基于BP神经网络的冷轧薄板生产线故障诊断系统研究

针对某钢厂冷轧薄板生产线电气传动故障类型多,传统故障诊断方法难以实现故障分离等情况,提出了一种基于BP神经网络的故障诊断方法,通过对各个传感器输出信号的分析可以获得故障特征量,将其输入神经网络后,由网络输出层的结点输出可以判断故障类型,从而实现故障诊断.     

基于小波包的开关电流电路故障诊断

为提高开关电流电路故障诊断的精度,提出了一种基于小波包优选和优化BP神经网路的开关电流电路特征抽取与识别方法.首先对开关电流电路原始响应信号进行多层次的小波包分解,接着计算N层分解后的归一化能量值,以特征偏离度作为评价选择最优小波包基,构建最优故障特征向量,最后将提取的最优故障特征通过遗传算法优化的BP神经网络进行分类.该方法以实例电路进行验证,结果表明所有的软故障均得到了有效的分类,说明了该方法在开关电流电路故障诊断中的优越性.      

基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用

针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染问题,提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型.在目标函数中引入影响因子函数和可靠性系数,并通过计算机模拟和仿真确定最佳影响因子函数形式,抑制了多个含有显著误差故障数据的不良影响,并增加了具备高可靠性的重要数据影响权重,大大减小了残差污染,提高了故障诊断的准确性和可靠性.以某300 MW机组1#高加测点为对象进行算例分析,验证了该方法对于多传感器故障诊断的可行性和准确性,计算和模拟表明,RITNN方法优于线性PCA和传统ITNN方法,能够更加准确进行多传感器故障的检测和故障数据的重构.     

浅谈金属振动测试的挖掘机故障诊断方法研究

挖掘机组成结构复杂,工作环境复杂性和工作强度较大,容易产生故障。采用挖掘机机体金属振动测试方法进行机械故障监测,实现故障诊断。提出一种基于机体金属壳体振动关联谱特征提取的挖掘机故障诊断方法。首先对目前的挖掘机机械故障诊断方法进行分析,介绍了采用金属壳体振动测试方法进行故障诊断的原理。然后进行故障特征提取和诊断的算法设计。以实际的挖掘机故障工况状态进行故障诊断的案例应用分析和仿真测试,实验结果表明,该方法进行故障诊断的准确识别性能较好,稳定可靠。     

板带轧机HAGC系统基于小波变换的传感器故障诊断

 提出了一种基于小波分析的HAGC系统传感器故障诊断方法。通过建立系统的MA模型，建立残差信号，利用离散小波变换对残差信号进行多分辨率分析。通过残差信号的故障高低频特性，提取故障敏感特征，实现了传感器故障时间、故障原因、故障程度的诊断。仿真研究表明，该方法凸现故障特征，时域定位准确，不但适用于突变故障，对渐变故障同样有效。     

基于改进模糊SVM的转子振动故障诊断技术

首先对常用的隶属度确定方法进行改进,提出了基于改进模糊支持向量机(FSVM)的融合故障诊断方法,并建立了改进FSVM故障诊断数学模型;然后,利用转子振动模拟实验台对四种典型的转子诊断故障进行模拟,并提取其故障信号特征;最后,通过实例计算分析,验证了该方法在转子振动故障诊断方面是可行的和有效的.     

基于故障树的火电厂金属壁锅炉设备故障诊断方法研究

阐述火电厂锅炉设备故障的基本类型及特点,针对火电厂锅炉设备故障诊断过程,提出基于故障树的故障诊断方法,建立锅炉设备故障树的逻辑图,进而对其进行定性和定量的分析。综合考虑火电厂锅炉设备故障等特殊性问题,并在实践应用中不断优化基于故障树诊断方法。     

真空精炼系统故障诊断的模糊聚类分析

大型真空冶金系统 (DVMS)的故障点多、故障现象与故障原因间对应关系复杂 ,很难从抽气机理上来精确地进行故障诊断。DVMS工艺要求能对该设备进行快速、准确的故障诊断。为此 ,介绍了一种基于模糊聚类算法的智能诊断模型。该模型具有很强的自学习、自组织能力 ,适用于大型复杂真空系统的故障诊断。以RH KTB真空冶金系统的智能故障诊断为例 ,给出了真空冶金系统模糊故障诊断的实际过程。通过分析证实了该算法对大型复杂真空冶金系统智能故障诊断的有效性     

形态分量分析在滚动轴承故障诊断中的应用

滚动轴承局部故障振动信号中的周期性冲击是识别故障的关键特征.形态分量分析在由多种形态原子组成的过完备字典基础上提取信号中的不同形态成分,基于这种思想提出了一种基于新型过完备复合字典的形态分量分析方法.依据滚动轴承故障振动信号中分量间的形态差异性,改进字典后该方法可以更具针对性地提取出包含故障特征的冲击分量,配合包络谱分析准确提取故障特征频率,诊断滚动轴承局部故障.对比基于快速谱峭度法的轴承故障诊断方法,该方法可以避免人为选择共振带产生的不准确性和非最优问题,提高了故障诊断效果.通过轴承仿真信号和故障实验信号分析验证了该方法的有效性.      

