共查询到20条相似文献,搜索用时 15 毫秒
1.
《仪表技术与传感器》2015,(5)
为区分高速列车不同工况,利用DB5小波提取高速列车不同工况振动信号的频域特征,用窗口傅立叶变换计算瞬时频率。结果表明:低速时不同工况的频域特征差异不大;随着速度增大,不同工况的主频、次主频及其对应的能量差异变得明显;不同工况失稳时的瞬时频率不同,据此可区分失稳的工况类型。前述结果可用于判断高速列车运行状态,为高速列车安全、舒适运行提供数据基础。 相似文献
2.
高速列车运行状态正常与否对列车系统的安全性和舒适度有重要影响,为分析高速列车运行状态,根据高速列车振动加速度信号的特点,提出了分割能量熵和奇异熵的故障诊断方法。首先,分析列车振动信号随速度变化的特点,对不同速度下的信号进行不同频率范围的分析;其次,对分析范围内信号分割成N个区间,计算分割能量熵和奇异熵,将分割能量熵特征和奇异熵组成特征向量;最后,利用支持向量机进行故障分类识别。实验数据仿真分析结果表明,车体中、后部横向加速度信号特征对四种典型工况在不同速度下分类识别率均较高,达到95%以上,说明该方法能有效识别出高速列车故障状态。 相似文献
3.
针对高速数控装备的复杂非线性特性,基于改进证据理论和非线性特征提出了一种新的故障诊断方法。分析了高速运行状态下数控装备的故障特性,提取出一组反映系统非线性特性变化的故障特征向量。给出了基于证据理论的多类型故障识别模型,并利用模式之间的相似度获取各个证据的mass函数。为解决冲突情况下的多个证据合成问题,提出一种基于平均信任度的动态参数冲突证据合成方法。仿真实验结果表明,在证据存在冲突的情况下,该方法识别率高,适合于具有非线性特性的高速装备故障诊断。 相似文献
4.
5.
6.
基于多源信息融合的往复式压缩机故障诊断方法 总被引:1,自引:0,他引:1
往复式压缩机结构复杂,振动激励源多,故障关联性较强,需要依靠多种类型的传感器所采集的信息来对往复式压缩机故障进行诊断。在融合往复式压缩机多种类型传感器采集的特征信息基础上,提出一种基于多源信息融合的往复式压缩机故障诊断方法,构建信息融合诊断框架。利用往复式压缩机多种类型传感器所采集的数据信息构建特征证据体,使用径向基神经网络对每个证据体进行初步诊断,根据加权证据融合理论融合各个证据体初步诊断结果,得到最终诊断结果。使用提出的方法对往复式压缩机3种工况的试验数据进行融合诊断,诊断结果表明:使用加权证据融合理论融合多源传感器信息的诊断结果可信度高,不确定性小,能够准确对往复式压缩机故障状态进行诊断识别。 相似文献
7.
典型证据权重计算方法存在只有少数传感器判断正确而多数判断错误的高冲突证据的加权D-S决策融合问题,针对此问题,提出一种基于故障敏感度的证据权重计算方法。首先,通过核函数主元分析(kernel principal component analysis,简称KPCA)提取非线性的敏感特征;其次,基于故障检测原理计算该特征的故障敏感度,并将其作为传感器的故障敏感度;最后,计算得到基于故障敏感度的传感器决策权重,并将该权重及等权重法和基于决策距离方法的权重共同应用于转子故障模拟实验台的融合检测与诊断中。结果表明,该方法能对故障敏感、包含故障信息多的传感器赋予更高的权重值,提高其决策地位和作用,反之则赋予较小的权重,"弱化"其决策地位和作用。通过证据权重的"调节"作用,使得该方法无论是在只有少数传感器发现故障的证据高冲突情况还是在冲突不大或无冲突时,均取得了更好的决策融合结果。 相似文献
8.
