共查询到20条相似文献,搜索用时 156 毫秒
1.
针对电力机车主变流器的故障,本文提出基于小波分析和支持向量机的故障诊断方法.首先,运用小波包对特征信号进行分解和重构,然后提取各频带的能量,将得到的能量值构造为特征向量,最后把特征向量输入到支持向量机,进行故障类别诊断.MATLAB仿真结果表明:该方法能够准确地对故障进行诊断. 相似文献
2.
为满足模式识别故障诊断算法的鲁棒性要求,在小波包分解提取特征向量的基础上,提出了有监督模式分类与无监督模式分类相结合的故障诊断方法.利用小波包分解提取各个频带的能量作为特征向量;采用LVQ神经网络作为有监督的模式分类器进行故障诊断;运用无监督的减法聚类方法对新型故障模式进行辨识.最后,通过动力系统管路流量传感器数据对算法进行检验,验证了所提出方法的实用性和有效性. 相似文献
3.
4.
基于模糊推理的电机故障诊断专家系统研究 总被引:3,自引:1,他引:2
利用小波的多分辨率分析方法对某电机的噪声信号进行分析,将小波分解后得到的高频能量作为故障特征向量,作为故障检测的依据;针对电机故障的特点及故障诊断的要求,设计了基于模糊推理的专家系统,采用模糊产生式规则表示知识,利用已获得的各种故障的高频能量特征向量构造规则的前提条件,通过实时获得的故障特征向量与各条规则前提条件进行模糊匹配,采用正向推理的模糊推理方法实现推理机制,直接得出诊断结果,经实验验证是可行的,并且具有较高的实时性以及准确性。 相似文献
5.
6.
7.
研究传感器系统故障诊断效率问题.针对传统故障诊断因传输信息大,速度慢,造成故障,定位不清.传统的方法提取的传感器系统特征信息不全面,导致诊断精度与速度不高.为有效提高传感器系统故障诊断的效率和精度,提出了一种能量信息熵的支持向量机系统故障诊断方法.故障主要难点技术问题在于参数选择优化问题.算法首先利用小波包对传感系统故障信号进行小波包分解,并提取小波包能量信息熵,以此构建输入特征向量;接着采用了支持向量机方法进行非线性特征向量提取,最后以特征向量来建立支持向量机智能化诊断模型.仿真结果表明,改进方法在所有参比模型中精度最高,能高效地对传感器故障进行检测与定位.具有较强的泛化能力,同时缩短了故障诊断时间. 相似文献
8.
脉冲宽度调制(PWM)整流电路结构日益复杂,对其可靠运行提出了更高的要求;对局域均值分解(LMD)用于PWM整流电路的故障特征提取进行研究,提出一种基于LMD和加权频带能量法的特征提取新方法;该方法通过逐步抽取调频调幅成分将故障信号在频域上展开,然后基于信号能量的频带分布特点,充分考虑各频带成分与故障的相关性,构造故障特征向量,实现特征提取;最后以PWM整流电路为例进行仿真,相电压380V,仿真时间0.5s,0.1s时注入故障;结果表明,该方法能有效地提取故障信号的特征,并降低特征向量的维数。 相似文献
9.
电机故障诊断的仿真研究 总被引:1,自引:0,他引:1
研究电机故障诊断问题.针对电机信号具有非平稳和随机性特点,为保证电机运行的安全性,准确进行故障诊断,传统方法不能有效识别故障信号特征,导致故障识别准确率低,现提出一种基于小波分析和神经网络相结合的电机故障诊断方法.采用小波包变换技术对电机故障振动信号进行去噪处理,然后利用小波包分解系数计算各子频带能量值,根据能量值的变化构建故障特征向量,利用将特征向量作为RBF神经网络的输入进行故障识别,并在Matlab仿真平台上进行仿真.仿真结果表明方法提高电机故障诊断的准确率,有效克服了传统方法存在不足,同时缩短了电机故障诊断的时间. 相似文献
10.
介绍了适应于单司机值乘要求的SS8型电力机车故障转换开关的改造,在不改变现有SS8型电力机车电气逻辑控制关系的前提下,该改造装置可方便地集中实现机车各种开关电器的故障转换,满足铁路机车单司机值乘时快速判断和处理机车电气故障的需要,同时为其它机车的类似改造提供借鉴。 相似文献
11.
12.
13.
针对目前DJ-1型电力机车在故障诊断方面的迫切性和研究不足,提出了基于自学习的智能故障诊断分析系统;文中介绍了该系统的总体设计方案,详细说明了诊断系统知识库的建模过程和具体实现方式,并讨论了专家系统应用协议的实现方式,最后介绍了该系统应用于DJ-1型电力机车的优越性。 相似文献
14.
对信息融合的故障诊断进行了研究,提出了一种基于信息时空融合的故障诊断模型,并将其成功应用于电力机车牵引电机的故障诊断;这种方法是在运用神经网络进行局部的故障诊断的基础上,再运用D-S证据理论进行全局决策的融合,从而实现了这两种算法优势的互补,提高诊断的准确率;实例分析结果表明,该故障诊断模型能够准确地检测出故障发生的位置及其故障发生的原因,适合于电力机车牵引电机的故障诊断,并具有推广的价值. 相似文献
15.
16.
17.
基于粗糙集-BP神经网络的机车滚动轴承故障诊断 总被引:1,自引:0,他引:1
论文提出了一种基于粗糙集理论与BP神经网络相结合的机车滚动轴承故障诊断方法.首先对原始故障诊断样本的连续属性进行离散化处理,然后利用粗糙集理论,对条件属性进行约简,删除冗余信息,最后将约简的最小属性集作为BP神经网络的输入,并设计BP神经网络对滚动轴承进行诊断.仿真结果表明粗糙集-BP模型不仅简化神经网络结构,而且提高了收敛速度和故障诊断正确率. 相似文献
18.
19.
高速列车的转向架机械故障会引起转向架和车体振动信号的变化,严重影响高速列车运行的安全性和舒适度。为此,提出一种基于聚合经验模态分解的高速列车转向架故障诊断方法。针对转向架空气弹簧失气、抗蛇形减振器失效、横向减振器失效和原车4种工况进行仿真实验,得到列车不同位置的振动信号。信号经聚合经验模态分解得到一系列固有模态函数,分别提取能量矩特征,反映不同尺度上能量随时间的分布规律。将第2阶~第6阶经验模态能量矩构成的5维特征矢量作为支持向量机分类器的输入,在列车行驶200km/h的速度下进行转向架故障识别,结果表明,该方法的识别正确率可达到95%以上。 相似文献