共查询到20条相似文献,搜索用时 734 毫秒
1.
2.
3.
小波变换具有良好的时-频特性,因此可以有效地用于电气设备故障诊断。在对电气设备进行故障分析、诊断过程中,利用小波变换进行故障信号的故障时刻检测具有重要意义。小波变换用于电气设备故障诊断就是对电气设备各种电磁、机械等信号进行实时监测控制,判断其状态,以便在故障初期或故障时刻发出警报,并随时进行处理,排除故障。对信号进行特征提取,是故障诊断的关键。突变信号往往表明电气设备发生了某类故障,如果能对突变信号进行有效识别,就可以进行故障诊断、故障分析,从而排除故障。分析了电气设备故障的奇异性,通过仿真得出小波变换用于电气设备故障诊断的方法,以准确检测奇异点,确定故障时刻。 相似文献
4.
5.
6.
基于复合信号处理的滚动轴承早期微故障诊断研究 总被引:1,自引:0,他引:1
针对滚动轴承早期故障的微弱信号检测问题,将小波包、谱峭度和包络分析三者相结合,提出一种新的故障诊断方法,该方法首先通过小波包降噪提取原始含噪信号中的高频成分并提高信噪比,然后对降噪后的重构信号应用谱峭度理论来确定合适的带通滤波参数,最后对带通滤信号进行包络解调而得出故障特征频率信号,从而实现滚动轴承的早期微弱故障诊断。对基于小波包和谱峭度的故障诊断法在滚动轴承故障诊断中的应用进行了研究,实验结果表明该方法可以有效抑制背景噪声,提取有用故障信息,为滚动轴承的故障诊断提供了一种切实可行的方法。 相似文献
7.
8.
基于小波包特征向量与神经网络的滚动轴承故障诊断 总被引:1,自引:0,他引:1
基于故障轴承的特征提取,提出了将小波包分析与神经网络结合的滚动轴承故障诊断方法.对滚动轴承信号进行3层小波包分解,构造小波包特征向量作为故障样本,用训练好的BP神经网络进行故障诊断,试验结果表明,该方法能够有效地诊断出滚动轴承的故障类型. 相似文献
9.
10.
11.
12.
针对新产品因故障概率数据掌握不充分使其故障诊断较为困难的问题,提出了一种基于加权D—S证据理论多源信息融合的故障诊断方法。该方法采用D-S证据融合,解决了缺乏故障概率分布模型或准确数学分析无效的问题,引入加权Ds证据理论融合方法进行故障诊断,用历史故障估计的正确率作为确定信息源当前检测估计值的置信程度调整,实现了故障诊断的历史数据对当前诊断结果的修正。对新型船舶气象仪故障诊断结果表明,该方法在故障概率和故障经验知识掌握不充分时,实现故障诊断是非常有效的。 相似文献
13.
在分析汽轮发电机密封油系统故障特点的基础上,提出了用贝叶斯理论进行故障诊断的方法,给出了求解故障诊断的数学表达式,充分利用样本的先验信息,建立了贝叶斯网络的推理方法,结合Leaky Noisy-OR模型来降低数据需求量,提高了诊断速度和效率。验证了该方法的有效性,实现了故障的前期预报和故障原因的快速诊断。 相似文献
14.
小型反应堆具有结构紧凑和多用途的特点,受到了国际社会越来越多的关注。传统的基于信号阈值的故障诊断方法越来越无法满足精确性和高效性的要求。本文利用RELAP5软件模拟了小型压水堆不同功率水平下的反应堆稳态,蒸汽发生器传热管破裂事故(SGTR)以及冷却剂丧失事故(LOCA),生成了故障诊断所需的样本集。建立了基于PCA-RBF神经网络的故障诊断模型,对不同故障类型、位置和故障程度进行了准确的诊断。最终通过和BP神经网络对比,验证了本文所建立的基于PCA-RBF神经网络的故障诊断模型具有更快的训练速度和诊断精度。 相似文献
15.
