共查询到10条相似文献,搜索用时 31 毫秒
1.
基于振动时频域特征的气门间隙故障诊断 总被引:1,自引:0,他引:1
为了准确实现内燃机气门间隙异常的诊断,提出了基于频带能量特征向量时频域特征的气门间隙故障诊断方法。介绍了小波包改进算法原理及频段能量计算,并以S195四冲程柴油机为研究对象,测取气门间隙正常、进气门间隙异常和排气门间隙异常等不同工况下的缸盖振动加速度信号,并对其进行改进小波包分解处理,通过6~8 kHz高频带能量的故障阈值和分析信号时域内气门开启、关闭时刻对应的曲轴转角的变化确定进气门或排气门间隙异常,试验结果表明采用该方法诊断出各工况的故障与实际故障吻合。因此,通过小波包分解后各频带相对能量分布来诊断内燃机气门间隙故障是一种有效且可行的方法。 相似文献
2.
运用粗糙集与小波神经网络诊断往复泵故障 总被引:1,自引:0,他引:1
提出一种粗糙集理论与小波神经网络集成的往复泵故障诊断方法。首先利用小波包对采集信号进行分解和重构能量特征向量。然后应用SOM网络对故障诊断数据中的连续属性进行离散化,根据粗糙集理论,借助遗传算法进行故障诊断决策系统约简,获得最优决策系统。在最优决策系统的基础上,设计RBF神经网络对往复泵故障进行诊断。试验结果显示,该方法可以有效提高往复泵故障诊断的精度和效率。 相似文献
3.
4.
振动信号能够全面反应电潜柱塞泵的运行工况,在电潜柱塞泵的故障诊断中,针对不同工况下的振动信号进行分析尤为重要。提出了一种基于振动信号分析的电潜柱塞泵故障诊断方法,采用改进的隐层神经元数变动的神经网络系统,根据不同情况选择不同节点数,使其达到提高诊断精度及缩短诊断周期的双重要求。对电潜柱塞泵正常运行以及动子不平衡、动子机械磨损运行时的振动信号进行分析研究,利用小波包提取振动信号的能量特征,利用神经网络识别故障。现场试验结果表明,网络训练后实际输出达到允许误差范围,网络测试结果也能与实际状态相对应。该方法能够对电潜柱塞泵进行有效、准确的故障诊断。 相似文献
5.
基于小波包理论的往复泵故障特征提取研究 总被引:4,自引:3,他引:1
特征提取是往复泵状态监测及故障诊断的关键环节。小波包变换是时间频率的局部化分析,尤其适合于非平稳信号。应用小波包变换,将往复泵振动信号分解到8个不同的频带,对各频带内的信号进行统计分析,形成包含待诊断部件故障信息的频带能量值作为故障诊断的特征指标。实例中,将小波包变换应用于往复泵泵阀故障分析,提取到了弹簧断裂时的频带能量特征指标,为往复泵故障诊断奠定了可靠的基础。 相似文献
6.
7.
8.
9.
10.
实际工程中传统的以恒定转速和平稳信号为前提的故障诊断方法难以有效提取故障特征,为此,将深度学习中的残差网络(ResNet)与迁移学习中的领域对抗网络(DANN)相结合,提出一种深度迁移方法——残差对抗网络(RANN)。RANN采用滑窗取样策略从原始振动信号中截取故障样本,构建了包含特征提取器、故障分类器和领域判别器的残差对抗网络,采用3个工况下的滚动轴承数据,共开展6组迁移诊断试验。研究结果表明:RANN相比于标准DANN,特征提取及故障诊断效果均有所改善,平均准确率提升了约2.5百分点;该残差对抗网络通过特征提取器与领域判别器的对抗训练,可以自适应逐层提取对工况信息敏感度低的域不变特征;相比于单通道输入,采用双通道输入平均故障诊断准确率提升了约1.3百分点。所得结论可以为变工况机械设备的故障诊断提供参考。 相似文献