往复泵故障智能诊断系统的设计

开发了往复泵故障的智能诊断系统,以故障诊断系统为核心,软件部分用Visual C＋＋语言来开发,由软件控制同步进行压力、位置及流量等信号的数据采集和数据库管理。由于不同故障类型对应的信号曲线也不同,所以以压力信号为主,以流量信号为辅作为故障信息;然后应用基于人工智能理论的小波神经网络和小波包分解技术进行数据处理、保存和故障诊断。从小波神经网络诊断的结果可以看出：往复泵故障智能诊断系统诊断速度快,准确性高。     

基于小波遗传神经网络矿用振动筛故障诊断分析

矿用振动筛长期受到反复荷载作用容易出现筛板松动变形、筛框梁开裂、激振器抱轴等故障,影响振动筛的正常使用。利用小波降噪技术能够提取出振动筛故障信号,由此判断故障类型,故障诊断效率较高。设计诊断系统的BP神经网络,介绍其网络结构、初始参数的设置和权值的训练方法,将小波遗传神经网络的诊断效果与小波神经网络进行对比,结果显示前者在诊断效率和诊断准确性上都有明显优势。     

基于小波包-神经网络的泵机组故障诊断

泵机组是部队油库的主要工作设备,长期工作容易发生机械故障,对其进行故障诊断非常必要。本文通过采集泵机组工作时的振动信号,对采集到的信号进行小波包分解提取特征向量,利用三层BP神经网络对特征向量分类训练和模式识别的方法,提高了泵机组故障诊断的速度和精度。实验的结果表明,小波包分解与BP神经网络相结合的方法,故障识别精度高、速度快,可以满足油泵故障诊断的要求。     

自适应小波降噪的泵机组故障诊断

泵机组故障诊断的难点在于信号特征向量的提取,而故障特征往往淹没在复杂的噪音中。本文利用自适应小波函数对采集到的振动信号进行降噪,滤掉了无关的噪声信息,根据振动能量的分布,对降噪过的信号进行四层小波包分解,提取出的特征向量分布明显。最后将分类特征向量输入神经网络进行训练,测试的结果证明,该方法识别精度高、速度快,具有良好的应用前景。     

基于模糊神经网络的变压器局部放电小波奇异性故障诊断

变压器故障中除油变质劣化之外,另一种重要故障即为局部放电。将小波奇异性检测理论与模糊神经网络结合起来,对变压器局部放电时的信号先利用小波奇异性检测理论求出奇异性指数作为故障诊断的特征参数,然后将其模糊化作为神经网络的输入,输出为各种故障的隶属度,进而判断变压器存在何种故障的可能性。仿真结果表明此方法用于变压器局部放电故障诊断是行之有效的。     

粒子群优化小波神经网络的齿轮箱故障诊断

针对传统的小波神经网络容易陷入局部极小、收敛速度慢和运行效率低等不足,将粒子群优化引入小波神经网络中,提出了一种粒子群优化小波神经网络学习算法。该方法利用粒子群算法优化小波神经网络中的权值(即尺度因子)和阈值(即平移因子),从而可以自适应地选择小波神经网络的参数,提高算法的收敛性和快速性,克服传统的小波神经网络容易陷入局部极小、收敛速度慢和运行效率低等不足。实验结果表明,提出的方法是有效的,优于传统的小波神经网络学习算法,能够准确地识别齿轮裂纹的损坏程度。     

基于小波神经网络的滚动轴承故障诊断

根据滚动轴承振动信号的频域变化特征 ,采用小波包分析对其建立频域能量特征向量 ,利用径向基函数神经网络完成滚动轴承故障模式的识别。理论和试验证明了该方法的有效性。     

基于LMD盒维数与PNN的往复泵声发射故障诊断

针对往复泵泵阀故障诊断,提出使用声发射技术对往复泵泵阀进行故障信号采集。利用局部均值分解(LMD)对非线性声发射信号处理和分形盒维数对非线性信号定量描述的特点,首先对故障信号进行LMD处理,得到含有故障特征的PF分量,然后算出各PF分量的盒维数,通过比较分析盒维数进行故障诊断,最后将各PF分量的盒维数作为特征向量输入概率神经网络(PNN)进行模式识别。通过实验分析,证明该方法对往复泵泵阀故障诊断是有效可行的。     

基于小波包与PCA遗传神经网络相结合的齿轮箱故障诊断方法

针对风电机组齿轮箱振动信号非平稳、不确定的特点,提出基于小波包与PCA遗传神经网络相结合的风电机组齿轮箱故障诊断方法。该方法选取振动信号的峭度和峰值作为时域特征值,利用小波包算法提取频带能量和二范数作为时频域特征值。考虑到特征值之间的相关性,利用主成分分析法确定主成分,从而减少神经网络的输入变量。利用遗传算法对BP神经网络权值和偏置进行优化,建立遗传神经网络的故障诊断模型。仿真测试结果证实了算法的有效性。     

基于RBF神经网络的水轮机故障诊断研究

基于RBF神经网络,提出使用RBF神经网络进行水轮机故障诊断,给出RBF神经网络模型及算法。对水轮机故障信号进行分析,并提取故障信号特征量,将故障信号特征向量作为学习样本,通过训练,使构造的RBF神经网络能够反映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。     

神经网络技术在分布式系统智能故障诊断中应用

阐述智能故障诊断技术的特点，针对多层次分布式系统，提出分层模块化的两种诊断模式及分层预处理规则；并就神经网络同其它诊断技术相结合的综合智能故障诊断模式的实现方法、特点及可行性作了进一步探讨分析。     

基于模糊神经网络的环管反应器故障诊断

环管反应器是丙烯聚合工艺中的主要反应设备之一.环管反应器运行过程中故障产生原因与征兆参数之间的影响关系比较模糊、复杂,不能准确地用数学关系式表述.针对此种情况,总结出环管反应器温度升高时可能的故障原因及征兆参数,并用模糊理论进行处理,再运用神经网络建立了环管反应器故障诊断系统.故障诊断实例表明,该系统具有较高的可靠性.     

基于BP神经网络的变压器故障诊断

利用BP神经网络对变压器进行故障诊断.以特征气体含量的比值作为输入量,利用MATLAB软件建立故障诊断模型,利用改进的动量梯度下降法,达到了故障诊断的要求.并通过变压器故障诊断实例分析,证明了该方法的有效性.     

基于小波神经网络的配电网故障定位研究

在分析小电流接地系统单相接地故障特征的基础上,利用小波分析对非平稳随机信号所具有的优越的时频局部特性和变焦能力来实现提取故障时暂态信息量的特征分量,然后构建出小波神经网络,根据神经网络良好的非线性拟合能力,建立起故障特征分量和故障点位置之间的映射,从而达到故障点精确定位。     

基于小波包和GA-BP网络的柴油发电机故障诊断

针对柴油发电机的非平稳和非线性振动信号诊断难的问题,利用小波包和遗传算法优化的BP(GA-BP)网络两大工具对其进行故障诊断。首先利用小波包对柴油机发电机的振动信号进行分解,单支重构,构造特征向量,再将特征向量输入到遗传算法优化的BP网络里,从而实现柴油发电机的故障类别诊断。实验仿真和工程应用结果表明:所采用的方法可有效并精确地实现柴油发电机故障类别的诊断。     

基于模糊神经网络的离心式压缩机故障诊断

利用模糊神经网络建立离心式压缩机故障诊断模型,使用梯度下降法进行学习训练,引用万能逼近定理设计离心式压缩机非线性系统函数逼近误差公式。仿真结果表明:出现故障后,逼近误差函数能够精确诊断离心式压缩机故障。