排序方式: 共有53条查询结果,搜索用时 31 毫秒
1.
2.
基于隐半Markov模型的故障诊断和故障预测方法研究 总被引:11,自引:2,他引:9
隐半Markov模型(HSMM)是隐Markov模型(HMM)的一种扩展形式,通过在HMM结构中加入状态驻留时间分布参数,克服了HMM假设状态驻留时间服从指数分布的不足。HSMM不仅具有较强的模式分类能力,而且能对实际问题中的状态驻留时间进行合理建模,故既可用于故障诊断,又可用于故障预测。分析了利用HSMM进行故障诊断和预测的框架;并针对传统HSMM建模算法计算量和存储空间都比较大的缺点,引入并改进了一种快速递推算法,降低了计算复杂度和存储空间要求;最后将HSMM应用于直升机齿轮箱轴承故障诊断和GaAs激光器剩余使用寿命(RUL)预测,试验绪果证明了这种方法的有效性。 相似文献
3.
基于物理模型和修正灰色模型的行星轮系疲劳裂纹故障预测方法 总被引:2,自引:0,他引:2
结合物理模型与灰色理论,提出行星轮系齿根疲劳裂纹故障预测的新思路.针对直升机主传动系统中的2k-H行星轮系,建立太阳轮齿根疲劳裂纹损伤的物理基模型,通过仿真获得不同损伤严重度的振动仿真信号.选择并计算仿真信号的故障特征矢量,并以此作为损伤特征的标准模式,对待检信号特征矢量与标准模式进行灰色关联度分析,根据关联度对裂纹进行定量检测.结合物理模型仿真信号对灰色预测模型进行修正,使之具有更好的疲劳裂纹故障预测能力.对试验中的疲劳裂纹进行定量检测和故障预测.试验数据验证了本方法对行星轮系太阳轮疲劳裂纹的定量检测和故障预测能力. 相似文献
4.
基于故障树的贝叶斯网络建造方法与故障诊断应用 总被引:7,自引:0,他引:7
文章首先指出应用贝叶斯网络模型进行设备故障诊断具有的优势,提出了由常用的故障树模型建造贝叶斯网络的方法。然后详细比较了故障树与贝叶斯网络在诊断推理和模型表达方面的特点,并以实例进行说明。 相似文献
5.
6.
7.
8.
滚动轴承在旋转机械中应用十分广泛,其运行状态直接影响设备的工作性能,有必要对轴承故障机理进行深入研究.基于Hertz接触理论,建立了四自由度的内外圈复合缺陷球轴承模型,该模型考虑了缺陷引起的时变位移激励和冲击力激励,并分析计算了冲击力的大小及作用角度.分别对内圈、外圈单一缺陷及内外圈复合缺陷情况下球轴承的振动响应进行了数值仿真,仿真结果与实验数据吻合较好,内圈故障特征频率(BPFI)和外圈故障特征频率(BPFO)及其倍频在频谱图中清晰可辨,分析了负载大小和缺陷宽度对轴承振动特性的影响.研究结果可为滚动轴承的故障诊断提供理论参考. 相似文献
9.
10.
基于经验模态分解和深度卷积神经网络的行星齿轮箱故障诊断方法 总被引:1,自引:0,他引:1
行星齿轮箱振动信号具有非平稳特性,需要一定的先验知识和诊断专业知识设计和解释特征从而实现故障诊断。为了实现行星齿轮箱的智能诊断,提出一种基于经验模态分解(Empirical mode decomposition,EMD)和深度卷积神经网络(Deep convolutional neural network,DCNN)的智能故障诊断方法。首先对振动信号进行经验模态分解得到内禀模式函数(Intrinsic mode function, IMF);然后利用DCNN融合特征信息明显的IMF分量,并自动提取特征;最后,将特征用于分类器分类识别,从而实现行星齿轮箱故障诊断的自动化。试验结果表明:该方法能准确、有效地对行星齿轮箱的工作状态和故障类型进行分类。 相似文献