共查询到20条相似文献,搜索用时 129 毫秒
1.
2.
基于声发射检测技术的转炉耳轴轴承故障诊断 总被引:1,自引:0,他引:1
以转炉耳轴轴承为研究对象,将声发射技术应用于转炉耳轴轴承的故障诊断中,提出了应用主成分分析(PCA)和最小二乘支持向量机(LS-SVM)相结合的故障诊断方法。首先,对声发射信号的特征量进行主成分分析,得到更能反映设备状态的综合特征参数,然后将新的特征参数输入到最小二乘支持向量机中进行状态识别。利用在实际生产过程中采集到的转炉耳轴轴承声发射数据进行方法验证。结果表明,新方法能够有效区分出转炉耳轴轴承的故障模式,识别的总体正确率可达97.8%。 相似文献
3.
4.
5.
6.
基于小波变换和LDA/FKT及SVM的人耳识别 总被引:4,自引:1,他引:4
人耳识别技术是生物特征识别和人工智能领域的一个重要分支.针对人耳图像自身的特点并通过对现有方法的研究,本文提出了一种新的人耳识别方法,即先对人耳图像进行二维的离散小波分解,然后使用LDA/FKT算法对小波分解后得到的低频信息进行降维,进而获得图像的特征向量,最后采用支持向量机作为分类器对样本向量进行判别.实验证明,本文提出的方法不仅较好地解决了人耳识别中的小样本问题,而且还取得了比传统的PCA+LDA方法更高的识别率,是一种有效的人耳识别方法. 相似文献
7.
基于综合型模糊支持向量机的故障诊断方法及应用 总被引:1,自引:2,他引:1
设备信息和故障的不确定性、模糊性及故障样本的缺乏给故障诊断带来了较大的困难.针对该问题,分析了现有模糊支持向量机的原理和优缺点,提出了一种综合型模糊支持向量机.该模糊支持向量机既可以处理样本含有模糊信息的情况,又可以解决支持向量机分类中存在的不可分问题.然后,提出了基于综合型模糊支持向量机的故障诊断方法,并在某电路系统故障诊断中开展了应用研究.应用结果表明,该诊断方法在设备状态存在模糊性和故障样本较少的情况下,与现有模糊支持向量机诊断方法相比,实现了较准确的故障诊断. 相似文献
8.
基于支持向量机的离心泵故障诊断方法研究 总被引:4,自引:0,他引:4
简要论述了支持向量机的原理,介绍了几种支持向量机的多类分类算法,最后将它们应用于离心泵的故障诊断进行比较,获得了令人满意的效果。 相似文献
9.
10.
电机故障将造成巨大的经济损失,甚至于人身安全.一个准确的故障诊断系统能够最大程度地降低风险,有利于生产、生活的正常进行.阐述了支持向量机(SVM)及最小二乘支持向量机(LS-SVM)算法的原理,研究了基于LS-SVM的异步电动机故障诊断,比较了正常状况与3类故障的不同,并对3类故障进行了自动分类,测试了分类结果.实验表明,基于SVM的异步电机故障诊断可靠性好,实用性强,验证了SVM的优越性. 相似文献
11.
12.
13.
14.
研究了小波包能量谱分析和能量谱分析在某柴油机故障诊断中的应用。以柴油机的供油提前角减小2.5°和空气滤清器堵塞2种故障为例,把用2种方法提取的特征向量作为神经网络的输入特征,然后进行故障诊断。对比测试结果得出能量谱分析法的实用性强于小波包能量谱分析法。 相似文献
15.
随着装备日趋复杂化,依靠专家经验或信号处理技术人工提取和选择故障特征变得越来越困难。此外,以BP神经网络、SVM为代表的浅层模型难以表征被测信号与装备健康状况之间复杂的映射关系,且面临维数灾难等问题。结合深度置信网络(DBN)在提取特征和处理高维、非线性数据等方面的优势,提出一种基于深度置信网络的故障特征提取及诊断方法。该方法通过深度学习利用原始时域信号训练深度置信网络并完成智能诊断,其优势在于能够摆脱对大量信号处理技术与诊断经验的依赖,完成故障特征的自适应提取与健康状况的智能诊断,该方法对时域信号没有周期性要求,具有较强的通用性和适应性。在仿真数据集和轴承数据集上进行了故障特征提取和诊断实验,实验结果表明:本文提出的方法能够有效地从原始信号中进行多种工况、多种故障位置和多种故障程度的故障特征提取和诊断,并且具有较高的故障识别精度。 相似文献
16.
