共查询到16条相似文献,搜索用时 62 毫秒
1.
基于小波包能量分析及改进支持向量机的风机机械故障诊断 总被引:1,自引:2,他引:1
为了准确诊断风机的机械故障,提出了一种基于小波包能量特征和改进支持向量机的诊断方法.在某4-73No.8D风机实验台上对13种不同运行状态下的振动信号进行采集,利用小波包对振动信号进行消噪、分解与重构,提取其小波包能量特征,得到了各运行状态下风机多测点信息融合的小波包能量特征向量,并利用改进支持向量机对特征向量样本集进行训练与测试,实现了风机机械故障的分类诊断.结果表明:该诊断方法能够有效地诊断风机机械故障的类别、严重程度和发生部位,且诊断准确率高、测试时间短,适用于在线机械诊断. 相似文献
2.
3.
基于小波神经网络的旋转机械故障诊断 总被引:3,自引:1,他引:3
研究了小波变换与人工神经网络结合起来应用于旋转机械故障诊断的问题。通过选择合适的参数,对故障信号功率谱进行小波分解,简化了故障特征向量的提取。建立了基于小波变换和BP网络的混合诊断模型,成功地实现了对故障的智能诊断。 相似文献
4.
5.
小波分析法在旋转机械故障诊断中的应用 总被引:5,自引:1,他引:5
分析了FFT频谱分析方法对处理非平稳信号的不足,即分析精度不高,确认小波分析对非平稳信号的处理是有效的。分别介绍了Haar小波和Dilation小波的基本原理并成功地尝试了小波分析在旋转机械故障诊断中的作用。 相似文献
6.
7.
8.
排气阀是柴油机的重要部件之一,其故障诊断一直受到研究者的关注,传统的学习机器在小样本学习时不具有良好的泛化能力,其现场效果与实验室精度差距较大。建立在统计学习理论基础之上的支持向量机具有和样本数相适应的最优泛化能力。利用支持向量机适合处理高维数据以及具有良好泛化能力的特点,建立了排气阀故障诊断模型,将排气阀振动信号经过小波包分解后提取的特征指标在小样本时进行支持向量机学习,通过不同核函数的支持向量机和其它智能方法准确率的比较证明:支持向量机较其它智能方法有较大的优越性;准确率对核函数有一定的敏感性;在常用的3种核函数中,线性核的诊断准确率达到了100%,是柴油机排气阀智能故障诊断支持向量机的最佳核函数。 相似文献
9.
基于支持向量机的凝汽器故障诊断研究 总被引:1,自引:0,他引:1
分析了凝汽器工作过程及故障机理,建立了凝汽器典型故障集、征兆集及典型故障特征向量集合.建立了基于支持向量机的故障诊断模型,用实例计算证明其有效性.同时和神经网络方法对比后发现:在小样本情况下,采用支持向量机方法的计算结果比神经网络更优越,推广能力更强,而且效率高于神经网络.本方法针对故障诊断样本少的特点,为建立智能化的凝汽设备状态监控和故障诊断提供了一种新的途径,具有广泛的实用价值. 相似文献
10.
齿轮箱存在故障时,其振动信号往往表现出非平稳特性,并且故障特征信息往往淹没在强大的背景噪声中,难以实现有效诊断.提出了采用基于EMD方法的特征能量值提取法及支持向量机的智能模式诊断方法,并将二者结合运用于齿轮箱的故障诊断,实现了齿轮箱故障的智能识别与诊断.实验结果证明了EMD方法与支持向量机相结合用于齿轮箱故障诊断的正... 相似文献
11.
基于小波包的气门故障诊断 总被引:2,自引:0,他引:2
本文利用小波包将信号按任意时频分辨率(满足测不准原则)分解到不同频段的特点,论述了小波包特征提取的方法。利用这一特性对柴油机气门间隙和漏气故障进行了诊断,取得了满意的结果。 相似文献
12.
13.
14.
15.
机组的振动水平是表征电厂稳定安全最重要的标志之一.本文利用支持向量机的智能方法对机组的轴系故障进行诊断,在小样本集上取得了100%的分类精度.在此基础上,还引入部分噪声数据,统计其分类性能,展示了支持向量机的容错能力.最后分析了支持向量机方法在轴系振动故障振动的优势和缺陷,引入模糊输出支持向量机进行了改进,给设备维修提供了更多的参考信息. 相似文献