基于深度强化学习的旋转机械故障诊断策略

由于传统深度学习方法无法挖掘原始振动数据与旋转机械状态之间的非线性映射关系,提出了一种基于堆叠式自动编码器与深度Q网络相结合的深度强化学习旋转机械故障诊断方法.首先建立故障诊断"博弈"模型,该博弈模型可以为故障诊断代理提供观察、行动和获得奖励的交互式环境.然后,堆叠式自动编码器采用完全连接模型进行逐级的内在特征学习从而构建了故障诊断代理,然后通过引入记忆回放和迭代更新策略以及奖励反馈机制,使得深度Q网络实现了原始振动信号与故障模式之间的非线性映射关系.最后通过实验证明了提出方法的有效性与可行性.     

风力发电机组故障诊断专家系统研究

随着风力发电行业的不断发展,风力发电机的装机数量不断增加。由于其结构复杂和工作环境恶劣,极易发生各种故障。文章通过对风力发电机组故障诊断专家知识进行总结,使用ASP.NET平台开发和SQL Server 2008数据库,利用产生式规则和主观贝叶斯方法相结合实现推理,构建了风力发电机组故障诊断专家系统,通过人机交互实现对风力发电机组故障的在线诊断,并通过其知识库的不断维护更新来提高系统故障诊断的能力。     

基于二值双谱和模糊聚类的风电轴承故障诊断

针对风电机组滚动轴承振动信号具有强噪声、非高斯、非线性及非平稳的特性,导致滚动轴承故障状态及故障位置难以确定的问题,提出了基于二值双谱和模糊聚类的风力发电机组滚动轴承故障诊断方法。首先,对振动信号进行双谱分析,获得其二值双谱特征;其次,以基于目标函数的模糊聚类方法,构造各类故障的目标模板;最后,按照最邻近准则设计分类器,以目标模板与测试样本之间的距离测度作为模式分类依据,对风电机组滚动轴承的故障位置进行判断。实验结果表明,该方法能有效诊断故障状态及故障位置,其诊断准确性高、稳定性好、计算量小、速度快,且以距离测度为故障判决依据,使诊断结果易于理解和解释、便于检验。     

风力发电机组主传动链的故障诊断

EDES-Ⅳ系统是中国石油大学与新疆风能有限责任公司(原新疆风能公司)联合开发的大型旋转机械故障诊断系统.该系统精度高,可靠性强,采用Windows平台,操作简单,可以实现对旋转机械故障征兆的识别,从而指导维修.将该系统用于风电行业,有利于提高设备的利用率,减少停机给公司带来的损失.文中结合一次故障诊断实例介绍了该系统在风力发电机组上的应用.     

基于支持向量机的多故障分类器及应用

针对因缺少大量故障数据样本而制约机械故障智能诊断的问题 ,本文改进了支持向量机多故障分类算法 ,依据此算法建立了多故障分类器 ,并应用于汽轮发电机组的故障诊断。应用结果表明 ,不必进行信号预处理以提取特征量 ,只需要用少量的时域故障数据样本建立故障分类器。该故障分类器可实现多故障的识别和诊断 ,并且具有算法简单、可对故障在线分类和故障分类能力强的优点     

基于SDG模型的风力发电机故障诊断方法

基于符号有向图SDG(Signed Directed Graph)的故障诊断方法在化工、钢铁等大型工业系统中已广泛运用。针对传统的风力发电机组故障诊断方法诊断耗时长、诊断过程复杂等缺点,提出基于符号有向图(SDG)模型的风力发电机组故障诊断方法。研究风力发电机组结构,建立风力发电机组SDG模型。利用关联算法通过风力发电机组分布输入矩阵对候选故障源节点进行筛选、排序。案例诊断结果表明,该方法能及时有效地检测风力发电机组的故障,提高风力发电机组故障诊断的效率。     