该文将小波自回归谱的信号处理方法应用到液压系统故障信号处理中,确定了最优小波基.利用Festo液压实验系统,采集正常情况和故障情况下的压力信号,通过比较加噪的正常和故障信号处理结果,证明低频信号的自回归谱可以作为故障诊断的依据. 相似文献
17.
A novel fault detection and diagnosis approach is proposed for nonlinear complex systems by combining nonlinear frequency spectrum characteristics and evidence theory. In order to overcome the problem of calculated amount expansion of generalized frequency response functions, single-dimensional nonlinear output frequency response functions are used to obtain nonlinear frequency spectrum, from which, features of nonlinear frequency spectrum are extracted. The fault diagnosis model of multiple faults is given based on evidence theory. The mass functions of evidences are obtained according to the similarity among different modes. In order to solve the problem of evidence fusion in the situation of evidence confliction, a dynamic parameter conflicting evidence combination method is proposed based on the average credibility. Fault diagnosis of the transmission system of numerical control machine tool is studied through nonlinear frequency spectrum. Simulations indicate that the proposed approach has simple calculation and high recognition rate for faults. 相似文献
18.
基于异类信息特征融合的异步电机故障诊断 总被引:5,自引:0,他引:5
针对异步电机单一故障信号的局限性和故障特征存在较强非线性关系的特点,提出一种基于异类信息特征融合的故障诊断方法.以采集的振动信号和电流信号为原始信源,分别提取它们的时域特征和小波包熵特征,采用核主元分析对原始特征的组合进行降维融合,得到信息互补的特征量,将融合特征通过支持向量机进行模式识别.异步电机转子和轴承故障诊断实例表明,基于核主元分析的异类信息特征融合方法,可充分利用异类信源的冗余互补信息和特征数据之间的非线性关系,更全面地表征设备运行状态,相比单参数法及同类信息特征融合法具有更高的诊断精度. 相似文献
19.
The traditional cyclical spectrum density(CSD) method is widely used to analyze the fault signals of rolling bearing. All modulation frequencies are demodulated in the cyclic frequency spectrum. Consequently, recognizing bearing fault type is difficult. Therefore, a new CSD method based on kurtosis(CSDK) is proposed. The kurtosis value of each cyclic frequency is used to measure the modulation capability of cyclic frequency. When the kurtosis value is large, the modulation capability is strong. Thus, the kurtosis value is regarded as the weight coefficient to accumulate all cyclic frequencies to extract fault features. Compared with the traditional method, CSDK can reduce the interference of harmonic frequency in fault frequency, which makes fault characteristics distinct from background noise. To validate the effectiveness of the method, experiments are performed on the simulation signal, the fault signal of the bearing outer race in the test bed, and the signal gathered from the bearing of the blast furnace belt cylinder. Experimental results show that the CSDK is better than the resonance demodulation method and the CSD in extracting fault features and recognizing degradation trends. The proposed method provides a new solution to fault diagnosis in bearings. 相似文献
20.
基于正交邻域保持嵌入特征约简的故障诊断模型 总被引:2,自引:2,他引:2
提出一种基于正交邻域保持嵌入(orthogonal neighborhood preserving embedding,ONPE)特征约简的故障诊断模型.首先将原振动信号经验模式分解(empirical mode decomposition,EMD)并构造Shannon熵得到高维特征向量,再利用ONPE将高维特征向量约简为低维特征向量,并输入到最近邻分类器(k-nearest neighbors classifier,KNNC)中进行故障识别.本模型充分利用了EMD分解在故障特征提取、ONPE在信息压缩和KNNC在分类决策方面的优势,实现了旋转机械故障特征提取到故障诊断的全程自动化,并提高了诊断精度,为旋转机械故障诊断提供了一种新的模型分析方法.一个滚动轴承故障诊断实例验证了该模型的有效性. 相似文献