基于小波神经网络的电网故障诊断研究

分析了小波神经网络的基本原理,将小波神经网络引入到电网故障诊断并在4母线系统进行了测试.仿真结果表明,该方法具有很好的故障诊断能力,与基于BP神经网络的电网故障诊断方法相比,基于小波神经网络的电网故障诊断方法原理简单、诊断效果更为理想.     

基于小波神经网络的电机故障诊断研究

提出了用小波神经网络对电机进行故障诊断的方法。利用小波神经网络对任意函数或信号具有有效的逼近功能的这一特点,对异步电动机故障进行有效的诊断与监控。通过实例仿真验证了基于小波神经网络的电机故障诊断方法,并与BP神经网络比较,进一步说明小波神经网络在故障诊断中的优越性。     

基于小波神经网络和特征熵的高压断路器故障诊断研究

作为电力系统的一种重要设备,高压断路器的故障诊断一直是研究中的重点。针对传统神经网络收敛速度慢,容易陷入局部极小等不足,提出了一种基于小波神经网络的高压断路器故障诊断方法。首先利用特征熵方法提取振动信号的特征值,然后利用小波神经网络进行分类识别。同时还给出了一种小波神经网络的改进方法,提高了其收敛速度。实验结果表明,相比较于传统神经网络,改进的小波神经网络训练速度更快,分类准确率更高,对于高压断路器的故障诊断效果更佳。     

基于小波包变换预处理的模拟电路故障诊断方法

阐述了利用神经网络进行模拟电路故障诊断的方法 ,并在此基础上提出了一种新的改进方法———基于小波包变换预处理的神经网络故障字典法。这两种方法对于模拟电路故障诊断都是有效的。但是 ,由于基于小波包变换预处理的神经网络故障字典法利用小波包对电路的输出样本进行了预处理 ,所以它比直接采用神经网络故障字典法进行故障诊断所用的神经网络规模小 ,收敛速度快。     

基于改进粒子群算法的小波神经网络在变压器 故障诊断中的应用

针对变压器故障征兆和故障类型的非线性特性,结合油中气体分析法,设计了一种改进粒子群算法的小波神经网络故障诊断模型。模型采用3层小波神经网络,并用一种改进粒子群算法对其进行训练。该算法在标准粒子群算法的基础上,通过引入遗传算法中的变异算子、惯性权重因子和高斯加权的全局极值,加快了小波神经网络训练速度,提高了其训练的精度。仿真实验证明这种改进粒子群算法的小波神经网络可以有效地运用到变压器故障诊断中,为变压器故障诊断提供了一条新途径。     

一种无刷直流电动机故障诊断方法研究

提出一种基于小波熵和SOM神经网络的无刷直流电动机故障诊断方法,以无刷直流电动机的霍尔传感器和驱动器故障为研究对象,采用小波分析对故障信号进行分析,并在此基础上通过小波熵对故障特征进行提取,作为故障诊断部分(神经网络)的输入,由训练得到的神经网络对故障进行分类和识别,最后建立无刷直流电动机仿真模型,对该故障诊断方法进行仿真验证。     

小波包-神经网络在汽轮机转子故障诊断的应用

根据汽轮机转子振动信号特点,提出了小波包分析和概率神经网络相结合的故障诊断方法。利用小波包对故障信号进行分解,然后将归一化后的数据用于概率神经网络,从而对信号特征及其故障类型建立非线性映射,实现故障诊断。MATLAB的实验仿真表明,小波包分析和概率神经网络的结合在汽轮机转子常见故障的诊断中是很有效的。     

基于改进遗传小波网络的电机故障诊断研究

用频谱分析方法提取了无刷直流电动机的正常工作状态和几种常见的故障(位置传感器一路故障、A相绕组断路故障和驱动开关断路故障)时的特征信号,进行了诊断算法研究,提出了用改进遗传算法优化小波神经网络参数的调整过程,并用改进遗传小波神经网络对无刷直流电动机进行故障诊断。仿真结果表明,与经典遗传小波神经网络、小波神经网络和BP神经网络等方法进行比较,该方法在无刷直流电动机故障诊断中具有更快的收敛速度和更高的诊断精度。     

小波包能量熵神经网络在电力系统故障诊断中的应用

提出了一种基于小波包能量熵神经网络的电力系统故障诊断方法。对采集到的故障后电压信号进行3层小波包分解,提取小波包能量熵,然后构造信号的小波包特征向量, 并以此向量作为故障样本对3层BP神经网络进行训练,实现智能化故障诊断。ATP和Matlab仿真结果表明该方法有效可行。     

基于小波神经网络的风电变流器故障诊断系统

由于小波神经网络具有较强的逼近能力和容错能力,本文研究了一套基于小波神经网络的永磁直驱风电变流器的故障诊断系统。首先对风电变流器中的故障进行设置,然后使用小波变换的多分辨率特性,提取风电变流器的故障特征向量,最后应用BP神经网络进行故障模式识别。通过仿真结果表明,此种风电变流器的故障诊断系统具有较强的稳定性和准确性。     

小波消噪和改进神经网络相融合的模拟电路故障诊断

为了提高电路故障诊断的正确率,提出一种小波消噪和改进神经网络相融合的模拟电路故障诊断模型。首先采用小波分析电路状态信息进行消噪并提取电路特征,然后采用遗传算法优化神经网络建立电路故障诊断模型,最后采用仿真实验测试其性能。实验结果表明,相对于其他电路故障诊断模型,该模型不仅提高了电路故障诊断的正确率,而且加快了故障诊断的速度,具有更高的实际应用价值。     

