风力机状态监测与故障诊断技术研究

风力发电机在恶劣的自然环境下工作,极易出现故障.利用状态监测与故障诊断系统可以对其运行状态进行实时监控,并对可能出现的故障进行诊断.回顾了状态监测与故障诊断技术的历史与现状,介绍了状态监测与故障诊断系统的基本结构.对风力机常用状态监测技术及主要测量参数进行了分析研究,并分析了风力机部件的常见故障,研究了部件的故障机理.最后,分析研究了适合于风力机的多种故障诊断方法.     

矿井通风机振动故障诊断的神经网络方法

轴流式通风机是煤矿生产中常用的关键设备,对其进行故障诊断的研究具有十分重要的意义.本文在分析通风机振动故障的原因及故障特征的基础上,研究利用人工神经网络进行通风振动故障诊断的方法,并建立了相应的神经网络诊断模型,研究表明该模型可用于通风机的故障诊断,是一种有效的智能分类器.     

一种改进的间歇过程故障诊断方法

针对单一故障诊断方法对间歇过程故障诊断效率和准确率低的缺点,提出将快速独立主元分析(FastICA)与递推最小二乘支持向量机(RLSSVM)相结合的集合型故障诊断方法 FastICA-RLSSVM。利用FastICA对非高斯间歇过程数据快速提取特征分量,通过RLSSVM对该时变过程进行快速分类。为验证该方法的有效性,将该方法应用于青霉素发酵过程故障诊断,并与提升小波—递推最小二乘支持向量机(LW-RLSSVM)方法进行对比分析,实验结果证明FastICA-RLSSVM诊断间歇过程故障准确率高,适应性好,分类效果稳定。     

汽车底盘故障问题的有效诊断与修理技术阐释

文章首先对汽车底盘故障问题的诊断方法进行简要分析,在此基础上对汽车底盘故障修理与维护技术进行阐释.期望通过本文的研究能够对减少汽车底盘故障问题的发生及故障诊断效率的提高有所帮助.     

基于2DPCA理论的间歇过程故障诊断方法

提出了一种基于2DPCA理论的间歇过程故障诊断方法,该方法采用各个批次数据协方差矩阵的平均值进行PCA建模,避免了三维数据二维化转换后维数过高的影响,能够更加准确地检测到故障的存在,在一定程度上解决了过程故障漏报的现象。针对RTA间歇反应过程,分别运用MPCA和2DPCA方法进行了大量的仿真实验,证明2DPCA方法在间歇过程故障诊断方面具有一定的优势。     

关于航空发动机故障诊断的融合技术的分析

伴随着科技不断进步,新技术在航空发动机故障诊断中的应用广泛.故障诊断技术能够针对航空发动机的故障进行分析,根据实际情况制定故障维护方案,能够有效的降低航空发动机使用维护成本,提升航空飞机飞行安全性.关于航空发动机故障诊断的融合技术研究,为我国航空事业发展提供了技术支持.基于此,在本文中对航空发动机故障诊断的融合技术进行研究.     

传送网故障诊断系统的设计与实现

故障诊断是传送网网管系统的重要功能,也是网管建设中的难点问题.本文对传送网中的故障进行了详细的分析,提出了基于专家系统的网络故障诊断方法.在此基础上,实现了一个网络故障诊断的原型系统.     

矿井通风机振动故障诊断的社会网络方法

本文在分析通风机振动故障的原因及故障特征的基础上,研究利用人员神经网络进行通风振动故障诊断的方法,并建立了相应的神经网络诊断模型,研究了表明该模型可用于通风机的故障诊断,是一种有效的智能分类器。     

矿井通风机振动故障诊断的神经网络方法

轴流式通风机是煤矿生产中常用的关键设备, 对其进行故障诊断的研究具有十分重要的意义． 本文在分析通风机振动故障的原因及故障特征的基础上, 研究利用人工神经网络进行通风振动故障诊断的方法, 并建立了相应的神经网络诊断模型, 研究表明该模型可用于通风机的故障诊断, 是一种有效的智能分类器．     

基于FS-PCA-MSCD的地铁轴承可视化诊断方法

针对地铁轴承的可视化故障诊断能力,本文提出了基于特征选择(Feature Selection,FS)与多尺度类距离(Multi Scale Class Distance,MSCD)的轴承故障诊断方法.首先对地铁齿轮箱轴承振动信号进行采集,获得不同故障类型的轴承故障样本集;然后基于FS方法提取故障样本中存在的敏感特征值,并利用获得的特征向量进行主成分分析(Principal Component Analysis,PCA),基于MSCD方法对各故障聚类进行再分类,提高故障类的可分性,获得可视化程度高的故障诊断结果.利用该方法对地铁齿轮箱轴承故障数据进行可视化故障诊断,诊断结果表明该方法能够提取敏感故障特征并获得具有较高故障可分性与可视化的诊断结果.该方法为地铁轴承在线故障分析能力提供了技术支持,在地铁运行维护与故障诊断方面均具有广阔的应用前景.     

浅谈汽车发动机故障诊断与维修关键技术要点

发动机作为汽车的主要部件,一旦发动机出现故障,不仅会影响到汽车的正常行驶,还对人员生命安全带来严重威胁.鉴于汽车发动机的重要性,工作人员一定要从思想上提高对发动机故障诊断工作的关注程度,并鼓励人员积极进行维修技术创新,以此在避免汽车发动机故障问题发生的基础上,积极促进工作人员专业水平有效提升.本文以汽车发动机为研究对象,主要对其故障诊断以及维修技术进行详细研究.     