风电机组调心滚子主轴轴承匹配设计技术研究

对用于风力发电机组传动系统的主要轴承类型及其布置型式进行了介绍,对两点支撑式传动链调心滚子主轴轴承的静力学分析、轴承选型计算、轴承内圈与主轴的配合及轴承外圈与轴承座的配合进行了深入研究,提出了调心滚子轴承周边结构件的设计要点及相关计算方法,为风力发电机组传动系统的设计提供参考。     

全矢—模糊核聚类在旋转机械故障诊断中的应用

针对传统旋转机械单通道故障诊断的信息不完整以及经典模糊聚类算法中的不足,结合全矢谱技术、密度函数法和模糊核聚类法,提出一种新的旋转机械故障识别方法。该方法首先应用全矢谱技术为特征提取工具,然后以密度函数法求得模糊核聚类的初始聚类中心,最后再用模糊核聚类法建立分类器进行故障识别。实验结果表明,该方法能准确、有效地对旋转机械的工作状态和故障类型进行分类,提高故障诊断的准确率。     

功率与载荷协同控制的风力发电机偏航控制策略的优化

采用GH Bladed对风力发电机组进行仿真,深入分析风力发电机组偏航误差与风力发电机组功率及风力发电机组偏航轴承载荷的关系,提出了基于功率与载荷协同控制的风力发电机组偏航系统控制策略的优化方案。通过对比可知,采用优化后的偏航系统控制策略,偏航轴承的极限载荷得到很好的控制,同时提高了风力发电机的发电量。     

风力发电相组主传动链的故障诊断

EDES—IV系统是中国石油大学与新疆风能有限责任公司（原新疆风能公司）联合开发的大型旋转机械故障诊断系统。该系统精度高，可靠性强，采用Windows平台：操作简单，可以实现对旋转机械故障征兆的识别，从而指导维修。将该系统用于风电行业，有利于提高设备的利用率，减少停机绐公司带来的损失。文中结合一次故障诊断实例介绍了该系统在风力发电机组上的应用。     

基于VMD及模糊相关分类器的滚动轴承故障诊断

针对滚动轴承非平稳性的振动信号,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)及模糊相关分类器的故障诊断方法。首先,对振动信号进行VMD分解,计算分解后分量与原信号的互信息值,利用互信息值提取无噪声分量,获得重构信号;其次,利用模糊函数在处理非平稳信号方面的优越性,结合相关系数提出模糊相关分类器;最后,将多组不同工作状态的重构信号输入模糊相关分类器,对多组数据进行训练与测试。实验结果表明,该方法能够有效的诊断出滚动轴承三种工作状态,且检测率较支持向量机及神经网络高。     

基于单分类的机械故障诊断研究及其应用

为解决机械智能监测与诊断中缺少故障样本的问题,提出一种机械故障单值分类的新方法--支持向量数据描述法.该方法只需要一类目标样本作为学习样本,而不需要除学习样本以外的其他非目标样本,即可以建立单值分类器,从而将非目标样本从目标样本中区分开.提取机械设备正常运行时振动信号的特征值组成学习样本集,建立单分类模型,应用该模型可以对未来的设备运行状态和故障进行识别诊断.该方法应用于某水泥厂煤灰鼓风机故障诊断的工程实践中,取得满意的结果.     

MW级风力发电机组液压制动系统研究

针对MW级风力发电机组液压制动系统控制技术进行研究,具体对传统WM级风力发电机组高速轴制动系统、偏航制动系统和偏航自动解缆系统的液压原理和性能进行分析,提出改进并给予论证分析;提高了MW级风力发电机组液压制动系统使用稳定性,使液压技术在风力发电机组中得到广泛应用。     

基于等距映射与加权KNN的旋转机械故障诊断

针对旋转机械高维复杂故障特征数据难以快速准确辨识的问题,提出一种基于等距映射非线性流形学习与加权KNN(K-nearest neighbor)分类器相结合的旋转机械故障诊断方法.在由时域统计指标和内禀模态分量能量构造的原始特征空间中,首先利用等距映射非线性流形学习算法提取旋转机械故障状态变化的本质特征,随后将提取的低维本质特征输入给加权KNN进行旋转机械的故障模式辨识.通过对齿轮箱的实验数据分析表明,该方法不仅对高维复杂的非线性故障特征具有良好的降维性能,而且故障识别率较之传统方法也明显提高,能够有效识别出高维特征空间的非线性故障特征.     

