共查询到17条相似文献,搜索用时 93 毫秒
1.
模糊函数图像在柴油机气阀故障诊断中的应用研究 总被引:5,自引:0,他引:5
计算了柴油机气阀机构8种状态下的缸盖表面振动信号的模糊函数,将结果在频偏时延相平面上用灰度图表示出来,得到了一系列模糊函数图像。选取一部分模糊函数图像进行平均,得到了各种状态的标准模糊函数图像,再根据图像之间的欧氏距离、相似度和J-散度等6种指标对模糊函数图像进行分类,从而将气阀机构的故障诊断转换为模糊函数图像的分类识别。试验结果表明,利用模糊函数图像可以取得很好的诊断结果,6种指标中欧氏距离和相似度两种指标的抗干扰能力比较强,更适合于作为模糊函数图像的分类指标。图像平均可以有效地提高故障诊断的正确率。 相似文献
2.
3.
4.
排气阀是柴油机的重要部件之一,其故障诊断一直受到研究者的关注,传统的学习机器在小样本学习时不具有良好的泛化能力,其现场效果与实验室精度差距较大。建立在统计学习理论基础之上的支持向量机具有和样本数相适应的最优泛化能力。利用支持向量机适合处理高维数据以及具有良好泛化能力的特点,建立了排气阀故障诊断模型,将排气阀振动信号经过小波包分解后提取的特征指标在小样本时进行支持向量机学习,通过不同核函数的支持向量机和其它智能方法准确率的比较证明:支持向量机较其它智能方法有较大的优越性;准确率对核函数有一定的敏感性;在常用的3种核函数中,线性核的诊断准确率达到了100%,是柴油机排气阀智能故障诊断支持向量机的最佳核函数。 相似文献
5.
6.
机组的振动水平是表征电厂稳定安全最重要的标志之一.本文利用支持向量机的智能方法对机组的轴系故障进行诊断,在小样本集上取得了100%的分类精度.在此基础上,还引入部分噪声数据,统计其分类性能,展示了支持向量机的容错能力.最后分析了支持向量机方法在轴系振动故障振动的优势和缺陷,引入模糊输出支持向量机进行了改进,给设备维修提供了更多的参考信息. 相似文献
7.
8.
9.
10.
针对船用柴油机气阀漏气故障的问题,提出一种结合遗传算法(genetic algorithm,GA)与支持向量机(support vector machine,SVM)的船舶柴油机气阀漏气振动诊断方法,称之为遗传算法优化支持向量机(GA-SVM)。通过分析静态与动态工况下的缸盖振动信号,提取训练SVM特征参数,利用GA-SVM的惩罚因子与核函数参数对故障进行识别。试验结果表明,GA-SVM方法完善了SVM参数选取方法,可有效识别柴油机气门漏气故障。优化后的整体故障诊断准确率为99.333%,相比于未优化前的测试集,故障诊断正确率提高了约2%。 相似文献
11.
基于粗糙集与支持向量机的发动机故障诊断研究 总被引:5,自引:0,他引:5
在提取发动机气门机构故障特征的基础上,提出了采用粗糙集和支持向量机相结合的故障诊断方法。首先,基于粗糙集理论对故障诊断决策表进行属性约简,然后在最优决策属性的基础上使用支持向量机分类器对故障进行分类。实际诊断结果验证了采用粗糙集与支持向量机相结合的方法对故障进行诊断的可行性与有效性。 相似文献
12.
融合技术在柴油机故障诊断中的应用 总被引:2,自引:0,他引:2
导致柴油机同一故障的各相关检测信号使其融合,应用在神经网络故障识别系统中,可以快速,准确地诊断柴油机.主主要融合气缸振动信号,喷油信号及水温信号,设计了通过撮以信号持征值,应用神经网络识别系统诊断柴油机功率下降故障的方法。信号特征值分别按各自信号的特点提取,其中气缸振动信号以振动信号的各子带功率谱为特征,即在频域中选取特征;喷油信号以信号波形形状识别为特征,即在时域中选取特下;水温信号因其为慢速变化信号,取不同阶段的水温信号为特征。 相似文献
13.
基于AR模型和K-L信息量的柴油机气阀机构故障诊断 总被引:1,自引:0,他引:1
通过模拟气阀机构的两种常见故障:气阀漏气和气阀间隙异常,采集柴油机缸盖表面的振动信号.提出了柴油机气阀机构的状态监测及故障诊断策略,采用FPE准则和Burg算法建立不同状态时振动信号的AR模型,利用K-L信息量对不同工作状态进行了有效识别.诊断结果表明该方法是可行的,便于实现柴油机气阀机构故障的在线实时监测与诊断. 相似文献
14.
15.
16.
17.