共查询到10条相似文献,搜索用时 15 毫秒
1.
为了能够对滚动轴承进行实时智能故障诊断,提出一种基于互补集合经验模态分解(CEEMD)和反向传播算法(BP)神经网络的实时智能故障诊断算法。采用基于固定"筛"数量停止准则的CEEMD方法,对采集到的滚动轴承振动信号进行分解处理,结合相关性分析及能量特征参数,构建特征向量,利用BP神经网络进行智能故障识别。该方法将210个采样点的信号分解效率提升了90倍;以CEEMD作为分解工具的算法故障识别率为100%,小波包为97.5%。说明该算法可以准确有效地对滚动轴承进行智能故障诊断,较小波包处理方法更加准确,且大大提升了算法的实时性。 相似文献
2.
3.
4.
5.
针对轴承单一传感器所测数据存在不全面性和简单利用多传感器数据造成数据过多的问题,引入动态模态分解(DMD)的信号分解方法,将多传感器信号分解为多个模态,并提出利用能量值最大的模态对原始信号进行重构;针对变工况的问题,首先引入含有矢量神经元的胶囊网络(CN),然后提出在胶囊网络中加入转置卷积,构建改进的胶囊网络模型(ICN)充分提取输入数据的空间信息,对故障特征进行智能识别。基于DMD和ICN的轴承故障诊断方法既可以利用多传感器信号,同时也不会造成数据冗余;此外,ICN可以充分提取不同数据的空间信息,并通过动态路由算法计算胶囊层的相关度,实现在变工况下对轴承故障的精确诊断。实验结果表明,基于DMD和ICN模型的轴承智能故障诊断方法,比传统卷积神经网络(CNN)和未改进的胶囊网络具备更强的变工况故障诊断能力。 相似文献
6.
7.
随着全封闭式组合电器(GIS)设备在各电压等级中日益广泛应用,一旦发生绝缘故障将严重危及电力系统的安全运行,对GIS设备进行绝缘状态监测与故障诊断是降低其故障率和运维费用的有效手段之一。针对目前国内外研究热点,基于分解组分分析(DCA)的SF_6设备绝缘故障诊断方法与技术进行综述,以推动该领域的理论与技术进步。首先,在分析国内外气体绝缘装备故障统计的基础上,介绍常见的绝缘故障及其诱因;其次从引发SF_6气体分解过程及机制出发,分析基于SF_6分解组分的故障诊断原理,重点评述SF_6故障分解特征产物,并对以分解组分比值为特征量的故障诊断研究进展情况进行小结;最后结合当前研究现状和尚需解决的难点问题,指出基于分解组分分析的SF_6设备绝缘故障诊断方法与技术的研究要点及发展趋势。 相似文献
8.
9.
对变压器故障诊断的常用方法进行分析,并研究探讨了变压器故障诊断新方法--专家系统、模糊ISODATA法及IMFICG法等智能诊断系统。认为智能诊断系统(例如:IMFICG法),才是进行变压器故障诊断较理想的方法。 相似文献