基于本体的大型风力发电机组故障智能诊断研究

针对目前快速发展的风电行业中大型风力发电机组故障诊断方法多、理论复杂,维护人员难以掌握的问题,提出了基于本体的风力发电机组故障智能诊断系统,辅助维护人员选择合适的故障诊断方法。系统以本体形式表示风电机组故障诊断领域知识,提供了与用户进行信息交互的接口,并建立了诊断方法推理所需的规则集。基于Java平台开发了基于本体的风力发电机组故障智能诊断原型系统,该系统可用于风电机组故障智能诊断。     

可视化旋转机械故障智能诊断系统设计

介绍了可视化旋转机械故障智能诊断系统设计基本思想、方法和关键技术。讨论了旋转机械故障智能诊断专家知识的获取、可视化专家知识库的建立,及由专家规则、模糊逻辑、神经网络于一体的组合智能推理机。实现了信号采集与分析、特征参数的自动识别与提取、可视化专家知识库和组合智能推理机的集成。编制了整套系统软件,开发了一套故障智能诊断装置,对旋转机械典型故障进行智能诊断,诊断出机组运行中可能存在的故障种类、故障严重程度,故障发生时间及故障治理的专家建议,即可实现故障的检测、故障分离、故障辩识、故障对策等,并具有网络化功能。     

风电机组齿轮箱早期故障预警方法研究

为实现风力发电机组等变工况机电设备的早期故障预警,研发了变工况齿轮箱状态监测系统。在基于该系统的多种变工况行星齿轮磨损实验研究基础上,提出了一种基于流形学习的早期故障预警方法。该方法首先研究采用完全总体经验模态分解与改进快速独立成分分析盲源分离技术,有利于对复杂振动信号的滤波与盲源分离;然后研究改进了局部线性嵌入流形学习方法,基于时域、频域信息融合提取了早期故障敏感特征;最后应用k-近邻分类器实现变工况齿轮箱早期故障预警。实验研究表明,该方法提高了早期故障预警准确率,能够应用于风电机组等变工况机电设备的安全保障及科学维护,具有广泛工程实用前景。     

一种基于HMCVT的高低档同步器智能控制策略研究

本文简单介绍了高低档同步器的工作原理,研究了影响高低档同步器正常工作的原因,并针对高低档切换过程同步器异常工作状态提出了一种基于液压机械无级变速器(Hydro-mechanical continuously variable transmission, HMCVT)检测和智能控制策略,即当检测到高低档切换同步器工作异常而导致换档失败时通过高低档命令的来回切换并增加相应的驱动电流来控制其恢复正常,如果高低档切换恢复正常则检测出高低档同步器为非机械故障可以自修复,否则为机械故障。测试结果表明该策略可以检测高低档同步器异常状态,并可根据非机械故障控制自修复,有效提高整车作业效率。     

旋转机械故障智能诊断与预报方法综合研究

系统地介绍了由灰色理论、模糊理论、神经网络理论及模糊神经网络理论等各类先进的诊断技术汇总开发的一套旋转机械故障智能诊断与预报系统软件 ,实现了多类方法进行综合诊断的功能 ,并且通过实例验证了该诊断与预报系统软件的可行性 ,从而为旋转机械故障诊断与预报专家系统的研究与开发提供了一定的借鉴。     

基于LabVIEW和BP神经网络的旋转机械故障诊断研究

旋转机械产生的振动信号是复杂的非平稳信号,使用单一的BP神经网络,难以快速分析出故障的状态。该文研究了基于LabVIEW和BP神经网络的旋转机械故障诊断。利用LabVIEW软件作为测试平台,对旋转机械的振动信号进行分析和提取,构造出特征向量,以此作为BP神经网络的故障样本进行训练。实验结果表明,BP神经网络能够快速收敛到目标精度,为旋转机械故障状态诊断积累了应用经验。