时应用LabVIEW软件对转子碰摩振动信号进行频谱分析,研究其故障特征,由此对旋转机械的碰摩故障进行识别和诊断。 相似文献