共查询到18条相似文献,搜索用时 78 毫秒
1.
2.
在可靠性研究中,对于随机产生的设备故障,如果能在已发生故障的基础上对以后的故障作出预测,例如预测下一个时间间隔内的故障数,或预测下一个故障在什么时间产生,那么,这种预测对于使用和可靠性研究将具有重要意义。 常规的方法是通过大量试验,得出故障的统计规律,按先验规律来处理问题。一方面,这种处理是建立在大样本量的基础上,要求数据越多越好,但即使有了大样本量也不一定能找到统计规律,即使有了统计规律也不一定是典型的,而非典型的过程是难以处理的;另一方面,即使找到了典型的统计规律,也难以对故障进行预测,因为统计规律是对已试验的产品而言,用该统计规律对未经试验的产品进行预测,误差较大。试验的数量再多,也不可能是全部产品,而有些产品只能抽检,因此用统计规律预测有很大的局限性。 相似文献
3.
早期故障预测是大型工况设备故障诊断技术的一项重要内容,它以设备运行时的多种性能参数为依据,通过建立早期故障预测模型,准确地推断出下一时刻及以后时刻系统的运行参数,协助人们在故障发生早期及时采取处理措施。文章将非平稳信号分析中常用的小波变换、灰色预测、神经网络和马尔可夫过程有效地结合在一起,提出了一种改进的灰色网络模型算法,较好地发挥了灰色预测模型累加生成操作(AGO),使数据更加规则有序,神经网络高度非线性、自学习及自组织的优点更为显著。实验分析表明,该算法在早期故障预测中具有较高的预测精度和较好的收敛效果。 相似文献
4.
5.
灰色模型在机械故障预测中的应用 总被引:17,自引:2,他引:17
机械故障预测需要同时跟踪多个特征参数,本文针对当前故障预测方法单独考虑各特征参数的缺陷,将灰色多变量预测模型-MGM(1,n)模型引入机械故障预报,从系统的角度对各特征参数进行统一描述,滚动轴承试验证明了该预测方法的有效性,最报讨论了其适用讨论。 相似文献
6.
7.
钢材的疲劳极限是对机器零件进行抗疲劳设计及可靠性分析的必需数据,但许多钢材的疲劳极限数据往往很难查找。本文运用灰色系统理论对σ0.2,σb,RMc,σ-1进行了关联度分析,给出了用σ-1进行了关联度分析,给出了用σ0.2或RMc计算σ-1的估算式。 相似文献
8.
针对传统灰模型适应性和自学习能力差、中长期预测精度不理想的情况,在3种精度较好的灰模型的基础上引入BP神经网络,构建了串联灰色神经网络模型。仿真表明,这种灰色神经网络模型未出现预测残差和相对误差逐步增加的情况,预测精度明显好于灰模型,适合应用。 相似文献
9.
10.
BP神经网络在某型飞机发动机故障预测中的应用 总被引:1,自引:0,他引:1
飞机发动机是飞机的“心脏”,为了确保飞机的飞行安全,就必须能够对飞机发动机的故障进行有效的预测,并及时予以排除。本文介绍了神经网络故障预测原理,给出了神经网络模型在故障预测过程中的学习算法。并将该算法应用于某型飞机发动机的故障预测中。实验结果表明:用BP神经网络进行故障预测,不仅准确度高、效率高,而且可变被动维修为视情维修,具有良好的应用前景。 相似文献
11.
神经网络在滚动轴承故障诊断中的应用 总被引:1,自引:0,他引:1
提出了基于神经网络的滚动轴承故障诊断方法,以滚动轴承小波分解后的能量信息作为特征,通过神经网络作为分类器对滚动轴承故障进行识别,经过实验表明,该方法对于滚动轴承的故障诊断具有一定的应用价值,并可方便地推广到类似的诊断领域。 相似文献
12.
13.
为更好地对滚动轴承进行状态监测和故障诊断,采集3种不同状态下的滚动轴承振动信号,根据振动信号特点提取其时域和频域的相关特征,然后分别利用SVM(支持向量机)和BP神经网络进行模式识别。不断减少每种状态下训练样本集的个数,利用2种不同的方法进行模式识别。当每种状态下的样本个数为3个时,支持向量机仍然能准确地将测试样本进行分类,而BP神经网络完全无法识别。实验结果表明,支持向量机比BP神经网络更适合于小样本的故障诊断。 相似文献
14.
基于小波包和SOM神经网络的车辆滚动轴承故障诊断 总被引:1,自引:0,他引:1
以车辆滚动轴承故障诊断模型为基础,针对其轴承的特点,提出了一种小波包分析和SOM神经网络相结合的故障诊断方法。将该方法应用于车辆滚动轴承的故障诊断中,经过大量实测数据的分析与验证,能够有效地诊断出轴承的故障类型,为旋转机械的动态监测和故障诊断提供了新的参考,具有重要的理论和实际工程应用价值。 相似文献
15.
16.
轴承故障的自适应小波神经网络分类 总被引:3,自引:1,他引:2
提出了一种用于故障分类的自适应小波神经网络,网络第一部分利用小波伸缩平移系把信号分解到不同频道上进行特征提取,第二部分对提取的特征信息进行学习或判断.推导了该网络的学习算法,并应用其对轴承进行了故障分类,结果表明该网络分类准确,可靠性高. 相似文献
17.