基于人工免疫的旋转机械故障诊断研究

介绍了人工免疫在旋转机械故障诊断中研究现状和国内外一些研究成果以及人工免疫系统的仿生机理,为故障诊断提供了新思路和方法,给出了人工免疫在旋转机械故障诊断中的应用模型和算法,对并发故障作了探索,提出现阶段存在的问题和对未来的展望。     

旋转机械模糊故障诊断方法研究

以模糊诊断原理为基础,提出了一种旋转机械故障诊断系统,利用模糊隶属度原则,确定模糊待检规则集与模糊故障标准规则集之间的距离,以实现对各类旋转机械典型故障的准确分离和正确诊断,实验证明该系统具有良好的性能。     

基于BP神经网络的旋转机械故障诊断

BP神经网络具有优良的非线性映射能力,可以很好地描述频率特征和诊断结果之间的关系。建立了基于BP神经网络的旋转机械故障诊断模型,并用此模型对旋转机械的故障进行了诊断,实验证明基于BP网络的旋转机械故障诊断方法具有较高的使用价值。     

基于HHT的旋转机械转子振动故障诊断的方法研究

旋转机械运转时会产生振动。对振动情况的分析能够把握机械的运转情况。振动信号处理是对旋转机械振动信号分析的重要手段。希尔伯特黄变换越来越得到人们的重视。该方法是一种时频分析方法。相对于其他方法,该方法能够更好地处理非线性非平稳信号,具有较高的时域分辨率和频域分辨率。将该方法应用于旋转机械的故障诊断中,并与其他方法做对比。     

基于虚拟仪器和神经网络算法的旋转机械故障诊断系统设计

设计一种基于虚拟仪器和神经网络算法的旋转机械故障诊断系统。介绍了系统的结构、工作原理、硬件电路及软件设计流程。利用LabVIEW软件作为平台,对转子振动信号进行提取和分析,采用了BP神经网络的方法,对其故障进行分析和诊断,实际应用表明,该系统具有安装使用方便、抗干扰能力强、可靠性高等特点。     

基于人工蜂群算法优化VMD的旋转机械故障诊断方法

旋转机械在运行复杂环境下振动信号复杂且有许多噪声,难以有效提取故障特征并准确诊断,为此提出一种人工蜂群优化变分模态分解(VMD)的机械故障诊断方法。首先采用人工蜂群算法优化VMD的参数,对振动信号进行变分模态分解,获得相应的本征模态函数分量;然后对各模态分量信号计算多尺度熵,构造故障特征向量;最后利用最小二乘支持向量机(LS-SVM)进行故障诊断。实验结果表明,该方法具有较高的准确率,准确率达到97.5%,可以满足旋转机械故障诊断的要求。     

基于LabVIEW的便携式旋转机械故障诊断系统的研究

依据旋转式煤矿机械特殊的工作环境和作业特点,论述了开发一种便携式故障诊断系统的必要性。详细介绍了对该类机械进行故障诊断的基本原理,依据该原理进行了该系统硬件和软件系统的设计。通过测试实验验证了该系统的实用性和可靠性。     

旋转机械故障诊断模糊专家系统的开发及应用

论述了专家系统的模糊化过程,提出将模糊规则进行拆分,运用数据库来组织知识,用专家打分结果与经验数据统计来综合确定模糊关系矩阵值,有效地处理旋转机械振动故障征兆的不确定性问题,并用Java编程来实现系统的诊断推理。最后以一实例验证了系统的可靠性。     

基于数据挖掘技术的旋转机械故障诊断研究

针对旋转机械故障诊断需人工干预、效率低、故障样本难获取等问题,提出基于数据挖掘技术的旋转机械故障诊断方法。提取不同故障的时域及频域特征频率,构成典型的故障样本数据库;采用粗糙集和决策树融合的诊断算法生成故障诊断的决策。用轴承故障诊断案例证明模型的有效性。     

基于模糊推理的矿井提升机故障诊断方法的研究

运用模糊理论和模糊推理方法,论述了基于矿井提升机的故障诊断方法。有效的解决了由于设备系统知识的模糊性所引起的不确定性问题,实现了设备的状态检测和故障诊断。     

基于改进支持向量机方法的汽轮机故障诊断研究

针对汽轮机故障诊断问题,在分析比较支持向量机"一对多"和"一对一"多分类算法的基础上,构建改进的串行支持向量机多分类方法,并依据该算法建立了多故障分类器,将其应用于典型的汽轮机故障诊断,仿真实验结果证明了该方法的有效性。     