基于小波包变换和神经网络的逆变器故障诊断

本文提出了一种基于小波包变换和神经网络的PWM逆变器故障诊断方法。利用小波包分解的分频特性对逆变器机侧电流信号进行小波包分解,求得故障特征频率相应子频带的信号能量值,将此作为神经网络的输入,通过对神经网络的训练,确定网络参数,对故障数据的分析,达到故障诊断的目的。仿真结果表明该方法的有效性。     

基于IAFS算法融合小波神经网络的变压器故障诊断研究

鉴于小波神经网络训练模型在电力变压器故障诊断中存在易陷入局部最优与对初始值高难度、高要求性问题,通过将人工鱼群算法和小波神经网络技术有机地融入到变压器故障诊断中,开发出一种全新、高效的方法。采用人工鱼群算法改善小波神经网络训练模型的权重和阈值,以达到最佳的模型性能,提升模型的准确性和可靠性。在整个学习过程中,小波神经网络训练模型的复杂度和泛化能力都得到了较大的提升,同时加快了收敛速度,从全局搜索逐步转向精细搜索,避免算法出现局部最优的情况。最后,通过仿真实验结果证明所提方法可有效地提升变压器故障诊断的准确度,提高了变压器故障诊断效率。     

基于小波网络的电机转子故障诊断的研究

提出了一种基于小波神经网络的电动机转子故障诊断方法,即提取转子的振动信息,利用小波神经网络的非线性模型,实现电机转子故障诊断;同时对多输入输出问题带来的网络规模大、收敛速度慢等问题,提出一种网络优化算法,即采用改进的遗传算法寻找最优小波基元,从而简化小波网络并加快收敛,仿真实例证明该方法是有效的。     

小波包特征熵神经网络在尾水管故障诊断中的应用

为精确诊断水轮机尾水管涡带，该文提出一种基于小波包特征熵的神经网络故障诊断新方法。对采集到的尾水管压力脉动信号进行三层小波包分解，提取小波包特征熵，然后构造信号的小波包特征熵向量，并以此向量作为故障样本对三层BP神经网络进行训练，实现智能化故障诊断。试验结果表明训练成功的BP网络能够很好地诊断机组尾水管是否发生涡带以及涡带的严重程度，为水轮机故障诊断开辟新的途径。     

一种改进的小波神经网络应用于电动机故障诊断

对基本的小波神经网络进行改进,用遗传算法取代传统的梯度下降法,对小波神经网络中的初始参数进行全局优化.将经过改进的小波网络应用于电动机的故障诊断,并对5组电动机故障数据进行验证.实验结果表明,该算法具有较快的收敛速度和较高的计算精度,证实了此方法应用于电动机故障诊断的正确性和有效性.     

基于小波神经网络的水电机组振动故障诊断研究

提出应用频谱法和小波神经网络对水电机组的振动故障进行诊断。在对水电机组振动信号进行频谱分析后,提取该信号在频率域的特征量,将频谱特征向量作为学习样本,通过训练,使构造的小波神经网络能够反映频谱特征向量和故障类型之间的映射关系,从而达到故障诊断的目的。诊断结果表明,与常规神经网络诊断方法相比,频谱分析与这种小波神经网络相结合的方法进行故障诊断简单有效、并具有诊断速度快和泛化能力强等优点。     

粒子群优化神经网络在高压断路器机械故障诊断中的应用

提出了一种以振动信号小波包特征熵为特征向量的高压断路器机械故障诊断的智能算法,该算法利用小波包分解原理将高压断路器振动信号分解到不同的频段中,计算各频段的能量熵值,并将其作为神经网络的输入向量,同时利用粒子群算法对神经网络进行优化,以提高故障诊断的精度。试验结果表明：该方法不仅能够取得良好的分类效果,而且诊断速度与精度均高于传统神经网络算法,适用于高压断路器机械故障诊断     

小波消噪和人工蜂群优化神经网络的建筑电气故障诊断

为了提高建筑电气故障诊断的正确率,提出小波消噪和人工蜂群优化神经网络的建筑电气故障诊断模型。首先采用小波分析对采集的建筑电气状态信息进行处理,并提取建筑电气特征,然后将训练样本输入到多层前馈(BP)神经网络进行学习,并采用人工蜂群算法优化BP神经网络的参数,建立建筑电气故障诊断模型,最后采用仿真实验对模型的性能进行测试。实验结果表明,相对于其他建筑电气故障诊断模型,模型可以较好地描述建筑电气状态信息,不仅提高了建筑电气故障诊断的正确率,而且提高了故障诊断的速度,具有更高的实际应用价值。     

基于LabVIEW的航空发动机滑油故障检测系统设计

利用虚拟仪器技术构建基于小波神经网络的航空发动机滑油故障检测系统。根据小波分析原理进行对在线式铁谱仪输出的信号进行消噪并提取特征向量作为神经网络的学习样本,用MATLAB软件编写基于小波神经网络的故障诊断程序,利用ActiveX技术在LabVIEW中调用MATLAB的．m文件,实现发动机滑油系统的故障诊断。最后将诊断结果与X射线荧光光谱仪的诊断结果做了比较,证明本检测系统较好的满足了检测与诊断的精度的要求,且成本低、速度快。同时为复杂非线性系统的故障诊断提供了新的理论与方法。