小波分析和神经网络技术在故障诊断中的应用

介绍了智能诊断技术、小波分析技术及神经网络技术，阐述了小波与神经网络相结合的两种方式——松散型小波神经网络和紧致型小波神经网络。在此基础上，以松散型小波神经网络对刀具故障的在线监测为例，说明了小波分析和神经网络技术对刀具故障进行在线监测，故障预报正确率为87.7％。     

矿井主通风机在线监测与故障诊断系统

文中以矿井主通风机为对象,对其常见故障类型、表现特征进行了研究和分析,确定了可反映风机运行状态和性能的主要监测参数.构建了以计算机为核心的硬件平台,设计开发了相应的监测和故障诊断程序,实现了通风机的重要参数的实时监测和常见故障诊断.故障诊断采用了以通风机的振动信号为诊断依据,利用小波包分解技术从不同频带中提取故障特征信息,作为BP网络的故障样本,建立故障智能诊断系统的方法.该研究对提高矿井通风机运行的安全性和故障诊断的准确性,保证煤矿安全高效生产具有重要的现实意义.     

采用小波神经网络的刀具故障诊断

为了有效的进行刀具状态监测，采用小波神经网络的松散型结合对刀具进行故障诊断。通过小波变换提取刀具磨损声发射（AE）信号的特征．即对AE信号进行小波分解，提取了5个频段的均方根值作为神经网络的输入，来识别刀具磨损状态。试验表明，均方根值完全可以作为刀具磨损过程中产生AE信号的特征向量。仿真结果表明，基于小波神经网络的刀具故障诊断对刀具磨损状态的识别效率高．该方法是有效的。     

基于小波分析与BP神经网络的机车牵引电机故障诊断

本文对机车牵引电动机的振动信号通过振动传感器传输至MATLAB小波包分析软件,小波包去噪处理分离出噪声信号保留有用信号,进行能量谱分解。不同特征频率的能量百分比进行归一化处理,作为改进BP神经网络样本输入数据进行训练,得到牵引电机故障诊断模型,输入样本测试数据故障诊断,测试结果显示,该模型能够有效诊断牵引电机所发生的故障。     

滚动轴承在线监测与故障诊断系统

介绍一种适用于滚动轴承在线工况监测与故障诊断专家系统的设计及实现方法。着重讨论知识库的建造和动态数据库的建立。附图 3幅 ,参考文献 4篇     

输油泵在线监测与故障诊断系统

介绍了一套输油泵在线监测与故障诊断系统的研究思路及其主要研究成果。针对输油泵特点,详细论证了该系统所采用的技术方法和构架组成,构建了智能数据采集模块、监测预报模块、信号分析模块和故障自动诊断模块等。该系统已成功应用于石油输油泵在线监测与故障诊断中,并取得了初步成果。实践证明,该系统能有效地提高输油泵的监测效率和管理水平。     

柴油机在线监测与故障诊断系统

基于多传感器融合诊断的优点，并结合某军舰柴油机的实际情况研制并开发了船舶柴油机在线监测与故障诊断系统，文中首先介绍了系统的构成，论述了信号采集系统的采集原理和软件系统的体系结构以及各子系统的功能，并对子系统间的并发性问题进行了讨论，最后给出了系统应用的实例。     

基于遗传小波神经网络的双余度电机故障诊断

针对传统的BP神经网络在双余度无刷直流电机故障诊断算法中存在收敛速度慢和容易陷入局部最小的缺点,在对无刷直流电机常见故障深入分析的基础上,着重研究5种故障特性,提出1种故障诊断新方法.有针对性地根据统计学方法提取电机运行数据作为故障征兆.采用3层小波神经网络构成前向网络结构.针对传统误差反向传播(BP)算法选择参数和网络拓扑结构依据的不足,用遗传算法作为网络的样本学习算法,采用染色体编码对小渡基函数主要参数和网络结构参数进行优化.通过仿真试验和在微小型水下航行器上的应用表明,该算法具备较好的故障识别能力.     

