共查询到17条相似文献,搜索用时 572 毫秒
1.
通过对鼠笼式异步电机故障电流信号的研究,提出了一种基于混沌以及分形理论的电机故障诊断方法。用互信息量确定了信号时间序列相空间重构的最佳延时,并对关联维数、分形维数进行了分析和计算,探讨了故障和正常状态下信号的混沌及分形特性。根据电机定子电流在不同工作情况下的分形维数和关联维数,便可确定电机故障的类型。 相似文献
2.
3.
小波包分解在球磨机的故障特征提取中的应用 总被引:2,自引:0,他引:2
对实验中测得的球磨机噪声信号进行了小波包分析 ,指出可用不同频段信号的小波包系数来表征不同信号的特征。提取信号波形的分形维数和信号的均方根值作为反映故障特征信息的指标 ,并给出分形维数和信号能量的计算方法。以分形维数和信号能量为元素的特征矢量可作为故障诊断系统的输入矢量 ,对球磨机的运行状态故障进行了诊断。实验结果表明 ,本文提出的故障特征提取方法可以较好地应用于球磨机运行状态的故障诊断。 相似文献
4.
5.
6.
基于分形的发动机智能诊断 总被引:5,自引:0,他引:5
把分形认识论的思想引入到复杂的机械诊断过程。应用分形集合分割原理,对故障模式进行了层次划分,建立了发动机层次知识组织模型。根据分形基元建立了专家系统。通过升降维诊断方法提高了诊断系统的智能性,使诊断结果更具柔性,也使推理诊断过程更接近于专家的思维过程。 相似文献
7.
为了能够提高桥式起重机的故障诊断准确率,深入地探究了粗糙集和混沌粒子群算法在其中的应用。分析了桥式起重机在工作过程中可能发生的主要故障及其产生原因;讨论了粗糙集的基本理论;分析了混沌粒子群算法的基本原理和流程;对桥式起重机进行故障诊断仿真分析,仿真结果表明该方法具有较高的故障诊断效率和诊断精度。 相似文献
8.
随着旋转机械的应用日益广泛 ,旋转机械的故障诊断也受到了很大关注。以模糊诊断原理为基础 ,建立故障机理和故障诊断的数学模型 ,并对引起旋转机械振动故障的各种原因进行分析对比。根据故障征兆对故障的肯定和否定程度 ,建立模糊筛选矩阵 ,从而对旋转机械的振动故障进行诊断。 相似文献
9.
10.
采煤机是一个集机械、电气和液压为一体的大型复杂系统,工作环境恶劣,如果出现故障将会导致整个采煤工作的中断,造成巨大的经济损失。采煤机摇臂传动故障作为整机的主要故障,是故障监测研究的重点。提出一种基于改进深度置信网络的采煤机摇臂传动系统故障诊断方法,对摇臂传动信号进行频段分解,通过不同的频段阈值进行降噪处理,提取故障特征信息,完成采煤机摇臂传动故障分类。将深度置信网络引入故障诊断,通过对采集的故障状态信号进行迭代训练深度学习,得出与故障模型的对应关系,并采用粒子群优化算法对故障模型进行迭代优化,应用于摇臂传动的故障诊断识别。结果表明,故障特征提取准确,故障诊断精度高。 相似文献
11.
12.
基于K-L变换和支持向量机的滚动轴承故障诊断 总被引:1,自引:0,他引:1
提出了应用K-L变换和支持向量机相结合进行滚动轴承故障诊断的方法。K-L变换可以将高维相关变量压缩为低维独立的主特征向量,而支持向量机可以完成模式识别和非线性回归。试验结果表明,利用主矢量分解后的主特征向量与支持向量机相结合可以有效、准确地识别轴承的故障模式,为轴承故障诊断向智能化发展提供了新途径。 相似文献
13.
为了能够准确地对数控机床进行故障诊断,深入地研究了支持向量机故障诊断的方法。提出了最小二乘支持向量机的基本理论;提出了遗传模拟退火算法;进行了实例研究,结果表明该方法具有较高的故障诊断能力。 相似文献
14.
为了能够提高连续采煤机故障诊断的效率和精度,深入地研究了基于改进遗传算法的RBF神经网络在其中的应用。分析了连续采煤机的主要故障类型;分别研究了RBF神经网络的基本原理和改进遗传算法的基本原理;进行了连续采煤机故障诊断的实例分析,仿真结果验证了该故障诊断技术的有效性。 相似文献
15.
针对带式输送机运行过程中的典型故障,提出了一种基于特征级与决策级的双层融合故障准确诊断方法。建立了带式输送机故障诊断信息融合模型,提取带式输送机故障信息的基本特征和小波包特征,实现特征级融合,并使用量子粒子群优化的核极限学习机与支持向量机2种分类器进行特征级的故障诊断;采用D-S证据理论将2种分类器的特征级故障诊断结果再融合,实现决策级的故障诊断。利用2种分类器的概率输出构造基本概率赋值函数,有效解决了D-S证据理论中基本概率赋值函数的构造。搭建带式输送机实验台,使用MATLAB进行实验验证,结果表明该方法的故障识别准确率可达97%,提高了故障诊断的准确度。 相似文献
16.
17.
基于SMO-SVM算法的变压器故障诊断 总被引:3,自引:3,他引:0
支持向量机是一种基于统计学理论的机器学习算法,它能在训练样本很少的情况下达到很好的分类效果。针对变压器的特性,提出了以RBF为核函数的非线性支持向量机的二叉树多分类变压器故障诊断模型,利用序贯最优化算法(SMO)对样本进行训练,准确率较高。试验结果表明,SMO-SVM在变压器故障诊断中具有很大的应用潜力。 相似文献