高线轧机齿轮箱故障诊断案例库的设计与应用

以高速线材轧机齿轮箱故障诊断系统为应用背景,探讨了基于案例的推理方法,研究了构建齿轮箱故障诊断系统的关键技术,最终制订出相应的设计方案。依据故障的特征属性和内容将齿轮箱故障案例按照不同轧机和架次分类,从而将整个案例库划分成了多个代表不同齿轮箱的案例集。在案例检索中,通过加权平均算法找到相应案例库中与目标案例最相似的案例,实现了对高速线材轧机齿轮箱故障的智能诊断。     

基于神经网络自适应观测器的故障诊断

本文以飞行控制系统作为研究对象,针对一类非线性飞控系统,提出了故障诊断方案.研究了基于神经自适应的故障诊断算法,并将该方法应用到飞行控制系统的传感器和执行器故障的检测与估计中.     

模拟故障诊断中的容差处理方法研究

基于斜率故障模型的故障诊断方法较好地解决了线性电路的软故障和硬故障诊断问题,是一种很有价值的故障模型,但是容差问题使该方法不实用,基于此,给出了新的容差处理方法.首先斜率故障模型的公共点(由无故障时两个选定测点的电压值确定)不再是一个定值,而是在实际电路运行中获得,它包含了实际电路元件的容差信息.其次,受容差影响,元件斜率特征是一个扇形区域,该扇形区域可以通过计算或者仿真得到.该方法能较好地解决斜率故障模型中的容差问题.     

抽油泵机械异常振动检测方法研究

采油用的泵主要有抽油泵、多级离心泵和螺杆泵等,对抽油泵机械异常振动的检测可以实现对抽油泵的故障准确诊断和维修。提出一种基于定量递归谱状态特征提取的抽油泵机械异常振动检测方法。首先分析抽油泵的机械结构原理,描述了抽油泵的故障诊断分析流程,提取定量递归谱特征实现异常振动的特征分析,实现故障诊断算法改进。仿真实验表明,采用该方法进行抽油泵机械异常振动检测,对故障状态的分析准确性较高,提高了抽油泵的故障诊断能力。     

基于基础自动化故障诊断信息集成模式的研究

基于由SIEMENS S7-400PLC构成的万能轧机基础自动化系统的故障诊断信息集成模式的研究,模式构建了信息采集层,故障诊断层、数据管理层、人机对话层,建立现场故障智能诊断系统,将分散的故障信息集中在中控室故障诊断信息集成客户端,该界面结合现场,画面友好,开发以来极大降低了故障处理时间,为生产正常运行提供了有力保障.     

关于机电一体化设备故障诊断技术的研究

如今,国民经济的日新月异正处于蓬勃发展阶段,社会在进步科技在发展,机电一体化设备日益完善并逐渐被广泛应用于各个行业生产中,并且展现出了它高价值产业链的美好前景,在故障诊断技术尤为突出同时得到了些许成就。故障诊断技术主要用于清查设备故障避免或减少事故的发生,以此来杜绝一定程度上的安全隐患。文章基于分析机电一体化设备的故障诊断技术及其特点进行分析,通过了解其相关问题和现状,着重于研究机电一体化设备的故障诊断技术以及诊断方法,并提出了机电一体化设备故障诊断技术的可持续发展计划。     

基于深度学习的辊道电机故障诊断分析方法

为了避免电机频繁无预警停机,机电设备诊断分析是一项非常重要的任务。针对辊道电机中单个电机故障,根据所有电机正常运行状况和故障状况下收集的电机电流数据,提出一种基于深度学习的智能化电机故障诊断分析策略。首次提出了考虑用协同工作的其他电机的电流来对被监测电机进行故障诊断。该方案选择采用Lenet-5模型进行分类预测训练,以诊断电机中的故障,在生产现场实际应用此方案并进行数据结果验证。结果表明,所提出的方法在电机故障诊断中可行且有效。     

网络化设备点检与故障诊断系统在济钢的应用前景

分析了设备远程监控与故障诊断的结构及工作模式,介绍了一种基于Internet的设备状态点检与故障诊断系统,该系统利用现代计算机网络、通讯及自动控制等多项技术,将现场数据采集与处理实时监控与决策等环节有机的结合,并利用专家系统中的知识库和远程诊断专家对设备故障做出诊断,提高设备故障诊断的可靠性和智能化水平,实现点检、监测、控制与诊断的一体化。     

机电一体化设备故障诊断技术研究

机电一体化设备结构复杂、功能多,在给企业生产带来便利的同时,设备故障也备受关注。和普通机械设备相比,机电一体化设备故障涉及零件多、故障诱因复杂、故障具有隐蔽性与突发性特点等因素。通过对常见机电一体化设备故障诊断技术的分析指出,在实际的应用中应该结合实际来选择故障诊断技术,并将多种故障诊断技术联合运用,从而确保故障诊断的精度和效率,使机电一体化设备的故障率大大降低,能够安全平稳运行。希望文章研究结果能为机电一体化设备故障的诊断提供有益的参考。     

探讨机电一体化设备故障诊断方法研究

随着社会经济的迅速发展,机电一体化设备在人们的生产和生活中得到了广泛应用,同时也对其设备性能等多个方面提出了更高的标准。在此研究了机电一体化设备故障诊断方法的具体流程、故障诊断方法类型及故障诊断方法的注意事项,为设备维修人员提供了一定的理论依据。     

轧机液压AGC系统基于神经网络的传感器故障诊断技术

针对板带轧机液压AGC系统在线故障诊断问题,建立了一种基于非线性自回归滑动平均模型(NARMA)的递归神经网络,通过AIC定阶法确定模型阶次。运用生产实际数据,通过动态学习算法完成对网络的训练,使网络映射系统的动力学特性。该网络模型避免了故障的自学习,能够很好地实现故障检测。试验研究证明了该神经网络方法进行轧机液压AGC系统在线故障诊断的可行性和有效性。