基于信息融合的模拟电路故障的特征提取与融合方法

在模拟电路故障诊断中,故障特征的提取是一个非常重要的环节,其提取结果的好坏将直接影响最终的诊断正确率;对现有文献研究发现,每种特征提取方法单独使用时都有一定的局限性,为了能够更加充分地提取模拟电路故障特征,提出了小波包分析与主元分析并行应用的方法,并将两种方法提取的特征向量依据不同规则进行了三种类型的融合,方便对比实验;为获取最优小波特征,提出了特征偏离度,并以此为标准选择最优小波基;最后,通过设计一种改进的神经网络分类器模型,将融合后的三种特征向量送入其中进行仿真验证,得出最终诊断结果;结果表明,该方法能够有效克服单一特征提取方法提取不充分的缺点,提高故障诊断的正确率,并且融合因子μ适中时诊断正确率最高。     

输电线路避雷器全生命周期状态在线监测方法

为降低因避雷器导致的电力事故发生概率、保证输电线路安全平稳地运行,以全生命周期为切入点,提出避雷器状态在线监测方法。针对氧化锌材质避雷器,分析设备全生命周期中各个阶段状态情况。然后针对泄漏电流与加载电压模拟信号实施快速傅里叶离散化处理,将信号从时域转换成频域,并获取阻性电流基波分量与奇次谐波分量,从而实现对避雷器状态在线监测。仿真实验环节主要检测监测免疫性,经电磁波干扰与表面温度等试验环节,验证该方法能够有效抑制电磁波与正常设备表面温度的负面影响,且实时性较好。     

矿用电动机振动信号早期故障特征提取方法

针对现有矿用电动机振动信号故障特征提取方法存在依赖参数设置、频率混叠、信号失真等问题,提出了一种基于双树复小波变换的矿用电动机振动信号早期故障特征提取方法。利用双树复小波变换对采集的矿用电动机振动信号进行分解,得到各层双树复小波系数,并采用软阈值滤波对各层双树复小波系数进行滤波处理,滤波处理后的双树复小波系数经双树复小波变换重构获得去噪信号。应用结果表明,该方法能有效去除电动机振动信号中噪声,提取的早期故障特征能很好地反映电动机实际运行工况,为电动机早期故障诊断提供了有效依据。     

转子系统早期碰摩故障特征提取方法研究

航空发动机转子系统是发动机的核心部件,针对发动机转子系统早期碰摩故障难以检测的特点,通过对碰摩机理分析及早期故障特征的研究,提出了基于小波变换对原始信号降噪和虚拟仪器对转子系统振动数据采集相结合的方法,对转子系统早期碰摩故障特征进行提取,并在转子试验台上进行了实验验证。结果表明,采用LabVIEW程序采集转子系统振动数据并存储,然后应用小波变换进行数据分析和处理,能够对转子早期碰摩故障特征进行有效地提取。     

小波分析在故障监测及诊断中的应用

简要分析了小波变换的二尺度特性,对小波变换模极大值表征信号奇异性的原理进行了讨论,并给出了它在故障监测及诊断中应用的实现方法和实验结果。     

风电机组轴承早期故障特征提取研究

针对风电机组滚动轴承早期故障振动信号微弱、强干扰、非平稳、非线性的特点,提出基于自适应噪声完整集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)-排列熵(Permutation Entropy,PE)-遗传算法(Genetic Algorithm, GA)的特征提取方法。方法先计算振动信号经CEEMDAN分解得到多个本征模态函数(Intrinsic Mode Function,IMF)的排列熵值和方差贡献率,剔除虚假、低贡献率分量;根据识别误差最小和特征子集数目最少两个目标,构造了适应度函数,通过GA进行特征选择选出最优特征子集。仿真分析,上述方法能够快速有效提取不同故障的振动信号特征指标,为故障模式识别问題提供良好的思路和方法。     

基于S-RNPAE算法的间歇过程早期故障监测

针对具有多变量、非线性和高维度特点的间歇过程数据使得早期故障信号易被噪声干扰且故障幅值低导致故障监测效果不佳的问题,提出一种基于堆叠鲁棒邻域保持自编码(stack-robust neighborhood preserving autoencoder,S-RNPAE)的间歇过程早期故障监测方法.首先,通过$L_{2,1     

基于先锋光纤通道交换网的故障监测与诊断的研究与设计

基于先锋网的天气预报系统对先锋网的可靠性和可管理性提出了要求。分析了先锋网的原理后,我们设计了先锋网故障监测与诊断子系统,并在分析了SNMP下目前故障诊断方法的基础上,提出了主动式的根据各硬件设备的关系收集信息来确定故障源的诊断算法;系统采用以太网与光纤网双型网络,能依据设备之间的关系,经过主动的测试、推断和排除来确定故障的位置,具有很高的智能性,特别是当光纤通路出现故障时,系统还能利用第二条通路进行详细的诊断;系统采用的诊断算法能够根据各部分间的关系对可能出现故障的部分进行主动测试,收集需要的测试信息,从而确定故障源。     

基于LVQ网络的航空发动机气路故障特征提取方法研究

针对航空发动机预测与健康管理系统对其状态判断和故障诊断的需求,结合LVQ网络具有处理分类问题时能够识别信息内含有的重要聚类特征信息的优点,提出了基于LVQ神经网络的航空发动机故障特征提取方法。分析研究了LVQ神经网络的结构和学习算法,以及某型航空发动机的测量参数、数据预处理和故障样本选取方法。并以其设计点为例进行了系统仿真。通过与BP网络的分类器对比试验,表明了该算法的可行性和有效性。     

