小波神经网络对风力发电机组功率变流器的故障诊断

研究了永磁同步风力发电机组网侧功率变流器开关器件的开路故障问题,提出一种新的开路故障诊断方法,以实现对单个或两个开关器件同时开路的多种故障进行诊断.首先采集不同故障下网侧功率变流器的电压信号作为原始信号,利用小波变换对此信号进行分解和重构,再对小波变换后得到的数据进行特征分析和判定,将特征分析和判定后的数据作为BP神经...     

风力发电机组中齿轮箱的故障诊断分析

齿轮箱运行的稳定对于保证风力发电系统的正常运行有着重要的作用，要想保证齿轮箱运行的稳定，对其故障的诊断至关重要。只有通过合理的故障诊断，才能够判断出齿轮箱的故障部位、故障程度，才能够采取针对性的预防措施和维修措施，从而有效降低故障损失。本文从风力发电机组齿轮箱故障诊断的必要性入手，研究了风力发电机组齿轮箱故障的机理以及相关诊断方法和技术的选择，最后分析了几种主要的齿轮箱故障诊断技术，旨在为风力发电机组齿轮箱故障诊断的相关研究提供参考。     

基于LMD和Fisher判别的风力发电机组齿轮箱滚动轴承故障诊断方法

风力发电机组齿轮箱等旋转机械故障振动信号具有调制特征,因此有针对性地提出了一种基于局部均值分解(Local Mean Decomposition,LMD)和Fisher判别的故障诊断方法。首先对振动信号进行LMD分解,可得若干个的乘积函数(Product Function,PF)分量,以相关系数为依据进行PF分量筛选和信号重构,并对重构信号进行故障特征提取,然后以多组典型故障样本的特征量来训练得到Fisher判别式,最后利用判别式对待判样本进行分类,由判别结果可知滚动轴承的工作状态、故障部位及故障程度。分析从试验台采集的各类故障样本集和从某实际风场监测的数据,证明了所提取故障特征量的准确性,同时也验证了所提出方法在旋转机械故障诊断方面的有效性。     

风力发电机组灭火系统探讨

通过对风力发电机组火灾特点的分析,探讨适宜风电机组的消防要求的灭火系统。     

小波神经网络在故障诊断中的应用

介绍小波神经网络的发展和基本原理.在此基础上,详细分析和推导了两种小波神经网络的结构和算法,使其把小波变换和神经网络有机地结合起来,充分继承两者的优点.重点阐述对小波神经网络进行的改进,即动量项的引入,证明了动量项的引入在一定程度上解决了局部极小的问题,并对小波神经网络在故障诊断中的应用研究现存的几个问题和未来的发展进行了深入的探讨.     

浅谈风力发电机组控制系统软件设计

控制系统软件作为风力发电机组(风机)控制系统的一部分,也应该是一种完善的、易升级的产品,本文从模块化、参数化、功能化几个思路描述了风机控制系统软件设计的架构,以实现软件的兼容性及继承性。     

故障诊断中的神经网络方法

本文以柴油机燃油系统为例，应用多层前馈ＢＰ网络，根据故障的征兆，建立１３－１１－９三层ＢＰ诊断模型，试用表明，诊断结果令人满意且使用方便，由于ＢＰ网络收敛缓慢，中文简述了作者的改进方法。     

RBF神经网络在传感器故障诊断中的应用研究

针对传感器在自动化系统中的重要性，指出了传感器故障诊断的必要性、可行性以及实现的基本方法。根据神经网络的原理与特点，阐述了RBF神经网络的基本理论和优点，提出了一种基于RBF神经网络用于传感器故障诊断的思路和方法。     

混沌神经网络在发电机故障诊断中的应用

采用耦合的混沌振荡子作为单个混沌神经元构造混沌神经网络模型,采用改进Hebb算法设计网络的连接权值。在此基础上,实现了混沌神经网络的动态联想记忆,并应用该混沌神经网络模型对发电机定子绕组匝间短路故障进行诊断。结果表明,该种方法有助于故障模式的记忆和重现。     

神经网络专家系统在电机故障诊断中的应用

针对传统专家系统不能进行自学习、自适应的问题,本文提出了基于神经网络专家系统的异步电机故障诊断方法。本文将小波神经网络和专家系统相结合,充分发挥了二者故障诊断的优点,很大程度上降低了对电机的诊断误差。仿真结果验证了该算法的有效性。     

