基于小波包与PCA遗传神经网络相结合的齿轮箱故障诊断方法

针对风电机组齿轮箱振动信号非平稳、不确定的特点,提出基于小波包与PCA遗传神经网络相结合的风电机组齿轮箱故障诊断方法。该方法选取振动信号的峭度和峰值作为时域特征值,利用小波包算法提取频带能量和二范数作为时频域特征值。考虑到特征值之间的相关性,利用主成分分析法确定主成分,从而减少神经网络的输入变量。利用遗传算法对BP神经网络权值和偏置进行优化,建立遗传神经网络的故障诊断模型。仿真测试结果证实了算法的有效性。     

基于小波包-神经网络的泵机组故障诊断

泵机组是部队油库的主要工作设备,长期工作容易发生机械故障,对其进行故障诊断非常必要。本文通过采集泵机组工作时的振动信号,对采集到的信号进行小波包分解提取特征向量,利用三层BP神经网络对特征向量分类训练和模式识别的方法,提高了泵机组故障诊断的速度和精度。实验的结果表明,小波包分解与BP神经网络相结合的方法,故障识别精度高、速度快,可以满足油泵故障诊断的要求。     

基于小波包-支持向量机的滚动轴承故障诊断

以轴承在正常、内圈和滚子裂缝、内圈和滚子剥落三种工况下的振动信号为研究对象,采用小波包频带能量特征提取的方法,构成振动信号的特征向量。在此基础上采用支持向量机对特征向量进行故障模式识别,试验结果表明,和神经网络相比,采用支持向量机进行故障诊断可以获得更高的诊断精度。     

基于小波包分解的能量特征提取在旋转机械故障诊断中的应用研究

针对旋转机械的故障诊断问题,结合LabVIEW和Matlab两种软件的优点,设计了旋转机械振动测试系统。该系统实现了振动信号的读取、分析与存储,利用小波包函数对振动信号进行分解,求出各频段的能量值,并把能量值作为故障信息的特征向量进行特征提取,进而有效地进行故障信息的模式识别。     

基于小波遗传神经网络矿用振动筛故障诊断分析

矿用振动筛长期受到反复荷载作用容易出现筛板松动变形、筛框梁开裂、激振器抱轴等故障,影响振动筛的正常使用。利用小波降噪技术能够提取出振动筛故障信号,由此判断故障类型,故障诊断效率较高。设计诊断系统的BP神经网络,介绍其网络结构、初始参数的设置和权值的训练方法,将小波遗传神经网络的诊断效果与小波神经网络进行对比,结果显示前者在诊断效率和诊断准确性上都有明显优势。     

基于小波包分析和BP神经网络的滚动轴承非接触声发射诊断方法

采用声发射技术对滚动轴承进行非接触诊断,以小波包分析方法提取故障信号的能量特征向量,作为BP神经网络的输入向量进行模式识别,区别完好轴承和各类故障轴承。     

浅谈柴油发电机的工作原理

柴油发电机组是主、备用电源的重要组成部分。随着电力工业的发展,在各大中型企业中有着广泛的应用。因此,了解并掌握其工作原理等尤为重要。本文对此做了较为系统的总结。     

基于自适应小波神经网络的往复泵故障诊断

为了对往复泵的故障进行正确诊断,提出了基于自适应小波神经网络的往复泵故障诊断方法.以往复泵单个泵缸内的压力信号作为系统特征信号采用小波变换来提取故障特征向量,同时将此特征向量作为小波神经网络的输入,利用小波神经网络对故障做进一步的精确实时诊断.通过对往复泵液力端多故障诊断实例的检验表明：该系统故障诊断正确率达到了93％以上.     