设备故障诊断技术的现状及其发展

综述了设备诊断技术的理论与工程应用的发展现状，介绍了常用的几种诊断方法，阐述了信号处理和智能系统的发展动向。     

基于小波变换的泄露故障特征提取研究

为研究液压系统管路泄漏对压力脉动信号的影响,提出利用改进的小波消噪算法和小波包对压力脉动信号进行消噪和特征提取;针对传统小波变换阈值函数在去噪处理中存在的恒定偏差、不连续等缺点,提出一种改进阈值函数和新阈值相结合的新方法,将该方法与平移不变量方法相结合,避免了传统小波变换去噪时在不连续点存在的Pseudo-Gibbs现象;通过利用改进小波消噪方法和小波包对FESTO试验系统采集的正常和故障压力脉动信号进行分析比较,研究结果表明,不同工况下压力脉动信号3个主要能量频带的分布特性,可以作为泄露检测和识别的故障特征。     

一种基于状态图的网格用户全生命周期管理模型的研究

以网格用户管理的用户状态与活动为研究内容,首先介绍了用户状态与活动在用户管理层次结构中的位置和作用,提出了一种基于元状态和子状态的用户状态图,给出了每个元状态的分类和定义,同时研究了每类元状态对应的子状态的定义与元素构成以及与元状态的关系;在状态定义的基础上,研究并定义了用户活动即转换动作,给出了网格用户的状态转换图。最后介绍了该模型在高性能计算环境Portal中的应用。     

故障特征提取的方法研究

针对常规特征提取方法存在着问题不足,提出了基于BP神经网络和基于互信息熵的特征提取方法,并通过特征提取实例加以说明。结果表明这两种方法是可行和有效的。     

轴承早期故障特征提取方法研究

针对滚动轴承早期故障信号被背景噪声淹没、故障特征不明显的问题,提出一种基于小波包分解和互补集合经验模态分解(CEEMD)的轴承早期故障信号特征提取方法.利用Matlab软件对采集到的轴承振动信号进行快速谱峭度分析,根据峭度最大化原则确定带通滤波器的中心频率和带宽,设计带通滤波器;对经过带通滤波器滤波后的信号进行小波包分解和CEEMD分解,根据峭度、相关系数筛选出有效本征模态函数(IMF)分量;利用IMF分量重构小波包信号,对重构小波包信号进行包络谱分析,提取轴承早期故障信号特征频率.该方法通过谱峭度分析降低背景噪声干扰,通过小波包分解增强故障冲击信号,并将CEEMD与小波包分解相结合,解决经典EMD分解存在的模态混叠、无效分量问题.仿真结果表明,相较于传统包络解调算法,重构后信号的背景噪声得到抑制,故障特征分量突出,验证了所提方法的可行性和有效性.     

基于Internet的可控监测与诊断技术在机械振动上的应用

对现代设备进行可控监测并实施故障诊断,是现代化生产及制造设备自动化、集成化发展的需要.     

基于Web的全生命周期设备管理系统*

基于全生命周期的思想,从设备的企业计划、采购、使用到最终的报废四个方面构建了基于Web的全生命周期设备管理系统;在该系统中通过严格规范的编码方法对设备做到惟一的追踪,实现设备全生命周期中信息的一致性、全面性和可追溯性;介绍了供应商的选择以及通过各类统计报表,追踪并及时反馈企业资金的流向以及利用程度.     

往复泵泵阀的状态监测及智能故障诊断综述

往复泵泵阀的状态监测和故障诊断的两个关键问题是有效提取往复泵运行过程中非平稳时变的系统特征信号中的故障特征信息和准确判别泵阀的故障类型并分析其故障原因。本文从故障诊断疗法的角度，提出了利用基于信号处理的方法来提取泵阀的故障特征信息以实现其状态监测以及利用基于知识的方法(尤其是智能故障诊断技术)对泵阀进行智能故障诊断，并评述了每一种方法的具体实现问题     

面向全流域和全生命周期的监测设施设备编码体系研究

随着大坝安全流域化、专业化、全生命周期管理需求日益突出,对监测设备设施的数字化、专业化、智能化管理要求也日渐提高,但目前我国在大坝安全监测行业尚无统一的可满足当前需求的监测设备编码体系。本文在总结当前监测设备编码规则的基础上,提出了基于全流域及全生命周期管理的编码体系框架,阐述了由位置码段及身份码段组成的监测设备编码规则,其中位置码段由电站标识码、部位标识码及设备标识码三部分组成,身份码由大坝安全监测信息系统生产唯一的身份标识。该编码体系可实现监测设施设备的准确定位与辨认,方便设备分类管理与查询,实现设备管理信息化的目的。同时也便于设备的运行状况、检修状况、历史状况等信息查询与管理,实现缺陷管理、设备自动化管理及全生命周期管理。     

基于ICA和小波变换的轴承故障特征提取

应用独立分量分析方法和小波变换分离轴承的振动信号，提取其状态特征。并对信号进行自相关预处理，突出信号的非高斯成分，较好地满足独立分量分析的前提条件，即源信号统计独立。采用基于负熵的快速独立分量分析（ICA）算法，成功地分离出了信号的一些独立成分。对ICA处理后的分量信号进行小波变换，完成信号检测，消噪，频带分析，以获取故障信号特征，确定故障的位置和强度。研究结果表明，独立分量分析方法和小波变换能提取明显的轴承故障信号特征。     

基于ZB418的全状态监测系统设计

设计了一种基于ZB418的全状态监测系统,该系统主要由数据采集部分和数据分析部分组成,其中数据采集部分主要采集振动、气路、变频器、能耗、伺服、油路等数据,数据分析部分对采集到的数据进行分析,并给出预警,指导烟厂维修人员对烟机设备进行维修保养。