共查询到18条相似文献,搜索用时 91 毫秒
1.
2.
3.
旋转机械振动信号具有较强的非线性、非平稳性的特点,互补集合经验模态分解(CEEMD)克服了传统EEMD的缺陷,提供了对信号从粗到精不同尺度的刻画。针对不同尺度对故障特性描述的差异,提出一种基于多尺度加权CEEMD的一维卷积神经网络(1DCNN)故障诊断方法。利用互补集合经验模态将振动信号分解成一系列本征模态函数(IMFs),然后求取各个IMF分量的峭度值,计算各分量峭度所占权重,根据各个分量权重值对信号进行重构。将数据样本划分为训练集、验证集和测试集,将训练集输入到一维卷积神经网络中学习更新网络参数,然后用验证集进行验证得到最优诊断模型,最后利用测试集对诊断模型进行测试。通过电机轴承数据集和齿轮箱数据集两组实验进行了模型验证,诊断精度分别为99.98%和99.73%,表明所提方法能够快速准确地诊断出不同故障类型,并且具有较高的故障诊断准确率和鲁棒性。 相似文献
4.
5.
6.
7.
针对变频环境下异步电机故障时定子电流信号非平稳的问题,提出一种互补集合经验模态分解(CEEMD)与卷积神经网络(CNN)结合的异步电机故障诊断方法。首先通过ANSYS对变频环境下电机建模获得仿真电流数据,利用CEEMD将电机定子电流信号分解为一系列本征模态函数(IMF);其次通过计算排列熵和样本熵,选取复杂程度小的IMF分量并计算其平均值来提取出故障特征;接着将特征数据集输入卷积神经网络(CNN)进行训练和验证;最后搭建实验平台收集电流信号,对信号进行滤波和CEEMD分解重构,放入CNN训练好的模型进行测试,识别率达95.56%。证明了该方法是一种可行的异步电机故障诊断方法,可实现对异步电机正常、转子断条和气隙偏心状态的准确识别。 相似文献
8.
9.
10.
针对旋转机械故障率偏高,而人工参与故障诊断工作量大、效率偏低等问题,提出一种基于云模型与LSTM算法的旋转机械故障诊断方法。采用实验台采集振动故障原始数据,统一进行EEMD数据预处理,利用云模型进行故障特征数据提取,输入LSTM神经网络模型进行故障诊断。通过云模型和能量法进行特征提取,分别输入支持向量机和LSTM神经网络模型进行诊断结果对比。结果表明:云模型与LSTM算法的故障诊断准确率最高,达到98.75%,证明该方法能够有效应用在旋转机械故障诊断中。 相似文献
11.
基于瞬时频率的旋转机械故障诊断 总被引:1,自引:0,他引:1
基于瞬时频率的物理意义,通过单分量和多分量信号瞬时频率的仿真对比分析,提出一种应用EMD-HHT(Empirical Mode Decomposition& Hilbert-Huang Transformation,EMD-HHT)获取瞬时频率的方法.将EMD-HHT用于实测的旋转机械振动信号处理,利用获取的瞬时频率和Hilbert边缘谱作为故障特征对旋转机械进行故障诊断.试验结果表明,瞬时频率特征较好地描述了相应故障类型,在旋转机械故障诊断领域具有很好的应用前景. 相似文献
12.
13.
14.
15.
基于设备组态的旋转机械故障诊断专家系统的研究与实现 总被引:2,自引:1,他引:1
根据旋转机械设备种类的多样性及专家系统诊断对象范围窄的特点,研究了基于设备组态的多征兆模糊产生式规则的诊断知识表示和以关系数据库为基础的知识库的建立与维护机制,开发了基于设备组态的旋转机械故障诊断专家系统.系统在满足知识表示和推理模型的有效性和实用性要求下,具有构造简单、推理效率高等优点,有效地提高了旋转机械故障诊断专家系统的适应性和通用性. 相似文献
16.
17.
针对石化装置旋转机械故障特征之间呈现模糊性和耦合性导致故障类型识别难的问题,提出基于高价值小样本的石化装置旋转机械故障诊断NN模型.依据故障特征拟合情况,提取高价值小样本故障特征;运用高价值小样本故障特征建立高效的NN模型,利用梯度搜索技术,使网络的实际输出值和期望输出值的误差最小,达到最佳分类效果.研究结果表明:高价值小样本故障特征的训练数据与测试数据具有高度的一致性,故障类型识别的准确率达到98.3%.该方法应用于石化大机组旋转机械表明方法简单有效,高价值小样本特征提取准确,故障识别能力强,可为石化大机组及其他大型设备旋转机械故障诊断提供指导. 相似文献
18.
基于转子动力学理论,结合全矢谱分析技术,提出了全矢力谱技术,以进一步满足利用全矢谱技术对机组运行状态中的高频分量信息进行更直观、有效描述的目的,从而为机组高频故障的早期捕捉提供了有效的手段。进行理论推导并对其有效性进行平面和空间域两个方面的试验验证,结果表明:全矢力谱不仅可保持振动位移信号的优越特性,而且对机组高频动力特性的变化反映更为敏感,诊断故障的同时有效地避免高次谐波共振重大危害事故的发生,同时对以后研究转子多重(或耦合)故障提供了重要的分析依据。 相似文献