电钢琴琴键开关短路故障自动诊断方法研究

针对传统电钢琴琴键中开关短路故障诊断定位不准确、损耗时间长的问题,本研究基于EMD模态分解,提出一种电钢琴琴键开关机械故障自动化诊断方法。首先对琴键机械振动的信号特征进行提取,通过其显示电钢琴机械运行情况;然后建立一个机械故障估算模型,确立故障所在的具体位置;之后对该部位机械状况进行健康评价,对其运行等级进行调整,从而实现故障自动诊断。最后,为验证本研究提出的方法是否有效,本研究将其与传统ANN诊断方法进行对比实验。最终结果表明,相较于传统方法,本研究提出的方法诊断时间更短,关键部位的诊断时间降低了0.25～0.5,诊断准确率更高,具备可行性和有效性。     

智能控制下机械式自动变速器故障检测方法

考虑到当前机械式自动变速器故障检测方法由于故障种类划分能力较差,导致复合故障检测结果正确率较低的情况,设计智能控制下机械式自动变速器故障检测方法。设定信号采样频率,对采集后的信号进行离散处理,提取自动变速器振动信号。使用LSSVM模型构建支持向量机,完成振动信号训练处理。根据机械控制理论结合证据分类检测方法,完成自动变速器故障诊断。至此,智能控制下机械式自动变速器故障检测方法设计完成。构建实验环节,经实验结果证实,新型检测方法的复合故障检测结果正确率得到明显提升,在日后的研究中可应用此方法完成故障检测过程。     

三相开环Z源逆变器短路故障诊断研究

以三相开环Z源逆变器为例,开展了三相开环Z源逆变器短路故障诊断的应用研究。在三相开环Z源逆变器发生功率开关管短路故障及短路故障后逆变器工作状态理论分析基础上,建立三相开环Z源逆变器故障仿真模型。通过仿真实验获得短路故障状态下的输出侧交流电流信号数据,根据故障特征提出一种针对性的短路故障诊断方法直观的得到短路故障功率开关管出现的位置,并通过仿真验证该方法的可行性。     

基于信号特征的在线故障分析和智能诊断研究

研究开发基于电网故障信号特征自动生成电网故障诊断Petri网络的技术。通过在线获取调控一体系统的开关遥信变位、SOE信息、保护动作信号和微机保护软报文信息,对信号综合进行逻辑化、条理化、有效化分析,实现电网故障在线分析、辨识和智能诊断。     

铁道信号电子设备联锁故障自动检测器的嵌入式设计

针对嵌入式铁道信号设备联锁故障诊断方法检测效率低、诊断精度低等问题,提出一种铁道信号电子设备联锁故障自动检测器的嵌入式设计方法。首先,结合嵌入式设计方法,设计信号采集器完成铁道信号电子设备状态信号的采集,设计铁道信号联锁设备故障分类器,实现对嵌入式铁道信号电子设备联锁故障信号的自动提取;然后采用EMD-ICA算法实现对信号的预处理;最后,提取故障信号高维特征,配合嵌入式硬件,获得电子设备故障特征向量,完成故障自动检测。实验结果表明,基于嵌入式的铁道信号电子设备联锁故障自动检测器,可对信号进行有效去噪,且故障诊断准确率较高,平均故障诊断时间仅为2.30 s,应用效果较好。     

基于多元状态感知监测技术的快速灭弧开关故障在线监测

现有快速灭弧开关故障在线监测方法缺乏足够的数据积累,在大数量快速灭弧开关情况下存在着故障监测实时性差的缺陷,为此提出基于多元状态感知监测技术的快速灭弧开关故障在线监测方法研究;通过多元状态感知监测技术合理布置振动传感器,获取快速灭弧开关多元振动信号,利用小波变换方法降噪处理开关多元振动信号,以此为基础,提取灭弧开关多元振动信号特征因子;求取多元特征因子权重,得到灭弧开关融合特征向量,构建故障诊断模型,通过灭弧开关故障诊断实现了快速灭弧开关故障的在线监测;通过测试结果显示:与现有代表方法相比较,提出方法在大数量快速灭弧开关情况下,快速灭弧开关故障监测时间较短,具备更好的实时性,适合大力推广使用。     