LMI方法的不确定离散时滞系统故障诊断

为了诊断出一类具有未知扰动和模型参数不确定的离散时滞系统中的故障,采用构建故障观测器的方法对系统的故障检测问题进行了研究.通过基于线性矩阵不等式(LMI)的方法,将故障诊断问题转化为系统鲁棒稳定性的分析问题,并给出了该问题的解的存在的LMI条件和求法.文中提出的方法既提高了故障对残差的敏感性,又有效的抑制了干扰,从而提高了故障检测的效果.     

故障树与模型参考故障诊断在水轮机调速器液压系统的应用

由于采用单一的故障诊断分析方法难以满足实际诊断系统的要求,本文在分析液压随动系统故障机理的基础之上,提出了利用故障树的最小割集矩阵进行故障树定性分析方法,与模型参考故障诊断相结合进行故障诊断.并以开机过程中伺服阀故障为例,进行仿真分析.测试结果表明,该方法简单,可靠,能准确定位系统的故障.     

基于盲源分离的齿轮箱状态检测与故障诊断

针对高背景噪声的影响及混合故障诊断困难这一问题，采用盲源分离技术作为信号预处理与故障特征提取的主要工具，并应用这一新技术解决了故障曝气机WA5齿轮箱振动信号的故障诊断问题.通过盲源分离得到准确的故障信号，并根据故障振动信号频谱诊断出故障.利用盲源分离技术可以有效地去除外来干扰，提高故障诊断精度 ，解决了现实工作中的故障定位、早期故障诊断率低等难题.     

间歇过程的KPCA恒值判定故障诊断模型

为了研究主元分析故障诊断模型在非线性时变过程中应用的局限性和降低基于非线性主元分析的过程监控方法的计算复杂度,将核变换理论引入非线性空间的数据特征提取中,提出了一种基于核主元分析(KPCA)恒定值检测的故障监测模型.该模型通过恰当的选取核函数的参数值,达到对过程故障的恒定值检测,而且与其它非线性算法相比计算复杂度低.通过啤酒发酵过程的故障检测实验验证了该方法能够及时地检测出过程故障,对缓慢时变的间歇过程具有实时性和准确性.     

基于SOFM网络的雷达装备智能故障诊断

针对雷达装备故障特征,采用自组织映射（SOFM）神经网络构建雷达装备故障诊断模型,通过网络学习,获得可视拓扑映射图,并采用映射图对典型雷达电子装备故障进行了诊断.结果表明：该故障诊断模型具有较高的诊断准确度,具有故障诊断可视化,为雷达装备故障诊断研究提供了新的有效方法.     

海上风电机组的在线监测与故障预警

从海上风电机组的故障诊断与状态监测技术出发,对故障进行了统计,给出了状态监测的主要参数,从中选取温度参数作为分析对象.通过温度时序图分析,分为正常运行、故障形成、即将发生故障3种状态进行监测,采用神经网络与遗传算法相结合的方法进行了故障诊断.结果表明,通过温度变化可以预知风电机组即将发生故障,便于及时预警并采取预防措施.     

基于小波变换的水轮机组故障诊断的研究

对传统傅立叶分析技术在水轮机组振动故障诊断的故障特征提取的应用进行深入研究的基础上,针对使用该方法提取的频率信息精度不够的问题,提出了一种运用小波分析技术对水轮机组振动信号进行故障诊断的方法.采用Mallat算法并运用设定阈值的方法对采集到的裂纹转子的振动信号进行去噪,然后运用Trous算法对滤波后的振动信号的突变信号特征进行提取.结果表明本方法对水轮机组的振动信号故障诊断具有很好的准确性,为水轮机组故障识别提供了一种方法.     

基于MPCA与DTW的间歇反应过程的性能监视及故障诊断

研究了基于多方向主元分析(MPCA)理论和动态时间错位(DTW)理论对间歇反应过程进行性能监视及故障诊断的方法．多元统计分析理论是根据反应过程的历史批量数据，建立过程的统计数据库、统计数学模型；在此基础上确定过程的统计监控指标，并向各自的统计模型投影，判断其与模型的拟合程度来诊断是否有故障发生．由于间歇反应的各批次物理条件的不同、约束条件的不同，导致批次与批次之间的数据轨迹不同步．动态时间错位(DTW)理论通过搜寻两轨迹的相似特征，适时地对轨迹进行压缩和扩张，从而使其达到一致的程度．这为基于MPCA理论进行故障诊断提供了合理、可靠的数据依据．比较轨迹进行同步化处理前、后的故障诊断结果完全不同。因此，DTW理论的应用在基于MPCA理论进行性能监视及故障诊断中具有重要意义     

基于PCA与GA-LM-BP神经网络的变压器故障诊断

研究基于油中溶解气体的变压器故障诊断问题.采用主成分分析与数据归一化方法,对变压器故障样本数据进行规范化处理,使其更具有代表性.对比主成分规范化前后的样本故障诊断结果,主成分分析能够消除特征气体样本数据间的相关性,使输入层样本数据更加符合神经网络工作机理.实验可得主成分规范化后的样本故障诊断结果优于未经过主成分分析规范化的故障诊断结果.在主成分分析对数据规范化的基础上,进一步改进BP神经网络算法,建立基于Levenberg-Marquardt算法的LM-BP神经网络故障诊断模型,改善了BP神经网络模型诊断精度不高,网络收敛困难以及易陷入局部极小值等问题.利用遗传算法对LM-BP神经网络的权值和阈值进行优化,然后再进行第2次神经网络训练,克服了LM-BP神经网络性能受初始权值和阈值限制的问题,使故障诊断正确率提高了6.16%.通过对441组样本数据中随机选取的376组训练样本和65组检验样本进行故障诊断实验,诊断正确率达到83%,表明所构建的基于PCA与GA-LM-BP神经网络的故障诊断方法是一种有效的变压器故障诊断方法.