分布式在线监测与故障诊断网络系统的设计与实现

研究和开发了基于网络的分布式在线监测和故障诊断系统，详细介绍了系统的总体结构、工作原理和关键技术。实践表明该系统具有较高的实用价值和应用前景。     

基于小波神经网络的车辆发动机故障诊断

为有效诊断车辆发动机的柴油系统故障,本文将小波变换与BP神经网络相结合,用小波变换来抽取故障的特征向量,以此作为BP神经网络的输入参数,从而构建了小波神经网络。该方法依据小波变换模极大值来研究油管中柴油压力信号的奇异性来抽取故障特征向量,首先利用故障采集数据来获得学习样本,然后根据网络训练来构建起BP神经网络输出与输入间的非线性映射,从而依据特征向量输入进BP神经网络进行诊断故障。通过实验我们发现该方法有较好的的诊断效果。     

改进的小波神经网络在异步电机故障诊断中的应用

根据异步电机的复杂故障特点,结合小波变换技术,提出了一种改进的小波神经网络用于异步电机的故障诊断。利用小波变换技术提取异步电机特征信号作为小波神经网络的输入向量,并对小波神经网络算法进行优化,提出了动量系数和学习率自适应调整的小波神经网络算法,给出了动量系数和学习率的调整方法。通过实际测试数据的诊断结果说明该方法的有效性和可行性,具有诊断准确率高、收敛速度快、泛化能力强等优点。     

压缩机的在线监测及故障诊断技术

文章分析了当前的在线监测系统及其软件设计情况,并对压缩机监测系统的设计和软件设计作了重点介绍.文章介绍了一种基于PXI总线和LabV IEW的多功能、监测多状态参量的压缩机实时在线监测系统.初步实现了设备的预测维修,保证了压缩机安全、可靠地运行,提高了设备的使用效率和现代化管理水平.     

基于小波神经网络的模拟电路故障诊断

本文对模拟电路提出了一种基于小波神经网络的故障诊断方法。该法利用小波空间中函数的多分辨率分解思想，构造了一种激励函数为具有紧支撑集的尺度函数和小波函数的小波神经网络。这种小波神经网络隐层节点数的选取有理论根据，解决了传统神经网络隐层节点数难以确定的问题。分别用本文提出的小波神经网络和传统BP网络对实例电路进行故障诊断，结果发现，小波网络比传统BP网络方法不仅学习收敛速度快，而且有效地避免了局部最小值问题。     

基于BP神经网络的电气系统故障诊断

神经网络是在现代生物神经系统研究的基础上建立的一种网络结构，它以其信息的并行分布式处理、联想记忆、自组织及自学习能力在设备故障诊断中显示了极大的应用潜力。     

基于小波包与改进BP神经网络的齿轮故障诊断

对齿轮振动信号应用小波包分解提取故障特征向量,并以此作为改进BP神经网络的输入,对神经网络进行训练,建立齿轮运行状态分类器,用以诊断齿轮的运行状态。结果表明,该方法对齿轮故障诊断十分有效。     

基于小波包变换与神经网络的齿轮故障诊断方法

对齿轮箱故障诊断问题进行研究,由于齿轮的振动信号是非平稳信号,常规的齿轮特征提取方法难以从振动信号中提取有效故障特征信息。笔者采用小波包理论对齿轮振动信号应用db12小波进行多层分解后,从而对信号进行消噪,并对消噪后的信号进行小波包3层分解及系数重构,再次对各频段能量进行处理分析从而得到特征向量。最终应用归一化方法对特征向量处理后再结合RBF神经网络进行故障诊断,并且取得了良好的诊断效果。     

基于小波包和SOM神经网络的齿轮故障诊断仿真研究

鉴于齿轮振动信号非平稳的特征,提出用小波包分析和SOM神经网络相结合的新诊断方法。首先运用虚拟样机技术建立齿轮模型,模拟出各种故障,并提取出振动信号;然后用小波包分析提取能量特征,再用SOM网络对数据进行分类得到各种故障类型的标准样本,最后通过用待检测样本与标准样本进行对比分析得出诊断结果。仿真结果表明该方法对齿轮的故障诊断十分有效,对其他旋转机械的故障诊断和维修保养具有指导意义。     

基于神经网络的塔式起重机电气设备故障诊断系统

为了提高塔式起重机的故障检测效率,将BP神经网络故障诊断应用于起重机电气设备的故障诊断中。该系统一方面可根据新的故障样本自动学习、训练和更新故障知识,形成新的故障诊断规则并添加到专家系统知识库中。另一方面,直接调用神经网络诊断模块实现故障诊断,根据故障现象诊断故障原因,为维修提供指导。     

遗传神经网络法在装载机故障诊断中的应用

在装载机故障诊断系统中,针对BP算法存在收敛速度慢,容易陷入局部极小值的问题,设计用遗传算法的复制、交换、变异过程代替BP网络的反向传播过程的改进算法.以装载机常用故障为例,应用提出的遗传神经网络算法对其进行故障诊断分析,从而证明该算法的有效性.