小波包变换和KL变换联合去噪

基于强噪声的地震记录,先利用小波包分析对地震记录进行分解,然后再根据不同的信息的不同特征性进行去噪,然后再重构。用小波包变换去噪后的地震信号再利用K-L变化提取有效信号。经合成地震剖面处理试验证明,该方法能有效地提高地震记录的信噪比和分辨率。     

基于EMD与GA-BP网络的离心泵汽蚀故障诊断

针对离心泵入口压力脉动信号的非平稳特征和BP神经网络搜索易陷入局部极小的特点,提出EMD与GA-BP网络联合用于汽蚀故障诊断的新方法。将EMD分解得到的低频信息能量比作为诊断的特征向量;根据GA-BP网络模型能够逼近任意非线性函数和具有高效寻找全局最优的特点,将其作为特征分类器,进行故障诊断。实验结果表明:该方法是可行有效的。     

自适应小波降噪的泵机组故障诊断

泵机组故障诊断的难点在于信号特征向量的提取,而故障特征往往淹没在复杂的噪音中。本文利用自适应小波函数对采集到的振动信号进行降噪,滤掉了无关的噪声信息,根据振动能量的分布,对降噪过的信号进行四层小波包分解,提取出的特征向量分布明显。最后将分类特征向量输入神经网络进行训练,测试的结果证明,该方法识别精度高、速度快,具有良好的应用前景。     

基于虚拟技术的齿轮故障智能诊断研究

利用LabVIEW图形化编程语言开发了信号分析与处理、信号特征提取和故障诊断三大模块。信号特征提取由小波包分解来实现,故障诊断通过神经网络完成,小波包分解提取的齿轮振动信号各频段能量特征值作为神经网络的输入向量。以模拟故障实验台获取的齿轮典型故障振动信号训练神经网络,利用训练好的神经网络对齿轮进行故障诊断,实验结果表明：所开发的齿轮故障智能诊断系统能有效识别齿轮故障,较好地将虚拟技术应用于故障诊断领域。     

基于GA-BP神经网络的多传感器轴承故障诊断

由于单一传感器采集滚动轴承的故障信息精度较低,提出基于GA-BP神经网络的多传感器信息融合方法。首先使用单一传感器采集其状态信息,并采用小波包分析提取轴承故障状态特征,然后采用遗传算法(GA)优化BP神经网络对单传感器进行滚动轴承故障诊断,接着运用DS证据理论把每一个诊断结果进行信息融合,最终得到诊断结果。仿真实验结果表明:该方法可提高滚动轴承故障诊断的精确度和效率。     

基于小波理论的主元分析在故障诊断中的研究与应用

主要分析主元分析的原理和主要算法及其在故障诊断方面的应用 ,简单介绍数据预处理的小波分析方法 ,并把这两种方法结合用于过程故障诊断。常减压装置的应用实例表明 ,结合这两种方法进行基于过程的故障诊断取得了较好的效果     

矿用钻机监测与故障诊断研究

运用现代监测技术与小脑模型关节控制器（CMAC）神经网络,研究开发了矿用钻机监测与故障诊断系统。实验结果表明,本系统监测的实时性、精确度均满足要求,并且CMAC神经网络故障诊断技术具有较好的稳定性、快速性和可靠性．     

神经网络技术在分布式系统智能故障诊断中应用

阐述智能故障诊断技术的特点，针对多层次分布式系统，提出分层模块化的两种诊断模式及分层预处理规则；并就神经网络同其它诊断技术相结合的综合智能故障诊断模式的实现方法、特点及可行性作了进一步探讨分析。     

基于EEMD和模糊BP神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出一种基于总体经验模态分解(EEMD)和模糊BP神经网络的故障诊断方法。首先对滚动轴承的振动信号采用总体经验模态分解方法进行分解,得到若干个本征模态函数分量(IMF);然后提取各分量的均方差、峭度和能量,把这些特征参数作为学习集和训练集,将学习集输入到模糊BP神经网络中进行学习;最后把训练集输入到特征参数经过学习训练后的模糊BP神经网络中进行故障类型识别,并与BP神经网络进行比较。实验结果表明:所提方法能有效地应用于滚动轴承故障诊断,而且比BP神经网络具有更高的精确度。     

粗糙集理论在柴油机故障诊断中的应用

以柴油机故障诊断为背景,研究了基于粗糙集理论的参数优化在故障诊断中的应用.首先采用小波包能量谱方法提取振动信号的特征参数,并用粗糙集理论对其进行属性约简,最后用RBF神经网络对各类故障进行辨识,结果表明:利用粗糙集约简后,通过减少神经网络的输入节点数,简化网络的结构,提高了诊断的准确率及效率.