基于频谱分析法对旋转机械故障的诊断

频谱分析法对旋转机械故障诊断技术是随现代工业发展而发展起来的设备诊断技术之一,在保障高速运算的前提下对振动信号处理、如何提高信号处理的精度是一个研究重点,FFT-FT算法能够有效的提高运算的精度。基于频谱分析法对大型关键旋转机组进行振动监测及故障分析,便于实时诊断,且诊断结果准确可靠,可节省大量的维修费用,在旋转机械故障诊断领域具有较好的应用前景。     

基于声发射法掘进机故障诊断研究

为了能够提高掘进机故障诊断的准确率,确保掘进机能够正常稳定地工作,深入研究了声发射法在其中的应用。分析了掘进机的主要故障及原因;研究了掘进机声发射信号产生的机理;探讨了掘进机声发射信号监测系统的设计;结合小波神经网络法和声发射法进行了掘进机的故障诊断研究,诊断结果表明该方法具有较高的故障诊断精度。     

基于支持向量机的矿用电机故障诊断

提出一种基于电流信号频谱分析和支持向量机(SVM)的矿用感应电机早期故障诊断方法。对定子电流采样后,经FFT变换后提取故障特征量作为支持向量机的输入,基于1对1算法和混合矩阵组合策略构造了多故障SVM分类,对不同类型的故障进行诊断和分类。实验结果表明,该方法能够有效解决电机故障诊断中小样本集、非线性、高维数时的故障分类问题,提高电机故障诊断的准确性。     

基于支持向量机的数控机床总线的故障诊断研究

为了能够准确地对数控机床进行故障诊断,深入地研究了支持向量机故障诊断的方法。提出了最小二乘支持向量机的基本理论;提出了遗传模拟退火算法;进行了实例研究,结果表明该方法具有较高的故障诊断能力。     

基于PLC的数控机床故障诊断

PLC是数控机床的控制中心,机床的很多控制指令都要经过PLC处理后才能控制执行机构。通过对可编程序控制器PLC的检查,利用PLC的状态信息和PLC梯形图,可以快速、准确地判断数控机床故障。     

基于VB的数控机床故障诊断系统实现

快速排除数控机床在运行过程中发生的故障,是降低数控机床加工成本的一种途径。对数控机床常见的故障进行了分类,构造了数控机床故障树;在Access2000中建立了数控机床故障库,应用Visual Basic 6.0进行数控机床故障诊断系统操作界面的开发,能够快速实现对数控机床故障的录入、查询和诊断。     

基于关联维数与支持向量机的内燃机故障诊断研究

为解决内燃机故障诊断这一复杂问题,在ANSYS环境下,对6110型内燃机曲轴在正常工作状态和几种故障状态下进行瞬态动力学分析,得到曲轴的振动信号,对各信号进行相空间重构,并计算其关联维数,采用支持向量机(SVM)直接对关联维数进行分类,从而将配气机构的故障诊断转换为对曲轴振动信号关联维数的分类。研究结果表明:内燃机曲轴在不同工作状态下,振动信号的关联维数各不相同,将关联维数作为特征参数能够去除内燃机曲轴振动信号时域图中的冗余信息,突出故障类型,将关联维数与支持向量机相结合能够较好地解决内燃机故障诊断中的样本少、维数高等问题。     

基于RBF神经网络的连续采煤机故障诊断研究

为了能够提高连续采煤机故障诊断的效率和精度,深入地研究了基于改进遗传算法的RBF神经网络在其中的应用。分析了连续采煤机的主要故障类型;分别研究了RBF神经网络的基本原理和改进遗传算法的基本原理;进行了连续采煤机故障诊断的实例分析,仿真结果验证了该故障诊断技术的有效性。     

基于虚拟仪器的数控机床远程协同故障诊断系统研究

提出了将虚拟仪器技术用于数控机床远程协同故障诊断系统,论述了该系统的结构、故障诊断流程,并分析了这一故障诊断系统的关键技术。