采用粗糙集理论来进行装载机故障知识的获取,给出了装载机诊断推理的策略和流程。该方法提高了诊断系统的容错性,为在不完备信息下的装载机故障诊断提供了一种新的思路。实例诊断结果证明了该方法的有效性。 相似文献
16.
针对柴油机配气机构故障诊断问题,提出了一种基于Wigner分布和差分分形盒维数的故障诊断方法。首先,利用改进局部均值分解算法对柴油机缸盖振动信号进行分解,并采用相关性分析剔除噪声和伪分量;然后,分别对各相关分量进行Wigner时频分析,将结果线性叠加得到振动时频图,再提取图像的差分分形盒维数作为故障特征;最后,利用k-最近邻(k-NN)实现故障诊断。仿真结果表明,改进局部均值分解算法可以抑制Wigner分布交叉项的干扰。实验结果显示,差分分形盒维数优于其他6种典型故障特征,利用本研究提出的方法对配气机构进行故障诊断的正确率为97.2%,该方法可以用于柴油机配气机构故障诊断。 相似文献
17.
针对目前用于故障诊断领域的机器学习方法尚不能够充分挖掘数据中隐含故障特征信息,存在逼近精度不足的问题,提出一种基于XGBoost算法的隐含特征信息提取方法。根据故障数据与故障类型自定义XGBoost算法的损失函数,迭代构建故障分裂树;提取样本在故障树中的叶子节点位置索引向量并进行特征编码重构,得到隐含故障信息的智能化表征;基于该表征矩阵,使用SVM等机器学习算法建立故障诊断模型,实现多故障模式的识别诊断;最后,以某驱动器的故障诊断为例对方法进行了验证,结果表明:与原始特征下的故障诊断模型相比,基于XGBoost算法提取隐含特征下的诊断模型准确度更高,鲁棒性更好,同时能给出特征变量的重要性排序。 相似文献
18.
吴德会 《振动、测试与诊断》2008,28(4)
提出了一种基于多分类支持向量机(简称MSVM)的齿轮箱故障诊断方法。先根据齿轮箱故障机理和振动特点,探讨了齿轮箱故障诊断试验方案。再测取齿轮箱振动信号,并提取了能反映齿轮箱运转信息的时频域特征参数。通过结合投票法和决策树的基本思想,有针对性地构造了多分类支持向量机决策结构并将其应用于齿轮箱故障诊断。实际齿轮箱故障诊断试验结果表明,该决策结构较好地解决了小样本学习问题,避免了人工神经网络进行诊断时出现的过学习、收敛速度慢、泛化能力弱等缺点,能有效应用于齿轮箱故障诊断。 相似文献
19.
在全面分析盾构液压系统常见故障的基础上,针对施工现场所采用的简单故障诊断方法的不足,依据液压系统故障检测诊断技术的发展趋势,并结合已有的成熟技术,提出了一套盾构液压系统故障智能诊断系统.以螺旋输送机后闸门液压系统故障为例,进行了应用说明,能够为盾构施工现场的液压系统故障诊断提供指导. 相似文献
20.
为了提高电动汽车故障诊断的准确性,提出了一种基于改进粒子群(Improved Particle Swarm Optimization,IPSO)算法优化概率神经网络(Probabilistic Neural Network,PNN)的电动汽车故障诊断方法,即基于IPSO-PNN的电动汽车故障诊断方法。首先,研究了基于PNN的电动汽车故障诊断模型,分析了PNN的平滑因子对该模型诊断准确率的影响;其次,在粒子群(Particle Swarm Optimization,PSO)算法中引入频率粒子群和采用动态惯性权重,改善PSO算法的全局和局部寻优能力,利用IPSO算法优化基于PNN的电动汽车故障诊断模型的平滑因子,以改善模型的分类能力;最后进行仿真与分析。仿真结果表明:相较于基于PSO-PNN的电动汽车故障诊断方法,基于IPSO-PNN的电动汽车故障诊断方法具有更高的诊断准确率和诊断速度。 相似文献