基于改进迁移学习的行星齿轮箱故障自动诊断

传统机器学习故障诊断方法依赖专业经验选取统计特征,导致诊断结果误差较大。为此,提出了基于改进迁移学习的行星齿轮箱故障自动诊断。采集行星齿轮箱的振动信号,对振动信号进行去噪处理,利用深度学习改进迁移学习构建故障诊断模型,对采集信号进行分类识别,实现了行星齿轮箱故障自动诊断。结果表明,该设计方法下不同类型的行星齿轮箱故障诊断精度为96.09%,证实了该方法的性能良好。     

基于电量参数特征分析的逆变器开路故障诊断方法研究

针对传统基于电压信号分析的和基于电流信号分析的逆变器开路故障诊断方法存在的缺陷,提出了一种基于电量参数特征分析的逆变器开路故障诊断方法。综合分析电压信号特征与电流信号特征,进行故障诊断。利用电压信号特征进行故障相诊断,同时利用电流信号特征进行故障开关管定位。在保留基于电压信号的逆变器开路故障诊断方法的优越性的同时,进一步克服了基于电流信号的逆变器开路故障诊断方法的可靠性低的缺陷。最终,利用MATLAB/Simulink软件搭建仿真模型,验证该开路故障诊断方法的有效性。验证结果表明,该逆变器开路故障诊断方法能够有效地进行故障相诊断以及故障开关管定位,可以广泛应用于电力、电动汽车、核电、航天等行业,能够避免由于逆变器开路故障带来的损失,提高了行业安全性和可靠性。     

灰色关联分析确定特征权值的机电设备故障自动诊断

机电设备自动诊断能够及时检测设备潜在故障,判断机电设备整体与局部的异常性,对机电设备维护存在积极意义,为了更好的对机电设备故障进行自动诊断,提出灰色关联分析确定特征权值的机电设备故障自动诊断方法,首先对传统小波阈值去噪方法进行改进,采用软、硬阈值结合的方法去除机电设备监测信号中噪声,然后根据去噪后的机电设备监测数据,通过灰色关联分析确定特征权值,从而完成机电设备故障自动诊断.最后以具体柴油机作为故障诊断研究对象,进行了仿真对比测试,实验结果表示,该方法诊断结果和实际故障输出相同,诊断结果有效,而且抗干扰性与诊断精度高均优于对比方法,具有更高的应用价值.     

多型号电缆故障诊断的设计与实现

针对某武器系统故障诊断装置缺少电缆故障诊断功能的问题,通过对其内部电路板的改制实现电缆故障诊断;采用对电缆的某一芯加高电平信号,测量其它各芯是否有高电平信号的方法,来判断电缆是否存在短路或断路故障,并给出了具体的软件实现流程;使用多路输出选择器件,解决I/O口数量不足的问题;使用双向开关,实现与原诊断装置共用面板接口的问题;改进后的诊断装置能够快速、准确地诊断出不超过41芯的多种型号电缆的短路和断路故障,缩减了开发时间和研制费用。     

基于小波包分形的瓦斯传感器故障诊断方法

针对瓦斯传感器的故障诊断问题,提出一种基于小波包分形的瓦斯传感器故障诊断方法。使用3层小波包对故障信号进行分解和重构,获得不同频带的重构信号,计算各个重构信号的分形维度,并构成对应的故障特征向量。以此作为输入向量来训练支持向量机（SVM）,完成故障的诊断。实验结果表明：该方法能有效地提取传感器的故障特征,提高了传感器故障诊断的准确率,可有效地应用于瓦斯传感器的故障诊断。     

基于多传感器数据融合技术的电子设备故障诊断

针对电子装备故障诊断中单一类型故障特征量和诊断方法无法完成诊断任务,导致故障诊断率不高的问题,将多传感器数据融合技术应用于多注速调管发射机装备故障诊断。构建故障诊断模型,提出把故障诊断过程分为两个层次。首先,借助不同的神经网络实现多输入信号的函数变换的功能,获得各种故障基本概率分配值;然后,在决策层利用D-S证据理论的合成法则将各神经网络诊断结果融合起来统一判决,得到最终综合诊断结果,通过实例仿真,并与初步诊断结果进行比较,结果表明早期故障识别率大大提高。     

电动机转子匝间短路故障诊断方法设计

由于电动机转子匝间短路情形较复杂,使得电动机转子匝间的短路故障诊断受到干扰,为提升电动机转子匝间短路故障诊断效果,将重复脉冲法应用于匝间短路故障的诊断中,首先对匝间短路故障点进行定位,再运用重复脉冲法对匝间短路故障进行在线监测,以判断电动机转子匝间是否存在短路故障,至此完成诊断。最后,进行测试实验,并对得出的数据进行对比,可以得知,设计方法具有操作简单以及灵敏度高的优点,能够快速地检测出早期故障,避免故障继续发展。     