D-S理论在复合振动识别中的应用 总被引:1,自引:0,他引:1
在D—S证据理论的基础上,针对动力机械复合振动识别中在同一征兆域中很难区分多种振动故障的实际状况,研究利用其他征兆域的识别信息,进行全局信息融合,从而达到较为准确的振动故障定位;系统地论述了基于证据理论和神经网络的多参数体系识别的数据融合方法,在该方法中采用证据理论的组合规则进行局部和全局信息融合,结果表明D—S证据理论能有效地识别动力机械复合振动特征;给出了识别实例。 相似文献
9.
高速列车要求安全可靠运行,输出信号故障将影响列车运行,论文重点针对高速列车开关量输出信号故障,根据设计原理,通过内部结构分析、De-CAP分析及故障模拟分析的方法进行了详细的故障原因分析,并针对故障原因进行了现车调查,确认故障的根本原因,进行了优化设计及验证,验证结果表明:采用该优化方法能够有效的避免开关量输出信号故障,提高列车运行效率。 相似文献
10.
11.
12.
13.
以高速列车轴箱轴承为研究对象,提出了一种适用于有限数量变工况下的轴承故障诊断方法。该方法以有监督的学习模式构造自编码器,将不同工况下特征值集向参考工况下特征集做映射迁移,从而减弱由工况变化引起的轴承故障特征值改变的影响。再将迁移后的特征集输入由参考工况特征集预训练的基于卷积神经网络的故障诊断模型,实现变工况下轴承故障的诊断。凯斯西储大学轴承公开数据集和高速列车轴箱轴承数据集的试验结果表明,经监督式自编码器特征迁移后的轴承故障识别准确率有了较大提升,该方法能够较好的实现有限工况下的特征序列的迁移,解决工况变化带来的故障特征的畸变问题。 相似文献
14.
《仪表技术与传感器》2016,(8)
为解决轴承故障诊断中故障信号特征难以提取、不同故障程度间信号特征相近难以区分的问题,提出了基于判别稀疏编码的轴承故障诊断方法:在稀疏编码框架下,引入Fisher判别准则,增强不同类别故障字典的判别性,并基于重构误差,在频域上对故障信号进行处理。实验表明:与其他方法相比,该方案有效提高了轴承故障诊断的准确率,并具有较好的稳定性。 相似文献
15.
分析了我国当前转向架故障诊断的技术特点,通过小波包变换提取列车转向架故障工况的能量特征向量,同时结合列车振动信号的时频特征,提出一种基于多维特征SVM模型的列车转向架故障诊断方法。并通过滚动振动试验台实测的转向架故障运行工况数据,对比了SVM算法和BP神经网络的诊断性能,验证了该方法的可行性。研究表明:通过分析列车的振动信号,以时域特征和能量特征结合的特征向量,在支持向量机方法下能有效区分列车不同故障工况,与传统的BP神经网络相比,SVM模型的故障诊断正确率更高,可作为故障诊断的依据之一。 相似文献
16.
17.
针对多传感器信息在故障诊断中可能存在伪证据,造成证据间剧烈冲突使经典证据理论合成规则失效的问题,利用Dempster-Shafer合成规则中一致证据的聚焦性,提出一种新的伪证据识别方法,构造出新证据取代原来的伪证据进行证据合成,削弱了伪证据的不良影响。在构建的基于多传感器信息融合的故障诊断识别框架中,运用改进的证据合成方法对发动机的故障进行诊断,将此诊断结论与其他证据理论的诊断结论进行了比较。结果表明,该方法可有效提高机械故障诊断的准确率,验证了此方法的可靠性和优越性。 相似文献
18.
从D—S证据理论的基本概念和融合推理方法出发,构造了符合故障诊断特点的基本可信度分配,建立了多故障特征信息融合诊断框架,并将其应用于液压泵故障诊断。实践证明,该方法能有效地提高诊断可信度。 相似文献
19.
20.
针对大型制造装备故障诊断中存在的高冲突证据问题,提出了一种改进的信息融合故障诊断方法。该算法通过各条证据可信度获得平均信任度,利用各证据的相对距离构造一个反映冲突强度的动态权重参数。为了使各条证据更能客观地反映装备的故障特性,利用模式之间的相似度获取证据的mass函数。仿真实验结果表明,该算法可以有效减少证据间的冲突,对大型制造设备故障诊断较高的识别率显示了该方法较好的实用价值。 相似文献