共查询到10条相似文献,搜索用时 203 毫秒
1.
针对传统齿轮箱振动信号识别方法使用过程中识别准确率较低,研究基于小波分析的风电机组齿轮箱振动
信号识别方法.通过经验模态分析将振动产生信号分解后,提取信号振动时的频率特征,利用小波变换算法确定频率
局部化特征,将振动产生的不同频率用来表示齿轮箱振动信号的变化幅度.实验表明使用小波分析方法进行振动信号
识别,当频率为500Hz时,信号的幅度变化值为3m/s2;当频率为1000Hz时,信号的幅度变化值为6m/s2;而对
异常信号的识别平均准确率为97.2%,准确率较高,说明设计方法的识别效果较好. 相似文献
2.
本文对齿轮箱故障诊断特点和方法进行分析,并举例介绍了小波变换在齿轮箱故障诊断中的应用。利用小波变换对齿轮箱工况信号进行分解,重构以及提取细节信号包络谱,快速准确判断出齿轮箱设备运行状态是否异常,并利用BP神经网络进行故障诊断定位,比传统方法更有效。 相似文献
3.
基于虚拟仪器的机床齿轮箱故障诊断系统的设计 总被引:7,自引:0,他引:7
设计了基于虚拟仪器的齿轮箱故障诊断系统,利用图形化编程语言LabVIEW和模块化硬件,对齿轮箱的振动信号实时监测。建立了集参数数据库、故障数据记录库、故障诊断知识库、实时监测及诊断为一体的诊断系统。系统采用压电加速度传感器BZ1185采集齿轮箱振动信号,通过对信号放大、转换和滤波,将信号转换成有限带宽信号,通过数据采集卡AMPCI-9111输入到计算机中。使用开发的虚拟仪器技术开发平台,对CQ9145联合机床齿轮箱振动信号进行了倒频谱和小波分析,实验表明,本系统可以大大提高诊断准确度和效率。 相似文献
4.
5.
为研究变压器振动与运行状态之间的关系,在小波分析方法的基础上,结合卷积神经网络的方法进行变压器振动信号分析。首先对1台油浸式变压器模拟绕组松动和铁心松动两种故障状态并分别测量其振动信号,然后对测试所得的振动信号进行小波变换,生成小波灰度图,并进行卷积神经网络训练分析。根据卷积神经训练的结果,该方法准确率在84.03%,说明卷积神经网络结合小波灰度图的分析方法可以有效识别振动信号中故障信息。比较2类故障验证样本中错误结果的分布情况可以发现,错误结果受变压器振动测点位置影响较大,在改善测点和增加训练数据的前提下,准确率还能有所提升。 相似文献
6.
根据滚动轴承振动信号的不同故障模式在频域能量分布中的差异性,提出了基于小波包分解与重构和BP神经网络的轴承故障模式识别技术。论文首先对轴承振动信号进行小波包三层分解,完成了振动信号在空间的完整拆分,同时得到了第三层由低频到高频的小波包分解系数,再依据小波包分解系数分别重构各频段的信号,并提取信号各频段的能量。然后利用信号各频段的能量组成的特征矢量作为BP神经网络的输入样本,对BP神经网络进行训练,获得不同故障模式识别网络模型,最后利用测试数据对建立起来的BP神经网络模型进行检验,通过BP神经网络判别滚动轴承的故障类型。实验结果证明,采用小波包分解与重构和BP神经网络相结合的方法可以比较准确地识别滚动轴承的故障。 相似文献
7.
8.
9.
10.
《广东电力》2017,(7)
变压器振动信号中包含了大量状态信息,但难以从中提取有效特征进行绕组松动状态识别。为此,提出了基于模糊自适应共振理论(fuzzy adaptive resonance theory,Fuzzy-ART)的变压器绕组松动状态识别方法。首先,设置9种绕组松动状态并进行短路实验,测取油箱表面振动信号;然后对振动信号进行4层小波包变换,提取有效测点状态特征频带的小波包能量构成特征向量;最后将特征向量作为Fuzzy-ART神经网络的输入,对不同绕组松动状态进行识别。实验结果表明,基于小波包的Fuzzy-ART神经网络能对绕组松动状态进行快速、稳定分类,可用于变压器绕组松动状态的在线监测与诊断。 相似文献