轮毂电机电动车电子踏板诊断算法实验研究

轮毂电机电动车由于采用线控驱动技术,因此其故障诊断是重要的安全问题,其中电子踏板的故障诊断关系到整车安全,是至关重要的技术问题;提出了一种应用于轮毂电机电动车电子踏板模块的故障诊断算法;该算法采用门限值与相关性联合诊断方法检测出踏板信号的故障,对故障容错处理后计算出正常的信号值;采用LabVIEW RT工具对所研究的故障诊断算法进行了实验验证;实验结果表明,该诊断算法能准确诊断电子踏板的短路和开路故障,输出正常的信号值,提高了轮毂电机电动车的安全性。     

基于深度卷积网络的多传感器信号故障诊断方法研究

针对传统故障诊断方法中多传感器数据融合技术难度大、特征提取困难等问题,提出了一种基于深度卷积网络的多传感器信号故障诊断方法,通过构建测量数据帧进行卷积计算实现多通道数据的自然融合,利用深度网络结构实现高层特征的自动提取和分类,从而高效地实现了故障分类诊断;经分别采用小规模数据集REF和大规模故障数据集BI02进行实验验证,均取得了较高的故障识别准确率,具有很强的工程应用价值。     

三相四开关有源电力滤波器故障诊断研究

为解决三相四开关有源电力滤波器系统中IGBT开路故障诊断问题,提出了一种基于电压检测的IGBT开路故障诊断方法。该方法只需采集一个线电压信号,再结合系统控制器已经检测出的电流和IGBT开关信号,便可快速准确地诊断出故障并能确定故障位置。该方法适用于单管和多管的开路故障诊断。仿真和实验结果验证了该方法的有效性和可靠性。     

中小型航空发动机转静子碰摩故障诊断的一种方法

提出了中小型航空发动机转静子碰摩故障诊断的一种新方法。该方法在转子系统弹性支承器的弹条上粘贴应变计,获取弹支工作过程中的动态应力信号,通过信号分析从弹支动态应力信号中提取故障特征,实现转子系统的碰摩故障诊断。实际应用表明,该方法能有效地诊断转子系统碰摩故障。     

基于MED和边际谱的自动倾斜器轴承故障诊断

针对直升机自动倾斜器轴承早期微弱故障特征易被强烈背景噪声淹没的问题，提出了一种基于最小熵反褶积（Minimum Entropy Deconvolution，MED）和边际谱的自动倾斜器轴承故障诊断方法。采用MED对采集的振动信号进行滤波降噪，提高了信号的信噪比，突出了轴承早期微弱故障特征；通过Hilbert变换和经验模态分解（Empirical Mode Decomposition，EMD）获取去噪包络信号的本征模态函数（Intrinsic Mode Functions，IMF）集，并引入峭度筛选准则选取合理IMF集计算局部Hilbert边际谱，有效地提取了故障特征频率，能够通过故障特征频率进行故障类型判别。通过某型直升机自动倾斜器故障诊断试验系统验证了该诊断方法的合理性和可行性。     

血流动力学检测装置转换器故障自动诊断方法

在医院血液科的护理中,需要实时进行血流动力学检测装置转换器故障分析,为了提高血流动力学检测装置转换器故障自动诊断能力,提出一种基于频谱特征分析的血流动力学检测装置转换器故障自动诊断方法。构建血流动力学检测装置转换器故障信号采集模型,对采集的血流动力学输出压力特征、脉动特征以血流冲量等特征量进行联合特征分析,结合关联谱分析方法进行血流动力学检测装置转换器故障信号各频率分量检测识别,实现血流动力学检测装置转换器故障信号的频谱特征分析,根据频谱差异性进行故障辨识和诊断。仿真结果表明,采用该方法进行血流动力学检测装置转换器故障诊断的准确性较高,自动化水平较好。     

基于Boosting RBF神经网络的滚动轴承故障诊断

提出了一种新颖的基于RBF神经网络滚动轴承故障诊断方法。以滚动轴承动态信号的能量信息作为特征,RBF神经网络作为分类器进行滚动轴承故障自动分类与诊断。为了进一步提高神经网络的泛化能力和故障诊断的准确性,采用Boosting方法,进行网络集成。对七类滚动轴承进行了实验,结果表明该方法具有很好的故障诊断效果。