神经网络在齿轮故障诊断中的应用

以齿轮振动信号的时域特征为神经网络输入，齿轮的主要故障形式作为神经网络输出，利用改进的BP算法训练后的网络对齿轮故障进行诊断，取得较好的效果。     

Elman神经网络在三相异步电机故障诊断中的应用

三相异步电机在运行过程中受到电、热、机械、周围环境等各种因素的作用,会产生各种故障,影响生产的顺利进行,故对三相异步电机的故障诊断有重大的意义,大多数情况下,采用BP神经网络进行的故障诊断,虽然能准确地确定各种故障类型,但是BP网络是一种前向的神经网络,有收敛到局部极小点以及对外部噪声敏感等弊病.相比之下,采用的El-man神经网络是一种动态的神经网络,用它对异步电机的匝间短路、转子断条、转子偏心等三种常见的故障进行诊断.仿真的训练误差曲线显示,Elman神经网络可以降低网络对参数调整的敏感性,有效抑制局部极小值的出现.实践证明,采用El-man神经网络也能识别出各种故障类型,实际应用效果较好.     

BP神经网络在滚动轴承故障诊断中的应用研究

反向传播神经网络(Back Propagation Neural Network,BPNN)是一种深度学习模型,在各个领域都有重要应用。文章以滚动轴承故障诊断为例,探讨了BP神经网络在其中的应用。文章通过运用及优化BP神经网络,对凯斯西储大学提供的轴承故障数据加窗后进行离散傅里叶变换处理,再进行峰值特征提取,然后利用该数据进行神经网络模型的学习和预测,构建了一个能够准确预测轴承故障类型的网络模型。该模型能够提高轴承故障诊断的效率和准确性,具有重要的实用价值。     

小波-神经网络在故障诊断中的应用

根据旋转机械振动信号特点,提出了小波分析和概率神经网络相结合的故障诊断方法。该诊断方法利用小波分析进行预处理-获取机械故障特征向量,概率神经网络应用该特征及对应的故障类型建立非线性映射,实现故障诊断。通过计算机仿真和试验的结果,表明该方法运算速度快、对样本噪声有较强的鲁棒形,结构简单,工程上易于实现,为旋转机械故障诊断提供了实践方法。     

基于灰色关联分析的SOM神经网络在葡萄分类中的应用

随着葡萄酒需求的大量增加,葡萄酒的质量受到了越来越多的关注.一般地,葡萄酒质量采用感官品尝的结果来评定,但是却经常受到多种因素的影响,同时葡萄酒的质量又没有统一的标准,因此葡萄酒的质量评价体系的建立亟待解决,而酿酒葡萄的质量直接决定了葡萄酒的品级.为了得到较好的葡萄酒先要对葡萄进行筛选.基于葡萄的理化指标较多,用灰色关联分析对数据进行初步处理,提取出影响葡萄质量的数个主要理化指标,再运用数据挖掘中的SOM神经网络技术对葡萄进行聚类分析.仿真结果表明:SOM神经网络能够直观准确地将原27类葡萄样品分为7类,且每一类中的葡萄样品均有一定的相似性.     

BP神经网络专家系统在故障诊断中的应用

介绍了一种基于BP神经网络故障诊断专家系统 ,给出了系统的结构 ,具体描述了神经网络专家系统的基本原理。并以船舶柴油机冷却系统故障诊断为例说明了神经网络故障诊断的推理过程。诊断结果表明了该方法的有效性。     

模糊神经网络在模拟电路故障诊断中的应用

近代电路理论发展至今,科学家们获得了许多意想不到的成就,其中在近代电路理论中占重要地位的利用模糊神经理论对模拟电路故障诊断就是科学百花园中一朵灿烂的奇葩。大规模模拟电路在今天的应用已经极其广泛,但是由于其自身线路的原因,带有非线性、容差性、复杂性等不利因素,之前针对普通线路的一般修复诊断方法已经无法满足当前电路发展和工程建设的需要。近年来,模糊神经网络这一个新方法悄然出现,给模拟电路诊断注入了新的生命力,不仅开辟了新的诊断方式,更对电路故障诊断具有重大意义。